Commit 24e81744 authored by Carsten Eie Frigaard's avatar Carsten Eie Frigaard
Browse files

update

parent 3bd0a9dd
......@@ -177,40 +177,39 @@ Primære
Sekundære
\ul{
\li{\link{Jupyter: jupyter-notebook.readthedocs.io/en/stable, https://jupyter-notebook.readthedocs.io/en/stable/}}
\li{\link{Anaconda Cloud: anaconda.org, https://anaconda.org/}}
\li{\link{Tensorflow: www.tensorflow.org, https://www.tensorflow.org/}}
\itemize{
\item{\link{Jupyter: jupyter-notebook.readthedocs.io/en/stable, https://jupyter-notebook.readthedocs.io/en/stable/}}
\item{\link{Anaconda Cloud: anaconda.org, https://anaconda.org/}}
\item{\link{Tensorflow: www.tensorflow.org, https://www.tensorflow.org/}}
}
Datakilder
\ul{
\li{\link{Kaggle datasets: www.kaggle.com, https://www.kaggle.com/}}
\li{\i{Sign in with your email} => genbrug gerne min konto, og undgå tidsplid:
\ul{
\li{user: cef@ase.au.dk}
\li{password: test123}
\itemize{
\item{\link{Kaggle datasets: www.kaggle.com, https://www.kaggle.com/}}
\item{\i{Sign in with your email} => genbrug gerne min konto, og undgå tidsplid:
\itemize{
\item{user: cef@ase.au.dk}
\item{password: test123}
}
}
}
Dokumentation
\ul{
\li{Brug den inbyggede hjælp i [JPYNP]}
\itemize{
\item{Brug den inbyggede hjælp i [JPYNP]}
\img{[FIGS]/Screenshot_jupyter_help.png,}
}
Guides etc.
\ul{
\li{\link{A Quick Python intro (short), https://www.w3schools.com/python/python_intro.asp}}
\li{\link{A Python tutorial (not so short!), https://docs.python.org/3/tutorial/}}
\li{Jupyter shortcuts quick guide XXX}
\li{Scikit-learn reference XXX}
\li{Scikit-learn cheat sheet XXX}
\itemize{
\item{\link{A Quick Python intro (short), https://www.w3schools.com/python/python_intro.asp}}
\item{\link{A Python tutorial (not so short!), https://docs.python.org/3/tutorial/}}
\item{Jupyter shortcuts quick guide XXX}
\item{Scikit-learn reference XXX}
\item{Scikit-learn cheat sheet XXX}
}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
......@@ -372,36 +371,28 @@ dig mere ind i sproget.}
\sub{Installation}
\ul{
\li{Installer Anaconda på din PC:}
\ul{
\li{\link{www.anaconda.com/products/individual, https://www.anaconda.com/products/individual}}
\li{vælg 'Download' (downloader direkte for Windows),}
\li{eller vælg Linux eller Mac, 32 eller 64 bit (dit valg),}
\li{nværende nyeste Anaconda3 version er \b{2021.05}}
}
\ul{
\li{ALTERNATIV 1:}
\ul{
\li{brug vores ASE GPU Cluster som jupyter hub server,}
\li{se info in [KURSUSINFOGPU].}
}
\li{ALTERNATIV 2:}
\ul{
\li{Lav en konto på Google's Colaboratory,}
\li{\link{https://colab.research.google.com}}
}
}
\li{Test at du kan køre jupyter notebooks [JYPYNB] fra [GITHOML], prøv f.eks. \ipynb{index.ipynb}}
\itemize{
\item{Installer Anaconda på din PC:}
\subitem{\link**{www.anaconda.com/products/individual, https://www.anaconda.com/products/individual}}
\subitem{vælg 'Download' (downloader direkte for Windows),}
\subitem{eller vælg Linux eller Mac, 32 eller 64 bit (dit valg),}
\subitem{nværende nyeste Anaconda3 version er \b{2021.05}}
\item{ALTERNATIV 1:}
\subitem{brug vores ASE GPU Cluster som jupyter hub server,}
\subitem{se info in [KURSUSINFOGPU].}
\item{ALTERNATIV 2:}
\subitem{Lav en konto på Google's Colaboratory,}
\subitem{\link{https://colab.research.google.com}}
\item{Test at du kan køre jupyter notebooks [JYPYNB] fra [GITHOML], prøv f.eks. \ipynb{index.ipynb}}
}
\sub{Forberedelse til Lektion 01}
\ul{
\li{Læs materiale i [KURSUSINFORMATION],}
\li{få fat i litteratur til kurset,}
\li{clone [GITHOML] til din egen PC, se how-to under [KURSUSFORKORTELSER].}
\li{skim denne tutorial igennem:}
\itemize{
\item{Læs materiale i [KURSUSINFORMATION],}
\item{få fat i litteratur til kurset,}
\item{clone [GITHOML] til din egen PC, se how-to under [KURSUSFORKORTELSER].}
\item{skim denne tutorial igennem:}
\displaystyle{\em{§ Scientific Python tutorials:} NumPy, \ipynb{tools_numpy.ipynb}, [GITHOML]
[BR][BR]
......@@ -414,7 +405,6 @@ dig mere ind i sproget.}
\sub{Note vdr. kildekritik og 'informations-overload'}
\p{Vi vil i dette kurset tit kunne blive overvældet af for meget ekstern
information (informations-overload), så du skal danne dig en metode til at
kunne selektere og navigere i materialet.}
......@@ -425,15 +415,15 @@ information: en kildekritiks holdning er vigtig!}
\sub{Ekstra materiale til forberedelse}
\p{Hvis du har brug for at opfriske dit lineær algebra matematik eller er helt ny
til python, så kan du f.eks. læse/skimme følgende notebooks, i prioriteret
\p{Hvis du har brug for at opfriske dit lineær algebra matematik eller er helt
ny til python, så kan du f.eks. læse/skimme følgende notebooks, i prioriteret
rækkefølge:}
\ol{
\li{[OPTIONAL] python og vectors/matrices math: [BR] \indent{\ipynb{math_linear_algebra.ipynb} [GITHOML],}}
\li{[OPTIONAL] python og grafisk plotting: [BR] \indent{\ipynb{tools_matplotlib.ipynb} [GITHOML],}}
\li{[OPTIONAL] ekstra, Python og dataværktøjet 'Pandas': [BR] \indent{\ipynb{tools_pandas.ipynb} [GITHOML],}}
\li{[OPTIONAL] ekstra, mest for de matematik intereserede: [BR] \indent{\ipynb{math_differential_calculus.ipynb} [GITHOML].}}
\enumerate{
\item{[OPTIONAL] python og vectors/matrices math: [BR] \indent{\ipynb{math_linear_algebra.ipynb} [GITHOML],}}
\item{[OPTIONAL] python og grafisk plotting: [BR] \indent{\ipynb{tools_matplotlib.ipynb} [GITHOML],}}
\item{[OPTIONAL] ekstra, Python og dataværktøjet 'Pandas': [BR] \indent{\ipynb{tools_pandas.ipynb} [GITHOML],}}
\item{[OPTIONAL] ekstra, mest for de matematik intereserede: [BR] \indent{\ipynb{math_differential_calculus.ipynb} [GITHOML].}}
}
\p{Pandas er et meget populært databehandlingsværktøj, men det
......@@ -455,11 +445,11 @@ CONTENT L01
Denne lektion har til formål at give indledende information om kurset. Dvs.
at vi præsentere de formelle rammer vdr.
\ul{
\li{ITMAL gruppetilmelding,}
\li{opgavesæt og journalafleveringer,}
\li{eksamensform,}
\li{Blackboard opbygning og fildeling.}
\itemize{
\item{ITMAL gruppetilmelding,}
\item{opgavesæt og journalafleveringer,}
\item{eksamensform,}
\item{Blackboard opbygning og fildeling.}
}
\p{Herefter vil vi præsentere machine learning [ML] som koncept overordnet, og
......@@ -481,32 +471,32 @@ lektioner..}
\sub{Indhold}
\ul{
\li{Formelle rammer vdr. kurset.}
\li{Eksamensform, godkendelsesfag via:}
\ul{
\li{et sæt obligatoriske skriftlige gruppe-journaler med afleveringsdeadlines,}
\li{en poster-session, med aflevering af poster og mundtlig præsentation af poster,}
\li{en mundtlig gennemgang af den sidste journal med alle medlemmer i ITMAL gruppen, samt evaluering af hver gruppemedlems
\itemize{
\item{Formelle rammer vdr. kurset.}
\item{Eksamensform, godkendelsesfag via:}
\itemize{
\item{et sæt obligatoriske skriftlige gruppe-journaler med afleveringsdeadlines,}
\item{en poster-session, med aflevering af poster og mundtlig præsentation af poster,}
\item{en mundtlig gennemgang af den sidste journal med alle medlemmer i ITMAL gruppen, samt evaluering af hver gruppemedlems
bidrag.}
\displaystyle{\b{\style{color: #ff3333, => Endelig godkendelse af kurset sker på en samlet vurdering af de tre punkter ovenfor.}}}
}
\li{Læringsmål.}
\li{Litteratur.}
\li{Intro til software, der bruges i ITMAL:}
\ul{
\li{python generelt (link til mini python intro: \link{[HOME]/L01/demo.ipynb},}
\li{anaconda python distribution:}
\ul{
\li{jupyter notebooks,}
\li{spyder developer environment.}
\item{Læringsmål.}
\item{Litteratur.}
\item{Intro til software, der bruges i ITMAL:}
\itemize{
\item{python generelt (link til mini python intro: \link**{[HOME]/L01/demo.ipynb},}
\item{anaconda python distribution:}
\itemize{
\item{jupyter notebooks,}
\item{spyder developer environment.}
}
\li{Scikit-learn,}
\li{opgave med python modul og klasser.}
\item{Scikit-learn,}
\item{opgave med python modul og klasser.}
}
\li{Intro til machine learning:}
\ul{
\li{Supervised learning (regression): 'life-satisfactory' [HOML].}
\item{Intro til machine learning:}
\itemize{
\item{Supervised learning (regression): 'life-satisfactory' [HOML].}
}
}
......@@ -532,23 +522,21 @@ senere tilbage til kapitlet senere, så læs det og prøv at danne dig et overbl
emner, der er for komplekse eller for 'pythoniske', så som 'Stacking arrays' og
'QR decomposition'.}
\sub{Opgaver}
\p{Forberedelse inden lektionen}
\sub{Forberedelse inden lektionen}
\ul{
\li{Meld dig ind i en ITMAL working-group [G].}
\li{Følg installation processen givet i lektion nul ('L00: Forberedelse').}
\li{Læs pensum.}
\itemize{
\item{Meld dig ind i en ITMAL working-group [G].}
\item{Følg installation processen givet i lektion nul ('L00: Forberedelse').}
\item{Læs pensum.}
}
\sub{På klassen}
\ul{
\li{Diskussion om ML (indlejret i forelæsningen).}
\li{Opgave: intro.ipynb}
\li{HUSK DATA til intro'en (download og udpak så "dataset" dir ligger sammen med intro.ipynb): \link{[HOME]/L01/datasets.zip}}
\li{Opgave: modules_and_classes.ipynb}
\enumerate{
\item{Diskussion om ML (indlejret i forelæsningen).}
\item{\b{Opgave} (introduktion): \link**{[HOME]/L01/intro.ipynb}}
\subitem*{HUSK DATA til intro'en (download og udpak så "dataset" dir ligger sammen med intro.ipynb): \link**{[HOME]/L01/datasets.zip}}
\item{\b{Opgave} (python introduktion): \link**{[HOME]/L01/modules_and_classes.ipynb}}
}
\sub{Optionelle opgaver}
......@@ -558,11 +546,11 @@ brug for en python og lineær algebra kick-start.}
\sub{Slides}
\itemize{
\item*{\link**{[HOME]/L01/lesson01.pdf}}
\displaystyle{
\link**{[HOME]/L01/lesson01.pdf}
}
END
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
......@@ -592,7 +580,6 @@ benytte i resten af kurset: MNIST, Iris og Moon.}
metrics, dvs. metoder til generelt at kvantificere hvor 'god' (kvalitet) en
læring den pågældende algoritme har opnået på de pågældende data.}
\sub{Indhold}
\itemize{
......@@ -604,66 +591,64 @@ læring den pågældende algoritme har opnået på de pågældende data.}
}
\item{Klassifikation}
\itemize{
\item{’demo’ datasæt: MNIST, iris and moon}
\item{fundamental ML supervised lærings-proces,}
\itmeize{
\item*{i) forbered data: shuffle, stratification, normalization}
\item*{ii) train/test split}
\item*{iii) træn på træningsdata}
\item*{iv) evaluer på test data: performance metrics}
\item{’demo’ datasæt: MNIST, iris and moon}
\item{fundamental ML supervised lærings-proces,}
\enumerate{
\item{forbered data: shuffle, stratification, normalization}
\item{train/test split}
\item{træn på træningsdata}
\item{evaluer på test data: performance metrics}
}
}
\item{Performance metrics}
\itemize{
\item{the accuracy paradox,}
\itemize{
\item{vigtige metrics,}
\itemize{
\item{accuracy}
\item{precision_score}
\item{recall_score}
\item{f1_score}
\item{confusion_matrix}
}
\item{vigtige metrics,}
\itemize{
\item{accuracy}
\item{precision_score}
\item{recall_score}
\item{f1_score}
\item{confusion_matrix}
}
}
}
}
END
\sub{Litteratur}
§ 2 "End-to-End Machine Learning Project" kapitel "Select a Performance Measure", [HOML]
Genlæs KUN "Select a Performance Measure" (pp.39-41)
§ 3 Classification [HOML]
Skim eller spring over: "The ROC Curve" (pp.97-1o0) "Multilabel Classification" og "Multioutput Classification" (pp.106-108).
\displaystyle{
\i{§ 2 "End-to-End Machine Learning Project"} kapitel \i{"Select a
Performance Measure"}, [HOML]
[BR] Genlæs KUN "Select a Performance Measure" (pp.39-41)
}
\displaystyle{
\i{§ 3 Classification} [HOML]}
\sub{Opgaver}
[BR] Skim eller spring over: \i{"The ROC Curve"} (pp.97-1o0) \i{"Multilabel
Classification"} og \i{"Multioutput Classification"} (pp.106-108).
}
Forberedelse inden lektionen
\sub{Forberedelse inden lektionen}
Læs litteraturen.
\itemize{
\item{Læs litteraturen.}
}
Tilføjet 5/2: se de fem Offline-lektioner nedenfor.
På klassen
\sub{På klassen}
'Spørge-minutter' --- online diskussion, kom med din spørgsmål på Zoom'en...
[INGEN spil Among-Us ;-]
Almindelig forelæsning
Exercise (cost funktionen og lineær algebra):
cost_function.ipynb Click for more options
Exercise (supervised learning og fit-predict interfacet):
dummy_classifier.ipynb Click for more options
Exercise:
performance_metrics.ipynb Click for more options
\enumerate{
\item{Almindelig forelæsning}
\item{\b{Opgave} (cost funktionen og lineær algebra): \link**{[HOME]/L02/cost_function.ipynb}}
\item{\b{Opgave} (supervised learning og fit-predict interfacet): \link**{[HOME]/L02/dummy_classifier.ipynb}}
\item{\b{Opgave} (performace metrikker): \link**{[HOME]/L02/performance_metrics.ipynb}}
}
\sub{Slides}
\itemize{
\item*{\link**{[HOME]/L02/lesson02.pdf}}
\displaystyle{
\link**{[HOME]/L02/lesson02.pdf}
}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
......@@ -702,7 +687,7 @@ processerings-\i{pipeline}. Programmerings-teknisk ser vi derfor til sidst på
\sub{Litteratur}
\itemize{
\enumerate{
\item{Genlæs: § 2 "End-to-End Machine Learning Project" [HOML]}
\subitem*{(eksklusiv "Create the Workspace" og "Download the Data")}
\item{Scikit's dokumentations-side vdr. k-fold CV}
......@@ -720,15 +705,15 @@ processerings-\i{pipeline}. Programmerings-teknisk ser vi derfor til sidst på
\itemize{
\item{Almindelig forelæsning}
\subitem*{ekstra materiale: \link**{[HOME]/L03/Extra/k-fold_demo.ipynb}}
\item{Exercise: \link**{[HOME]/L03/pipelines.ipynb}}
\item{\b{Opgave} (pipelines): \link**{[HOME]/L03/pipelines.ipynb}}
\subitem*{Data til pipelines opgaven (bør lige i L03/Data/): \link**{[HOME]/L03/itmal_l01_data.pkl}}
\subitem*{(Du har allerede denne data-fil, hvis du pull'er fra [GITMAL])}
}
\sub{Slides}
\itemize{
\item*{\link**{[HOME]/L03/lesson03.pdf}}
\displaystyle{
\link**{[HOME]/L03/lesson03.pdf}
}
END
......@@ -82,7 +82,7 @@ information: en kildekritiks holdning er vigtig!</p>
til python, så kan du f.eks. læse/skimme følgende notebooks, i prioriteret
rækkefølge:</p>
<ol>
<ol type='i'>
<li>(OPTIONEL) python og vectors/matrices math: <br> <span style='margin-left: 30px;'><span style='font-family: courier new, courier;'>math_linear_algebra.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span>,</span></li>
<li>(OPTIONEL) python og grafisk plotting: <br> <span style='margin-left: 30px;'><span style='font-family: courier new, courier;'>tools_matplotlib.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span>,</span></li>
<li>(OPTIONEL) ekstra, Python og dataværktøjet &#x27;Pandas&#x27;: <br> <span style='margin-left: 30px;'><span style='font-family: courier new, courier;'>tools_pandas.ipynb</span> <span style='font-family: courier new, courier;'>[GITHOML]</span>,</span></li>
......
......@@ -40,36 +40,36 @@ dig mere ind i sproget.}
\sub{Installation}
\ul{
\li{Installer Anaconda på din PC:}
\ul{
\li{\link{https://www.anaconda.com/products/individual}}
\li{vælg 'Download' (downloader direkte for Windows),}
\li{eller vælg Linux eller Mac, 32 eller 64 bit (dit valg),}
\li{nværende nyeste Anaconda3 version er \b{2021.05}}
\itemize{
\item{Installer Anaconda på din PC:}
\itemize{
\item{\link{https://www.anaconda.com/products/individual}}
\item{vælg 'Download' (downloader direkte for Windows),}
\item{eller vælg Linux eller Mac, 32 eller 64 bit (dit valg),}
\item{nværende nyeste Anaconda3 version er \b{2021.05}}
}
\ul{
\li{ALTERNATIV 1:}
\ul{
\li{brug vores ASE GPU Cluster som jupyter hub server,}
\li{se info in [KURSUSINFOGPU].}
\itemize{
\item{ALTERNATIV 1:}
\itemize{
\item{brug vores ASE GPU Cluster som jupyter hub server,}
\item{se info in [KURSUSINFOGPU].}
}
\li{ALTERNATIV 2:}
\ul{
\li{Lav en konto på Google's Colaboratory,}
\li{\link{https://colab.research.google.com}}
\item{ALTERNATIV 2:}
\itemize{
\item{Lav en konto på Google's Colaboratory,}
\item{\link{https://colab.research.google.com}}
}
}
\li{Test at du kan køre jupyter notebooks [JYPYNB] fra [GITHOML], prøv f.eks. \ipynb{index.ipynb}}
\item{Test at du kan køre jupyter notebooks [JYPYNB] fra [GITHOML], prøv f.eks. \ipynb{index.ipynb}}
}
\sub{Forberedelse til Lektion 01}
\ul{
\li{Læs materiale i [KURSUSINFORMATION],}
\li{få fat i litteratur til kurset,}
\li{clone [GITHOML] til din egen PC, se how-to under [KURSUSFORKORTELSER].}
\li{skim denne tutorial igennem:}
\itemize{
\item{Læs materiale i [KURSUSINFORMATION],}
\item{få fat i litteratur til kurset,}
\item{clone [GITHOML] til din egen PC, se how-to under [KURSUSFORKORTELSER].}
\item{skim denne tutorial igennem:}
\displaystyle{\em{§ Scientific Python tutorials:} NumPy, \ipynb{tools_numpy.ipynb}, [GITHOML]
[BR][BR]
......@@ -97,11 +97,11 @@ information: en kildekritiks holdning er vigtig!}
til python, så kan du f.eks. læse/skimme følgende notebooks, i prioriteret
rækkefølge:}
\ol{
\li{[OPTIONAL] python og vectors/matrices math: [BR] \indent{\ipynb{math_linear_algebra.ipynb} [GITHOML],}}
\li{[OPTIONAL] python og grafisk plotting: [BR] \indent{\ipynb{tools_matplotlib.ipynb} [GITHOML],}}
\li{[OPTIONAL] ekstra, Python og dataværktøjet 'Pandas': [BR] \indent{\ipynb{tools_pandas.ipynb} [GITHOML],}}
\li{[OPTIONAL] ekstra, mest for de matematik intereserede: [BR] \indent{\ipynb{math_differential_calculus.ipynb} [GITHOML].}}
\enumerate{
\item{[OPTIONAL] python og vectors/matrices math: [BR] \indent{\ipynb{math_linear_algebra.ipynb} [GITHOML],}}
\item{[OPTIONAL] python og grafisk plotting: [BR] \indent{\ipynb{tools_matplotlib.ipynb} [GITHOML],}}
\item{[OPTIONAL] ekstra, Python og dataværktøjet 'Pandas': [BR] \indent{\ipynb{tools_pandas.ipynb} [GITHOML],}}
\item{[OPTIONAL] ekstra, mest for de matematik intereserede: [BR] \indent{\ipynb{math_differential_calculus.ipynb} [GITHOML].}}
}
\p{Pandas er et meget populært databehandlingsværktøj, men det
......@@ -123,11 +123,11 @@ CONTENT L01
Denne lektion har til formål at give indledende information om kurset. Dvs.
at vi præsentere de formelle rammer vdr.
\ul{
\li{ITMAL gruppetilmelding,}
\li{opgavesæt og journalafleveringer,}
\li{eksamensform,}
\li{Blackboard opbygning og fildeling.}
\itemize{
\item{ITMAL gruppetilmelding,}
\item{opgavesæt og journalafleveringer,}
\item{eksamensform,}
\item{Blackboard opbygning og fildeling.}
}
\p{Herefter vil vi præsentere machine learning [ML] som koncept overordnet, og
......@@ -149,32 +149,32 @@ lektioner..}
\sub{Indhold}
\ul{
\li{Formelle rammer vdr. kurset.}
\li{Eksamensform, godkendelsesfag via:}
\ul{
\li{et sæt obligatoriske skriftlige gruppe-journaler med afleveringsdeadlines,}
\li{en poster-session, med aflevering af poster og mundtlig præsentation af poster,}
\li{en mundtlig gennemgang af den sidste journal med alle medlemmer i ITMAL gruppen, samt evaluering af hver gruppemedlems
\itemize{
\item{Formelle rammer vdr. kurset.}
\item{Eksamensform, godkendelsesfag via:}
\itemize{
\item{et sæt obligatoriske skriftlige gruppe-journaler med afleveringsdeadlines,}
\item{en poster-session, med aflevering af poster og mundtlig præsentation af poster,}
\item{en mundtlig gennemgang af den sidste journal med alle medlemmer i ITMAL gruppen, samt evaluering af hver gruppemedlems
bidrag.}
\displaystyle{\b{\style{color: #ff3333, => Endelig godkendelse af kurset sker på en samlet vurdering af de tre punkter ovenfor.}}}
}
\li{Læringsmål.}
\li{Litteratur.}
\li{Intro til software, der bruges i ITMAL:}
\ul{
\li{python generelt (link til mini python intro: \link{[HOME]/L01/demo.ipynb},}
\li{anaconda python distribution:}
\ul{
\li{jupyter notebooks,}
\li{spyder developer environment.}
\item{Læringsmål.}
\item{Litteratur.}
\item{Intro til software, der bruges i ITMAL:}
\itemize{
\item{python generelt (link til mini python intro: \link{[HOME]/L01/demo.ipynb},}
\item{anaconda python distribution:}
\itemize{
\item{jupyter notebooks,}
\item{spyder developer environment.}
}
\li{Scikit-learn,}
\li{opgave med python modul og klasser.}
\item{Scikit-learn,}
\item{opgave med python modul og klasser.}
}
\li{Intro til machine learning:}
\ul{
\li{Supervised learning (regression): 'life-satisfactory' [HOML].}
\item{Intro til machine learning:}
\itemize{
\item{Supervised learning (regression): 'life-satisfactory' [HOML].}
}
}
......@@ -204,19 +204,19 @@ emner, der er for komplekse eller for 'pythoniske', så som 'Stacking arrays' og
\p{Forberedelse inden lektionen}
\ul{
\li{Meld dig ind i en ITMAL working-group [G].}
\li{Følg installation processen givet i lektion nul ('L00: Forberedelse').}
\li{Læs pensum.}
\itemize{
\item{Meld dig ind i en ITMAL working-group [G].}
\item{Følg installation processen givet i lektion nul ('L00: Forberedelse').}
\item{Læs pensum.}
}
\sub{På klassen}
\ul{
\li{Diskussion om ML (indlejret i forelæsningen).}
\li{Opgave: intro.ipynb}
\li{HUSK DATA til intro'en (download og udpak så "dataset" dir ligger sammen med intro.ipynb): \link{[HOME]/L01/datasets.zip}}
\li{Opgave: modules_and_classes.ipynb}
\itemize{
\item{Diskussion om ML (indlejret i forelæsningen).}
\item{Opgave: intro.ipynb}
\item{HUSK DATA til intro'en (download og udpak så "dataset" dir ligger sammen med intro.ipynb): \link{[HOME]/L01/datasets.zip}}
\item{Opgave: modules_and_classes.ipynb}
}
\sub{Optionelle opgaver}
......
......@@ -163,7 +163,7 @@ if __name__ == '__main__':
@staticmethod
def __isCmd(c):
return isStr(c) in ["b", "i", "p", "pre", "ul", "itemize", "ol", "li", "item", "item*", "subitem", "subitem*", "dl", "dt", "dd", "header", "sub", "em", "indent", "code", "ipynb", "quote", "displaystyle", "displaycode", "cite"]
return isStr(c) in ["b", "i", "p", "pre", "dl", "dt", "dd", "em", "itemize", "enumerate", "item", "item*", "subitem", "subitem*", "header", "sub", "indent", "code", "ipynb", "quote", "displaystyle", "displaycode", "cite"]
def __MkCmd(self):
......@@ -195,11 +195,13 @@ if __name__ == '__main__':
pass
elif c=="itemize":
c = "ul"
elif c=="enumerate":
c = "ol"
style = " type='i'"
elif c=="item" or c=="item*":
if c=="item*":
head = _mkHtml("dl")
tail = _mkHtml("/dl")
c = "dd"
c = "p"
style = leftmarg
else:
c = "li"
elif c=="subitem" or c=="subitem*":
......