Topic outline

• Sélectionner la section General

  Replier Déplier

  General

  Tout replier Tout déplier

  • Sélectionner l’activité Course Description

    EES1137 Quantitative Applications for Data Analysis (Winter 2023)

    In this course data analysis techniques utilizing the Python and R languages will be introduced, as well as the basics of programming and scientific computing. The goal of this course is to prepare graduate students for performing scientific data analysis. Successful students will learn how to use statistical inference tools to gain insight into large and small data sets, as well as be exposed to cutting-edge techniques and best practises to store, manage and analyze (large) data.  Topics include: Python and R programming, version control, automation, modular programming and scientific visualization.
    

    Students willing to take the course as part of their graduate program must enrol through Acorn/ROSI.

    Enseignants: Alexey Fedoseev, Erik Spence

    Date de début: : 10 janv. 2023

    Date de fin: : 6 avr. 2023

    Nombre de crédits - calcul scientifique: 8

    Nombre de crédits - science des données: 28

    Événements:

    EES1137 Lecture 1 - mardi 10 janvier, 10:30 » 12:00

    EES1137 Lecture 2 - jeudi 12 janvier, 11:00 » 12:30

    EES1137 Lecture 3 - mardi 17 janvier, 10:30 » 12:00

    Une liste complète des événements du cours peut être trouvée ici ici.
  • Sélectionner l’activité Announcements

    

    Announcements Forum
  • Sélectionner l’activité Software Requirements

    

    Software Requirements Page
  • Sélectionner l’activité Student forum

    

    Student forum
• Sélectionner la section Lectures

  Replier Déplier

  Lectures

  • Sélectionner l’activité 1. Introduction to Linux Shell I

    

    1. Introduction to Linux Shell I Fichier
  • Sélectionner l’activité 2. Introduction to Linux Shell II

    

    2. Introduction to Linux Shell II Fichier
  • Sélectionner l’activité 3. Introduction to R

    

    3. Introduction to R Fichier
  • Sélectionner l’activité 4. Vectors and data frames

    

    4. Vectors and data frames Fichier
  • Sélectionner l’activité 5. Lists, loops and conditional statements in R

    

    5. Lists, loops and conditional statements in R Fichier
  • Sélectionner l’activité 6. Functions in R

    

    6. Functions in R Fichier
  • Sélectionner l’activité 7. Scripts

    

    7. Scripts Fichier
  • Sélectionner l’activité 8. Version Control System - Git

    

    8. Version Control System - Git Fichier
  • Sélectionner l’activité 9. Coding Best Practices

    

    9. Coding Best Practices Fichier
  • Sélectionner l’activité 10. Distributions

    

    10. Distributions Fichier
  • Sélectionner l’activité 11. Hypothesis tests

    

    11. Hypothesis tests Fichier
  • Sélectionner l’activité 12. Linear models

    

    12. Linear models Fichier
  • Sélectionner l’activité 13. Visualization in R

    

    13. Visualization in R Fichier
  • Sélectionner l’activité 14. Introduction to Python

    

    14. Introduction to Python Fichier
  • Sélectionner l’activité 15. Loops and functions in Python

    

    15. Loops and functions in Python Fichier
  • Sélectionner l’activité 16. NumPy, SciPy and Visualization

    

    16. NumPy, SciPy and Visualization Fichier
  • Sélectionner l’activité 17. Introduction to Machine Learning

    

    17. Introduction to Machine Learning Fichier
  • Sélectionner l’activité 18. Resampling

    

    18. Resampling Fichier
  • Sélectionner l’activité 19. Monte Carlo methods

    

    19. Monte Carlo methods Fichier
  • Sélectionner l’activité 20. Classification

    

    20. Classification Fichier
  • Sélectionner l’activité 21. Unsupervised learning

    

    21. Unsupervised learning Fichier
  • Sélectionner l’activité 22. Feature selection

    

    22. Feature selection Fichier
  • Sélectionner l’activité 23. Neural networks

    

    23. Neural networks Fichier
  • Sélectionner l’activité 24. Ensemble methods

    

    24. Ensemble methods Fichier
• Sélectionner la section Recordings

  Replier Déplier

  Recordings

  • Sélectionner l’activité 1. Introduction to Linux Shell I

    

    1. Introduction to Linux Shell I Fichier
  • Sélectionner l’activité 2. Introduction to Linux Shell II

    

    2. Introduction to Linux Shell II Fichier
  • Sélectionner l’activité 3. Introduction to R

    

    3. Introduction to R Fichier
  • Sélectionner l’activité 4. Vectors and data frames

    

    4. Vectors and data frames Fichier
  • Sélectionner l’activité 5. Loops and Conditionals

    

    5. Loops and Conditionals Fichier
  • Sélectionner l’activité 6. Functions

    

    6. Functions Fichier
  • Sélectionner l’activité 7. Scripts

    

    7. Scripts Fichier
  • Sélectionner l’activité 8. Version control

    

    8. Version control Fichier
  • Sélectionner l’activité 9. Coding best practices

    

    9. Coding best practices Fichier
  • Sélectionner l’activité 10. Distributions

    

    10. Distributions Fichier
  • Sélectionner l’activité 11. Hypothesis tests

    

    11. Hypothesis tests Fichier
  • Sélectionner l’activité 12. Linear models

    

    12. Linear models Fichier
  • Sélectionner l’activité 13. Visualization

    

    13. Visualization Fichier
  • Sélectionner l’activité 14. Introduction to Python

    

    14. Introduction to Python Fichier
  • Sélectionner l’activité 15. Loops and functions in Python

    

    15. Loops and functions in Python Fichier
  • Sélectionner l’activité 16. Numpy, Scipy and Visualization

    

    16. Numpy, Scipy and Visualization Fichier
  • Sélectionner l’activité 17. Machine learning

    

    17. Machine learning Fichier
  • Sélectionner l’activité 18. Resampling

    

    18. Resampling Fichier
  • Sélectionner l’activité 19. Monte Carlo methods

    

    19. Monte Carlo methods Fichier
  • Sélectionner l’activité 20. Classification

    

    20. Classification Fichier
  • Sélectionner l’activité 21. Unsupervised learning

    

    21. Unsupervised learning Fichier
  • Sélectionner l’activité 22. Feature selection

    

    22. Feature selection Fichier
  • Sélectionner l’activité 23. Neural networks

    

    23. Neural networks Fichier
  • Sélectionner l’activité 24. Ensemble methods

    

    24. Ensemble methods Fichier
• Sélectionner la section Assignments

  Replier Déplier

  Assignments

  • Sélectionner l’activité Assignment 1

    

    Assignment 1 Devoir

    Ouvert le : jeudi 12 janvier 2023, 12:00

    À rendre : jeudi 19 janvier 2023, 23:59
  • Sélectionner l’activité Assignment 2

    

    Assignment 2 Devoir

    Ouvert le : jeudi 19 janvier 2023, 12:00

    À rendre : jeudi 26 janvier 2023, 23:59
  • Sélectionner l’activité Assignment 3

    

    Assignment 3 Devoir

    Ouvert le : jeudi 26 janvier 2023, 12:00

    À rendre : jeudi 2 février 2023, 23:59
  • Sélectionner l’activité Assignment 4

    

    Assignment 4 Devoir

    Ouvert le : jeudi 2 février 2023, 12:00

    À rendre : jeudi 9 février 2023, 23:59
  • Sélectionner l’activité Assignment 5

    

    Assignment 5 Devoir

    Ouvert le : jeudi 9 février 2023, 12:00

    À rendre : jeudi 16 février 2023, 23:59
  • Sélectionner l’activité Assignment 6

    

    Assignment 6 Devoir

    Ouvert le : jeudi 2 mars 2023, 12:00

    À rendre : jeudi 9 mars 2023, 23:59
  • Sélectionner l’activité Assignment 7

    

    Assignment 7 Devoir

    Ouvert le : jeudi 9 mars 2023, 12:00

    À rendre : jeudi 16 mars 2023, 23:59
  • Sélectionner l’activité Assignment 8

    

    Assignment 8 Devoir

    Ouvert le : jeudi 16 mars 2023, 10:00

    À rendre : jeudi 23 mars 2023, 23:59
  • Sélectionner l’activité Assignment 9

    

    Assignment 9 Devoir

    Ouvert le : jeudi 23 mars 2023, 12:00

    À rendre : jeudi 30 mars 2023, 23:59
  • Sélectionner l’activité Assignment 10

    

    Assignment 10 Devoir

    Ouvert le : jeudi 30 mars 2023, 12:00

    À rendre : jeudi 6 avril 2023, 23:59
  • Sélectionner l’activité Assignment 11

    

    Assignment 11 Devoir

    Ouvert le : jeudi 6 avril 2023, 12:00

    À rendre : jeudi 13 avril 2023, 23:59