Кто читает:: Школа коммуникаций

Статус:: Курс обязательный

Когда читается:: 3-й курс, 3, 4 модуль

Преподаватели

Глазова Лилия Ильдаровна

Сбитнев Сергей Сергеевич

Полная версия программы учебной дисциплины

Аннотация

Основной курс специализации «Исследования в коммуникациях» посвящен применению современных методов обработки количественных данных для целей коммуникационного исследования. Цель данного курса – обеспечить студентов необходимыми навыками и умениями для работы с эмпирическими данными, обобщения полученных результатов и создания уникальных коммуникационных продуктов на основании исследования. В результате освоения дисциплины студенты смогут применять методы статистики и машинного обучения к методологии количественного коммуникационного исследования, формулировать выводы на основании данных и принимать решения, исходя из результатов исследования. Работа в рамках курса строится вокруг освоения методов и подходов, применения их и разбора сопряженных с данными методами и подходами кейсов. Курс сочетает в себе лучшие практики аналитической работы, анализа больших данных и основы дата-ориентированных коммуникаций, что является приоритетным направлением в индустрии сегодня.

Цель освоения дисциплины

формирование профессиональных компетенций по работе с данными, используя язык программирования Python
формирование профессиональных компетенций для проведения социологических, маркетинговых и коммуникационных исследований в сфере рекламы и PR.

Планируемые результаты обучения

Собирать данные с помощью web-scraping, парсить данные и сохранять их в табличном виде
Владеет методами анализа: линейная регрессия, регрессионные деревья, случайный лес
Владение методами сегментации на основе анализа данных: кластеризация, анализ текстов, тематическое моделирование, LDA.
Умеет применять нейронные сети для решения задач
Знает основные стадии ведения проекта машинного обучения; умеет распозанавать задачи машинного обучения в реальных бизнес-задачах; имеет навыки оценки качества и интерпретации полученных результатов
Знать: основные методы классификации данных такие как линейная и логистическая регрессия, метод поддерживающих векторов, метод к ближайших соседей, деревья принятия решений, случайный лес; методы оценки качества классификации.
Владеет терминологией, обладает базовыми знаниями о нейронные сетях как виде распределенных информационных систем. Знает принципы построения нейронных сетей. Умеет применять нейронные сети в научных и практических целях.
Осуществляет анализ текстовой информации с использованием технологии Text Mining
Демонстрирует знание специальных видов нейронных сетей: рекуррентные, сверточные, глубокие сети для обработки текстов (распределенные представления слов и рекурсивные нейронные сети)
Владеет библиотеками Pandas и Numpy для обработки данных
Знать особенности работы с современными дистрибутивами Python
Владеет методами кластеризации данных
Знает основные понятия и постановки задач машинного обучения
Умеет выполнять кластеризацию и визуализацию данных
Владеет понятием алгоритмов на больших данных (кластеризация, понижение размерности, популярные предметные наборы и ассоциативные правила)
Владеет понятием алгоритмов на больших данных (рекомендательные системы и интернет-реклама)
Владеет понятиями: объединения моделей; усреднение, бутстрап, бэггинг; бустинг: AdaBoost. Знает алгоритм Random Forest.
Владеет понятием линейной регрессии; лассо-регрессии; гребневой регрессии. Знает ошибки модели в задачах регрессии. Владеет понятием метрик качества.
Владеет методом кластеризации для анализа аудитории с помощью библиотек Python.
Умеет извлекать (парсить) данные с веб-ресурсов, используя пакеты для Python. Владеет базовыми навыками работы с SQL. Умеет проверять качество данных.
Владеет основными методами ручного и машинного анализа текстовых данных.
Владеет основными принципами кодирования текстовых данных.
Сравнивать задачи классификации и задачи регрессии. Иллюстрировать задачи классификации (бинарной и множественной). Сравнивать наиболее известные классификаторы (логистическая регрессия, деревья решений, случайный лес, метод опорных векторов).
Владеет метриками качества линейной регрессии: MSE, MAE, R2.
Владеет основами коммуникационных исследований

Содержание учебной дисциплины

Основы коммуникационных исследований
Язык программирования Python как интрумент коммуникационных исследований
Обработка данных в Python с использованием библиотеки Pandas
Автоматизированный сбор данных с использованием инструментов парсинга
Статистика для обработки данных
Обработка текстовых данных средствами и инструментами Python
Методы машинного обучения для коммуникационного исследования
Предсказание
Классификация
Основы работы с неструктурированными данными
Бэггинг и бустинг
Сегментация
Анализ сетевых структур
Введение в нейронные сети
Рекомендательные системы для коммуникационных задач

Элементы контроля

Активность
Экзамен
Экзамен выполняется в формате теста. Продолжительность: 30 мин.
Домашнее задание
Домашние работы представляют собой этапы проекта, который будет выполняться студентами по мере прохождения курса.
Домашние задания
Домашние работы представляют собой этапы проекта, который будет выполняться студентами по мере прохождения курса.
Контрольная работа
Контрольные представляют собой набор заданий, выполняемых в Python в среде Jupiter Notebook, основанных на пройденном материале.
Активность
Активность на занятиях: выставляется на каждом занятии за обоснованные ответы; суммарное значение может превышать 10 и тем самым отчасти компенсировать недоработки студентов по другим составляющим итоговой оценки
Контрольная работа
Контрольные представляют собой набор заданий, выполняемых в Python в среде Jupiter Notebook, основанных на пройденном материале.
Экзамен
Выполняется в формате теста. Оценивается количество правильных ответов на вопросы.

Промежуточная аттестация

2023/2024 учебный год 4 модуль
0.2 * Активность + 0.29 * Домашние задания + 0.25 * Контрольная работа + 0.26 * Экзамен
2024/2025 учебный год 1 модуль
0.2 * Активность + 0.29 * Домашнее задание + 0.25 * Контрольная работа + 0.26 * Экзамен

Бакалаврская программа «Реклама и связи с общественностью»

Поступление на программу

Учебный офис программы:

Инструменты и методы в коммуникационных исследованиях