|
|
# Порядок сдачи лабораторных
|
|
|
----------------------------
|
|
|
|
|
|
Для выполнения лабораторных работ требуется сначала установить на свой компьютер Python 3.10. Скачать можно [здесь](https://www.python.org/downloads/)
|
|
|
|
|
|
Далее требуется установить Jupyter Notebook, гайд [здесь](https://jupyter.org/install).
|
|
|
|
|
|
Для windows:
|
|
|
- Нажать win+R
|
|
|
- Напечатать во всплывшем окне cmd
|
|
|
- В появившейся консоли ввести pip install jupyterlab или pip install notebook
|
|
|
- Для того чтобы открыть jupyter в консоли вводим jupyter-lab или jupyter-notebook в зависимости от предыдущего шага
|
|
|
|
|
|
|
|
|
## Лабораторная №1
|
|
|
### Базовый Python
|
|
|
Будут рассмотрены типы данных, операторы, функции, классы и их применение в языке и примеры задач.
|
|
|
|
|
|
## Лабораторная №2
|
|
|
### Практические задачи Python
|
|
|
Будут представлены для самостоятельного решения задачи:
|
|
|
- Работа со строками
|
|
|
- Работа со списками
|
|
|
- Создание функций для решения задач
|
|
|
- Создание классов
|
|
|
|
|
|
## Лабораторная №3
|
|
|
### Введение в numpy, pyplot, pandas
|
|
|
Будут рассмотрены кейсы применения данных модулей.
|
|
|
Pandas как альтернатива маленьким БД и работе в excel.
|
|
|
Графическое представление данных.
|
|
|
|
|
|
## Лабораторная №4
|
|
|
### Практические задачи numpy, pyplot, pandas
|
|
|
Будут представлены для самостоятельного решения задачи:
|
|
|
- Создание матриц заданной размерности и работа с ними
|
|
|
- Генерация псевдослучайных последовательностей
|
|
|
- Работа с данными в Pandas
|
|
|
- Графическое представление данных
|
|
|
|
|
|
## Лабораторная №5
|
|
|
### Введение в ML (sklearn)
|
|
|
в разработке...
|
|
|
|
|
|
## Лабораторная №6
|
|
|
### Практические задачи ML (sklearn)
|
|
|
в разработке...
|
|
|
|
|
|
|
|
|
## Лабораторная №7
|
|
|
### Введение в DL (pytorch)
|
|
|
в разработке...
|
|
|
|
|
|
|
|
|
## Лабораторная №8
|
|
|
### Практические задачи DL (pytorch)
|
|
|
в разработке...
|
|
|
|