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.
DL_Course_SamU/lab_schedule_1143.md

62 lines
3.3 KiB
Markdown

This file contains ambiguous Unicode characters!

This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.

# Порядок сдачи лабораторных
----------------------------
Для выполнения лабораторных работ требуется сначала установить на свой компьютер Python 3.10. Скачать можно [здесь](https://www.python.org/downloads/).
Убедитесь что при установке поставили галочку рядом с пунктом add python 3.10.x to PATH
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
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
Ссылка на лабораторную работу: https://github.com/kvvik/DL_Course_SamU/blob/master/1147/Lab_2.ipynb
## Лабораторная №3
### Введение в numpy, pyplot, pandas
Будут рассмотрены кейсы применения данных модулей.
Pandas как альтернатива маленьким БД и работе в excel.
Анализ данных.
Графическое представление данных.
Ссылка на лабораторную работу: https://github.com/kvvik/DL_Course_SamU/blob/master/1147/lab_3.ipynb
## Лабораторная №4
### Введение в ML (sklearn)
в разработке...
## Лабораторная №5
### Практические задачи ML (sklearn)
в разработке...
## Лабораторная №6
### Введение в DL (pytorch)
в разработке...
## Лабораторная №7
### Практические задачи DL (pytorch)
в разработке...