Data Analytics kursmaterial Här finns allt material som ni behöver för att genomföra laboration 1&2. Material för laboration 3&4 kommer läggas upp snarast.
För att genomföra laborationerna i Jupyter på webben, klicka på följande knapp så startar binder som möjliggör exekvering av de notebooks som tillhör laborationerna. Glöm inte att spara ner er laboration som HTML när ni är färdiga och ladda upp i Studium!
Vill ni hellre köra laborationerna lokalt på er dator finns instruktioner för detta i laborationsinstruktionen som både finns här i repositoriet och på Studium.
Flertalet laborationer, och en del av det övriga materialet är skapat av David Johnsson och licensierat under Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0).
Laborationerna 0 notebooks kommer ursprunligen från https://github.com/ipython/ipython-in-depth och är licensierade för återanvändning under Creative Commons Attribution 4.0 International (CC BY 4.0).
Notebooken för linjär regression (lab 2) kommer från boken "Python Data Science Handbook" skriven av Jake VanderPlas. Den ursprunliga koden är tillgänglig via GitHub.
Notebooken för logistisk regression kommer ursprungligen från artikeln "Building A Logistic Regression in Python, Step by Step", skriven av Susan Li; det ursprungliga innehållet finns tillgänligt via GitHub.
Demon för polynimisk regression kommer ursprunligen från artikeln "Machine Learning: Polynomial Regression with Python" skriven av Nhan Tran, delar av koden finns tillgänlig på gitHub.