Кто читает:: Центр развития компетенций в области финансов и учета Института открытых программ дополнительного образования Высшей школы бизнеса

Статус:: Курс по выбору

Когда читается:: 2-й курс, 4 модуль

Полная версия программы учебной дисциплины

Аннотация

Изучение дисциплины «Введение в Data Science» базируется на следующих дисциплинах: • Операционные решения: финансово-экономические модели; • Разработка и принятие управленческих решений; • Теория вероятностей и математическая статистика. Для освоения учебной дисциплины студенты должны знать концептуальные основы архитектуры предприятия, основные классы информационных систем управления бизнесом, лучшие практики и современные стандарты в сфере информационных технологий. Также студенты должны владеть методами проектирования информационных систем, уметь систематизировать и обобщать информацию, разрабатывать конкретные предложения по результатам исследований, готовить справочно-аналитические материалы для принятия управленческих решений в сфере информационных технологий.

Цель освоения дисциплины

Целью освоения учебной дисциплины являются формирование у студентов системного взгляда на возможности и ограничения машинного обучения и практического опыта использования алгоритмов анализа данных для решения бизнес-задач в различных экономических сферах.

Планируемые результаты обучения

Понимание основных терминов Data Science
Понимание возможности применения технологии "Больших данных" для решения бизнес-задач; формирование нового видения по аналитике процессов
Умение определять оптимальные методы и модели для решения широкого спектра бизнес-задач
Понимание сути основных инструментов Data Science (включая SQl и Python). Умение применять на практике базовые инструменты для аналитик данных с использованием Excel, а также применение инструментов визуализации данных.
Умение корректно формулировать цели и задачи Data science проектов, а также производить расчет экономической эффективности от их реализации

Содержание учебной дисциплины

Тема 1. Формирование дата-аналитического мышления и понимание цели применения Data Science
Развитие в условиях роста данных и технологической сингулярности. Данные - новая нефть. Формирование нового типа мышления. Переход к операционной аналитике. Data Science и стратегия бизнеса.
Тема 2. Аналитика "Больших данных"
Понятие «Большие данные». Разница между бизнес-аналитикой и «Большими данными».. Рост объемов данных на фоне вытеснения аналоговых средств хранения. Новый способ анализа информации. Повсеместная датификация.
Тема 3. Решение бизнес-проблем с помощью Data Science: базовые методики и модели.
От бизнес проблем к задачам анализа данных. Анализ данных и его результаты. Технологии интеллектуального анализа данных. Концепция Data Mining. Базовые модели: классификация, регрессия, кластеризация. Примеры применения.
Тема 4. Базовые инструменты Data Science
Использование Excel для дата-аналитика. Использование SQL: где и для каких задач. Python для анализа данных. Визуализация данных.
Тема 5. Управление Data Science проектами.
Применение гибких методологий при управлении проектами. Межотраслевой стандартный процесс для исследования данных. Как и зачем измерять качество продукта.

Элементы контроля

Эссе
Тест

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.7 * Тест + 0.3 * Эссе

Бакалаврская программа «Экономика и управление компанией»

Введение в Data Science

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература