Cours : EES1137 Quantitative Applications for Data Analysis (Winter 2023)

Aperçu des sections

General

Tout replier Tout déplier
- 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.
  Teachers: Alexey Fedoseev, Erik Spence
  Start date: 10 Jan 2023
  End date: 6 Apr 2023
  Scientific Computing Credits: 8
  Data Science Credits: 28
  Events:
  EES1137 Lecture 1 - Tuesday, 10 January, 10:30 AM » 12:00 PM
  EES1137 Lecture 2 - Thursday, 12 January, 11:00 AM » 12:30 PM
  EES1137 Lecture 3 - Tuesday, 17 January, 10:30 AM » 12:00 PM
  A full list of course events can be found here.
- Forum
  
  Announcements Forum
- Page
  
  Software Requirements Page
- Forum
  
  Student forum
Lectures
- Fichier
  
  1. Introduction to Linux Shell I Fichier
- Fichier
  
  2. Introduction to Linux Shell II Fichier
- Fichier
  
  3. Introduction to R Fichier
- Fichier
  
  4. Vectors and data frames Fichier
- Fichier
  
  5. Lists, loops and conditional statements in R Fichier
- Fichier
  
  6. Functions in R Fichier
- Fichier
  
  7. Scripts Fichier
- Fichier
  
  8. Version Control System - Git Fichier
- Fichier
  
  9. Coding Best Practices Fichier
- Fichier
  
  10. Distributions Fichier
- Fichier
  
  11. Hypothesis tests Fichier
- Fichier
  
  12. Linear models Fichier
- Fichier
  
  13. Visualization in R Fichier
- Fichier
  
  14. Introduction to Python Fichier
- Fichier
  
  15. Loops and functions in Python Fichier
- Fichier
  
  16. NumPy, SciPy and Visualization Fichier
- Fichier
  
  17. Introduction to Machine Learning Fichier
- Fichier
  
  18. Resampling Fichier
- Fichier
  
  19. Monte Carlo methods Fichier
- Fichier
  
  20. Classification Fichier
- Fichier
  
  21. Unsupervised learning Fichier
- Fichier
  
  22. Feature selection Fichier
- Fichier
  
  23. Neural networks Fichier
- Fichier
  
  24. Ensemble methods Fichier
Recordings
- Fichier
  
  1. Introduction to Linux Shell I Fichier
- Fichier
  
  2. Introduction to Linux Shell II Fichier
- Fichier
  
  3. Introduction to R Fichier
- Fichier
  
  4. Vectors and data frames Fichier
- Fichier
  
  5. Loops and Conditionals Fichier
- Fichier
  
  6. Functions Fichier
- Fichier
  
  7. Scripts Fichier
- Fichier
  
  8. Version control Fichier
- Fichier
  
  9. Coding best practices Fichier
- Fichier
  
  10. Distributions Fichier
- Fichier
  
  11. Hypothesis tests Fichier
- Fichier
  
  12. Linear models Fichier
- Fichier
  
  13. Visualization Fichier
- Fichier
  
  14. Introduction to Python Fichier
- Fichier
  
  15. Loops and functions in Python Fichier
- Fichier
  
  16. Numpy, Scipy and Visualization Fichier
- Fichier
  
  17. Machine learning Fichier
- Fichier
  
  18. Resampling Fichier
- Fichier
  
  19. Monte Carlo methods Fichier
- Fichier
  
  20. Classification Fichier
- Fichier
  
  21. Unsupervised learning Fichier
- Fichier
  
  22. Feature selection Fichier
- Fichier
  
  23. Neural networks Fichier
- Fichier
  
  24. Ensemble methods Fichier
Assignments
- Devoir
  
  Assignment 1 Devoir
  
  Ouvert le : jeudi 12 janvier 2023, 12:00
  
  À rendre : jeudi 19 janvier 2023, 23:59
- Devoir
  
  Assignment 2 Devoir
  
  Ouvert le : jeudi 19 janvier 2023, 12:00
  
  À rendre : jeudi 26 janvier 2023, 23:59
- Devoir
  
  Assignment 3 Devoir
  
  Ouvert le : jeudi 26 janvier 2023, 12:00
  
  À rendre : jeudi 2 février 2023, 23:59
- Devoir
  
  Assignment 4 Devoir
  
  Ouvert le : jeudi 2 février 2023, 12:00
  
  À rendre : jeudi 9 février 2023, 23:59
- Devoir
  
  Assignment 5 Devoir
  
  Ouvert le : jeudi 9 février 2023, 12:00
  
  À rendre : jeudi 16 février 2023, 23:59
- Devoir
  
  Assignment 6 Devoir
  
  Ouvert le : jeudi 2 mars 2023, 12:00
  
  À rendre : jeudi 9 mars 2023, 23:59
- Devoir
  
  Assignment 7 Devoir
  
  Ouvert le : jeudi 9 mars 2023, 12:00
  
  À rendre : jeudi 16 mars 2023, 23:59
- Devoir
  
  Assignment 8 Devoir
  
  Ouvert le : jeudi 16 mars 2023, 10:00
  
  À rendre : jeudi 23 mars 2023, 23:59
- Devoir
  
  Assignment 9 Devoir
  
  Ouvert le : jeudi 23 mars 2023, 12:00
  
  À rendre : jeudi 30 mars 2023, 23:59
- Devoir
  
  Assignment 10 Devoir
  
  Ouvert le : jeudi 30 mars 2023, 12:00
  
  À rendre : jeudi 6 avril 2023, 23:59
- Devoir
  
  Assignment 11 Devoir
  
  Ouvert le : jeudi 6 avril 2023, 12:00
  
  À rendre : jeudi 13 avril 2023, 23:59

Aperçu des sections

General

EES1137 Quantitative Applications for Data Analysis (Winter 2023)

Lectures

Recordings

Assignments