Cours : EES1137 Quantitative Applications for Data Analysis (Winter 2024)

Aperçu des sections

General

Tout replier Tout déplier
- EES1137 Quantitative Applications for Data Analysis (Winter 2024)
  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: 9 Jan 2024
  End date: 4 Apr 2024
  Scientific Computing Credits: 8
  Data Science Credits: 28
  Events:
  EES1137: Lecture 1 - Tuesday, 9 January, 10:00 AM » 12:00 PM
  EES1137: Lecture 2 - Thursday, 11 January, 11:00 AM » 12:00 PM
  EES1137: Lecture 3 - Tuesday, 16 January, 10:00 AM » 12:00 PM
  A full list of course events can be found here.
- Page
  
  Software Requirements Page
- Forum
  
  Student forum
Lectures
- Fichier
  
  1. Linux command line I Fichier
- Fichier
  
  2. Linux command line 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. Distributions Fichier
- Fichier
  
  10. Coding Best Practices Fichier
- Fichier
  
  11. Hypothesis tests Fichier
- Fichier
  
  12. Visualization in R Fichier
- Fichier
  
  13. Linear models 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. Classification II Fichier
- Fichier
  
  20. Feature selection Fichier
- Fichier
  
  21. Unsupervised learning Fichier
- Fichier
  
  22. Monte Carlo methods Fichier
- Fichier
  
  23. Neural networks Fichier
- Fichier
  
  24. Ensemble models Fichier
Recordings
- Fichier
  
  1. Linux command line I Fichier
- Fichier
  
  2. Linux command line 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. Distributions Fichier
- Fichier
  
  10. Coding Best Practices Fichier
- Fichier
  
  11. Hypothesis tests Fichier
- Fichier
  
  12. Visualization in R Fichier
- Fichier
  
  13. Linear models 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. Classification II Fichier
- Fichier
  
  20. Feature selection Fichier
- Fichier
  
  21. Unsupervised learning Fichier
- Fichier
  
  22. Monte Carlo methods Fichier
- Fichier
  
  23. Neural networks Fichier
- Fichier
  
  24. Ensemble models Fichier
Assignments
- Devoir
  
  Assignment 1 Devoir
  
  Ouvert le : mardi 16 janvier 2024, 11:00
  
  À rendre : mardi 23 janvier 2024, 23:59
- Devoir
  
  Assignment 2 Devoir
  
  Ouvert le : mardi 30 janvier 2024, 11:00
  
  À rendre : mardi 6 février 2024, 23:59
- Devoir
  
  Assignment 3 Devoir
  
  Ouvert le : mardi 6 février 2024, 11:00
  
  À rendre : mardi 13 février 2024, 23:59
- Devoir
  
  Assignment 4 Devoir
  
  Ouvert le : mardi 13 février 2024, 11:00
  
  À rendre : mardi 27 février 2024, 23:59
- Devoir
  
  Assignment 5 Devoir
  
  Ouvert le : mardi 27 février 2024, 11:00
  
  À rendre : mardi 5 mars 2024, 23:59
- Devoir
  
  Assignment 6 Devoir
  
  Ouvert le : mardi 5 mars 2024, 11:00
  
  À rendre : mardi 12 mars 2024, 23:59
- Devoir
  
  Assignment 7 Devoir
  
  Ouvert le : mardi 12 mars 2024, 11:00
  
  À rendre : mardi 19 mars 2024, 23:59
- Devoir
  
  Assignment 8 Devoir
  
  Ouvert le : mardi 19 mars 2024, 11:00
  
  À rendre : mardi 26 mars 2024, 23:59
- Devoir
  
  Assignment 9 Devoir
  
  Ouvert le : mardi 26 mars 2024, 11:00
  
  À rendre : mardi 2 avril 2024, 23:59
- Devoir
  
  Assignment 10 Devoir
  
  Ouvert le : mardi 2 avril 2024, 11:00
  
  À rendre : mardi 9 avril 2024, 23:59
- Devoir
  
  Assignment 11 - Makeup Devoir
  
  Ouvert le : jeudi 4 avril 2024, 11:00
  
  À rendre : jeudi 11 avril 2024, 23:59

Aperçu des sections

General

EES1137 Quantitative Applications for Data Analysis (Winter 2024)

Lectures

Recordings

Assignments