1.  (LATEX) From the Canvas Project1 page, download the LATEX  project template,

project1_submission_template .tex.

You will modify this template to produce your project progress/final report in pdf format.

If you haven’t used LATEX  before,  take some time to learn the basics.   There are many good online tutorials. I suggest using the online editor Overleaf and reading this tutorial.

In the project progress/final report, tell me about your previous experience with LATEX.  If you had difficulties with this exercise or learned something new, tell me about it.

2.  (GitHub) First, setup a GitHub account if you don’t already have one.

Visit the GitHub repo

https://github.com/math-data-science-course/Project1

Follow the instructions in the README file to make a copy of the repo.

In the project progress/final report, tell me about your previous experience with Git and GitHub. If you had difficulties with this exercise or learned something new, tell me about it.

3.  (Python and Google Colab) Familiarize yourself with Python programming and the Google Colab environment.

Pick one of the mathematical/computer programming problems at

https://projecteuler.net/

and write code in your Project1 .ipynb Jupyter notebook to solve it.  Some of these look very challenging! You should be able to find one that is reasonable for you and fun to solve.

In the project progress/final report,  write the problem you solved and carefully describe your solution. Include figures and tables as necessary. You don’t need to include code verbatim since I have access to your Project1 repository.  But, feel free to include pseudocode if it helps you describe what you did.

In the project progress/final report, tell me about your previous experience with programming. How familiar are you with python and Google colab?  If you had difficulties with this exercise or learned something new, tell me about it.

4.   (Regression  Analysis) In this exercise, you will import and perform a regression analysis on the california-housing  dataset.  Use the provided code to import the dataset as a pandas dataframe and use the provided train/test split. In your Project1 .ipynb Jupyter notebook, write code to regress the median house value for California districts on the eight predictor variables. You can use scikit-learn or another python package for the analysis.  You may exclude predictive variables if necessary, but explain why in the project report. Explore other regression methods on this dataset.

In the project progress/final report, describe the dataset analyzed.  Describe your analysis, both for linear regression and other methods you try.  Report the train/test r2 , MAE, and RMSE values. Include a scatterplot of the predicted vs.  true median house values.  Include a histogram of your model error. What are the most important predictor variables? Interpret the results.

5.  (Classification Analysis) In this exercise, you will import and perform a classification analysis on the Breast  Cancer  Wisconsin  Dataset.  Use the provided code to import the dataset as a pandas dataframe and use the provided train/test split. In your Project1.ipynb Jupyter notebook, write code to use support vector machines (SVM) to classify whether the breast cancer is malignant or benign based on the 30 predictor variables. You can use scikit-learn or another python package for the analysis. Explore other classification methods on this dataset.