Курс на Stepik
Обложка курса «Reproducible Science bits-n-tips» на Stepik
Бесплатно

Reproducible Science bits-n-tips 0.000

Открыть на
STEPIK.ORG

В этом курсе я делюсь опытом построения и проведения исследовательской работы. Мы начнем с общей рамки научных и управленческих сложностей, затрудняющих воспроизводимость исследований. Затем рассмотрим факторы, помогающие ее обеспечить: общие ценности, инструменты и онлайн ресурсы для публикации. Значительная часть инструментов заимствуется из арсенала разработчиков ПО: управление версионированием кода, окружением, тестированием, непрерывная интеграция. Также рассмотрим инструменты, специфические для Data-Science исследований: мониторинг и сравнение качества ML-моделей, версионирование данных. Курс находится в стадии бета-тестирования.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Reproducible Science bits-n-tips»Учеников на курсе 157
Сертификаты, выданные на курсе «Reproducible Science bits-n-tips»Сертификатов выдано 0
Отзывы о курсе «Reproducible Science bits-n-tips»Отзывов получено 0
Рейтинг курса «Reproducible Science bits-n-tips»Рейтинг курса 0.000
Уроки в курсе «Reproducible Science bits-n-tips»Количество уроков 11
Тесты в курсе «Reproducible Science bits-n-tips»Количество квизов 12
Время прохождения курса «Reproducible Science bits-n-tips»Время прохождения курса
Обновления курса «Reproducible Science bits-n-tips»Обновления курса
Дата публикации курса «Reproducible Science bits-n-tips»Дата публикации курса
Последнее обновление курса «Reproducible Science bits-n-tips»Последнее обновление

Содержание курса

Разделы в курсе «Reproducible Science bits-n-tips» 2 раздела Уроки в курсе «Reproducible Science bits-n-tips» 11 уроков Тесты в курсе «Reproducible Science bits-n-tips» 12 тестов Время прохождения курса «Reproducible Science bits-n-tips» 3 ч. Последнее обновление курса «Reproducible Science bits-n-tips» обн. 5 лет назад

Введение

2 урока
1. Современный мир науки крупными мазками
2. Инструменты численных исследований

Инструменты поддержки исследований

9 уроков
1. Сравнение ML-моделей с помощью comet.ml
2. Управление окружением для Python с помощью conda
3. Управление окружением для Python с помощью Docker
4. [draft] Работа с окружением с помощью Docker
5. Автоматическая проверка работоспособности кода
6. Поддержка процесса (empty)
7. Вычислительные платформы для выполнения кода
8. Жизненный цикл данных
9. Управление исходным кодом