Difference between revisions of "LU-pysem"

From DiLab
Jump to: navigation, search
(Kalendārs: 1. lekcijas vieta)
(Saturs)
Line 18: Line 18:
* Praktisks apskats ar piemēriem (kā un kur lieto Python)
* Praktisks apskats ar piemēriem (kā un kur lieto Python)
** Rīki, bibliotēkas, ietvari, piemēram: IPython, Jupyter notebook, PyCharm, NumPy, SciPy, Pandas, Matplotlib, Flask, ...
** Rīki, bibliotēkas, ietvari, piemēram: IPython, Jupyter notebook, PyCharm, NumPy, SciPy, Pandas, Matplotlib, Flask, ...

====Studentu darbi====
Kursā studentiem būs jāapstrādā kāda datu kopa, jāveic tās analīze, un vizualizācija. Datu kopas var nākt no dažādiem avotiem, piemēram, [https://www.kaggle.com/fernandol/countries-of-the-world kaggle.com], vai pasniedzējiem. Visa apstrāde un vizualizācija būs jāveic Python programmēšanas valodā ar attiecīgajām bibliotēkām, kas tiks apskatītas kursā.


=== Organizē ===
=== Organizē ===

Revision as of 09:00, 12 September 2018

Specseminārs: Python un citi zvēri

Specseminārā tiks iepazīti Python programmēšanas valoda kā arī tās bibliotēkas un ietvari. Semināra mērķis ir dot ieskatu gan valodā, tās iespējās, gan plašajā pielietojumu lokā. Seminārā Python tiks lietots dažādu datu apstrādei un vizualizācijai.

Kāpēc Python?

  • Ērti lietojams un efektīvs. Izstrādāts labi lasāmam un ātri rakstāmam pirmkodam.
  • Elastīgs. Gan iesācējiem, gan profesionāļiem. Var atbalstīt dažādas programmēšanas paradigmas.
  • Populārs, labi un aktīvi atbalstīts.
  • Lieto gan lielās gan mazās kompānijās un organizācijās pasaulē.
  • Vairākos kursos jau lieto, un ne tikai DF


Saturs

Pamatā divas daļas:

  • Ievads Python programmēšanas valodā (kas ir Python)
    • Pieņemot ka programmēšanas principi un vēlams kāda cita valoda jau ir zināmi
  • Praktisks apskats ar piemēriem (kā un kur lieto Python)
    • Rīki, bibliotēkas, ietvari, piemēram: IPython, Jupyter notebook, PyCharm, NumPy, SciPy, Pandas, Matplotlib, Flask, ...

Studentu darbi

Kursā studentiem būs jāapstrādā kāda datu kopa, jāveic tās analīze, un vizualizācija. Datu kopas var nākt no dažādiem avotiem, piemēram, kaggle.com, vai pasniedzējiem. Visa apstrāde un vizualizācija būs jāveic Python programmēšanas valodā ar attiecīgajām bibliotēkām, kas tiks apskatītas kursā.

Organizē

Semināru vada Leo Seļāvo, (pārsvarā attālināti) Semināru atbalsta ar (iespējamām) lekcijām klātienē:

  • Uldis Bojārs (LU DF)
  • Jānis Zuters (LU DF, par mašīnmācīšanos)
  • Normunds Gruzītis (LUMII, par NLP)
  • Valdis Saulespurēns (Riga Coding School)
  • un citi…

Komunikācija

Slack pierakstīšanās: http://bit.ly/py-lu-df

Kalendārs

(kalendārs tiek sastādīts...)


1. nodarbība:

  • ceturtdien 13.09 @ 14:30 – vieta: Raiņa 19, 312. telpa.