aii
/
DL_Course_SamU
mirror of https://github.com/da0c/DL_Course_SamU
1
0
Fork 0
Code Issues Projects Releases Wiki Activity
You cannot select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
patch-1
master
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from '90cb07f0bc'
${ noResults }
DL_Course_SamU/lab_schedule_1143.md

3.6 KiB
Raw Blame History Unescape Escape

Порядок сдачи лабораторных

Для выполнения лабораторных работ требуется сначала установить на свой компьютер Python 3.10. Скачать можно здесь

Далее требуется установить Jupyter Notebook, гайд здесь.

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

Так же можно это сделать через PowerShell:

  • открыть его через поиск по программам или нажав в проводнике (любая папка) на пустое место с зажатой клавишей Shift, найти строчку "открыть окно PowerShell здесь" и нажать
  • Повторить последние два пункта из варианта выше

Лабораторная №1

Базовый Python

Будут рассмотрены типы данных, операторы, функции, классы и их применение в языке и примеры задач. Скачайте на свой компьютер, запустите в jupyter-lab/notebook, изучите и выполните задания после разделов.

Ссылка на лабораторную работу: https://github.com/kvvik/DL_Course_SamU/blob/master/1147/lab_1.ipynb

Лабораторная №2

Практические задачи Python

Будут представлены для самостоятельного решения задачи:

  • Работа со строками
  • Работа со списками
  • Создание функций для решения задач
  • Создание классов

Ссылка на лабораторную работу:

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.

Ссылка на лабораторную работу:

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

Ссылка на лабораторную работу:

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...