Python в применении к исследованиям


Только что начался четырехнедельный MOOC Гарвардского университета, цель которого — дать студентам возможность применять навыки Python в исследовательских проектах.

Используя Python 3, он нацелен на преодоление разрыва между вводными и продвинутыми курсами, используя тематические исследования, выбранные за их научную широту и охват различных функций Python.

PH526x: Использование Python для исследований является самостоятельным процессом, и у вас есть семь месяцев на его выполнение. Поскольку это на платформе edX, вы можете учиться бесплатно с возможностью покупки проверенного сертификата (49 долларов США) в любое время. Для этого требуется веб-камера и удостоверение личности государственного образца с фотографией, например паспорт или водительские права.

Инструктором курса является Юкка-Пекка «JP» Оннела, доцент кафедры биостатистики, и здесь он представляет курс. Описывая Python как мощный, гибкий и увлекательный, он отмечает, что после этого курса вы сможете пройти более продвинутые курсы по науке о данных, машинному обучению, вычислительной физике и биомедицинским наукам.

Ожидается, что студенты будут иметь некоторые знания о Python, и ожидается, что первая неделя обучения будет посвящена основам программирования на Python 3. Вторая неделя посвящена инструментам Python для исследовательских приложений, в частности NumPy и SciPy, а последние две недели посвящены практическим тематическим исследованиям в различных дисциплинах.

Курс рассчитан на 4-8 часов в неделю в течение 4 недель. Он состоит из видеолекций, проверок понимания после каждой и интерактивных домашних заданий, созданных в DataCamp, онлайн-школе по науке о данных. Оцениваются все проверки на понимание прочитанного и интерактивные домашние задания. На проверку понимания приходится 40% общей оценки, на интерактивные домашние задания или на 60%, а для прохождения курса студентам необходимо набрать 70% баллов.

Программа курса:

Неделя 1: Основы Python 3

Часть 1: Объекты и методы

Часть 2: Объекты последовательности

Часть 3: Управление объектами

Неделя 2: Библиотеки Python и концепции, используемые в исследованиях

Часть 1. Правила и классы области действия

Часть 2: NumPy

Часть 3: Matplotlib и Pyplot

Часть 4: Случайность и время

Неделя 2 Домашнее задание

Неделя 3: Примеры из практики, часть 1

Домашнее задание по переводу ДНК

Языковая обработка

Введение в классификацию

Неделя 4: Примеры из практики, часть 2

Классификация виски

Миграция птиц

Анализ социальных сетей

Этот курс кажется очень привлекательным и хорошим дополнением к большому количеству курсов Python, доступных в Интернете, поскольку есть чем заинтересовать студентов из самых разных областей.


Добавить комментарий