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.

3.7 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. Убедитесь что при установке поставили галочку рядом с пунктом add python 3.10.x to PATH

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/f-neumann77/DL_Course_SamU/blob/master/noncore/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/f-neumann77/DL_Course_SamU/blob/master/noncore/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/f-neumann77/DL_Course_SamU/blob/master/noncore/lab_3.ipynb

Лабораторная №4

Введение и практические задачи в ML (sklearn)

Задачи регрессии и классификации. Использование sklearn для решения задач.

Ссылка на лабораторную работу: https://github.com/f-neumann77/DL_Course_SamU/blob/master/noncore/lab_4_regression_and_classification.ipynb

Лабораторная №5

Введение в DL (pytorch)

Будет рассмотрена простая сверточная нейронная сеть для решения задачи классификации изображений.

Ссылка на лабораторную работу: https://colab.research.google.com/drive/1QdQekU1T6rqNN0bEtrdRZmJ4CjgN-qMV?usp=sharing

3.7 KiB Raw Blame History Unescape Escape