Анализ данных в Python

2023/2024

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент больших данных и информационного поиска

Статус:

Курс обязательный

Когда читается:

3-й курс, 3 модуль

Преподаватель

Карпов Максим Евгеньевич

Программа дисциплины

Аннотация

Данный курс направлен на формирование компетенций у студентов в области статистики и анализа данных. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных. Дисциплина реализуется с помощью онлайн-курса «Учебник по Анализу данных (Начальный)» в SmartLMS (https://edu.hse.ru/course/view.php?id=136231).

Цель освоения дисциплины

• Целью освоения дисциплины «Анализ данных» является овладение студентами основами статистики и анализа данных для применения в решении различных практических задач.

Планируемые результаты обучения

• Понимать и корректно использовать основные статистические понятия
• Фильтровать данные по нескольким условиям
• Создавать сводные таблицы
• Вычислять коэффициент корреляции Пирсона и интерпретировать полученные результаты
• Вычислять релевантные описательные статистики и интерпретировать полученные результаты
• Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой
• Сортировать данные
• Переводить значения признака в z-оценки
• Обрабатывать пропущенные значения и выбросы
• Корректно открывать табличные данные различных форматов
• Использовать собственноручно написанные функции для обработки данных, создания новых переменных
• Использовать Python в применении к анализу данных

Содержание учебной дисциплины

• Введение в инструменты
• Введение в статистику. Базовые манипуляции с данными
• Типы данных. Создание новых переменных
• Генеральная совокупность и выборка. Частотные таблицы и распределения
• Описательные статистики: меры центральной тенденции и разброса
• Z-оценка. Выбросы
• Корреляция
• Введение в визуализацию данных
• Продвинутая визуализация данных
• Линейная регрессия
• Введение в машинное обучение и анализ данных
• Введение в линейные модели и задача регрессии
• Задача классификации текстовых данных
• Задачи кластеризации
• Основные понятия теории нейронных сетей.
• Рекомендательные системы

Элементы контроля

• Тесты (Онлайн курс)
• Самостоятельные работы
• Проект
• Экзамен
  Экзамен проходит дистанционно онлайн с прокторингом, используя две камеры (одна с компьютера, вторая со смартфона).

Промежуточная аттестация

• 2023/2024 3rd module
  min(0.05 * Тесты (Онлайн курс) + 0.2 * Самостоятельные работы + 0.25 * Проект + 0.5 * Экзамен, 8). В соответствии с п. 69 “Положения об организации промежуточной аттестации и текущего контроля успеваемости студентов” (ПОПАТКУС) итоговая оценка студента за дисциплину-пререквизит (ДПР) к НЭ по АД не может быть больше 8 баллов.

Список литературы

Рекомендуемая основная литература

• Elementary statistics : a step by step approach, Bluman, A. G., 2007
• Essentials of statistics for the behavioral sciences, Gravetter, F. J., 2014

Рекомендуемая дополнительная литература

• Статистика и котики, Савельев, В. В., 2018