Бакалавриат
2025/2026
Анализ данных в менеджменте и экономике
Статус:
Курс обязательный (Международная программа по бизнесу и экономике)
Кто читает:
Департамент экономики и анализа данных
Где читается:
Факультет экономики НИУ ВШЭ (Нижний Новгород)
Когда читается:
3-й курс, 3 модуль
Охват аудитории:
для всех кампусов НИУ ВШЭ
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
Курс знакомит студентов с анализом данных и приложениями в экономике и менеджменте. Учит студента выбирать корректные графики для визуализации данных, выбирать правильный тип визуализации для решения конкретной задачи, загружать данные в ПО и работать с ними (фильтрация, агрегация, заполнение пропущенных значений). В рамках курса студенты знакомятся с регрессионным анализом и методами машинного обучения, учатся выбирать инструментальные средства для обработки данных в соответствии с поставленной задачей. Студент получит навыки построения на основе описания ситуаций теоретических и эконометрических моделей, использования алгоритмов машинного обучения; прогнозирования на основе стандартных регрессионных моделей и алгоритма решающих деревьев.
Цель освоения дисциплины
- Сформировать базовые навыки анализа данных, включая работу с данными в Python и Excel, применение статистических методов, визуализацию и интерпретацию результатов, а также понимание основ машинного обучения и оценки моделей регрессии и классификации.
Планируемые результаты обучения
- Объясняет основы машинного обучения
- Использует инструменты Python для работы с данными
- Интерпретирует базовые статистические понятия
- Создаёт новые переменные для анализа данных
- Интерпретирует частотные распределения
- Проводит оценку описательных статистик
- Выявляет выбросы в данных
- Интерпретирует корреляцию между признаками
- Выбирает тип визуализации данных
- Проводит разведочный анализ данных
- Проверяет статистические гипотезы
- Применяет параметрические критерии
- Интерпретирует линейную регрессию
- Интерпретирует логистическую регрессию
- Оценивает качество классификации
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
- Введение в тестирование гипотез. Непараметрические критерии
- Параметрические критерии для тестирования гипотез
- Линейная регрессия
- Логистическая регрессия
- Введение в машинное обучение
- Задача классификации
Список литературы
Рекомендуемая основная литература
- Маккинни, У. Python и анализ данных. Первичная обработка данных с применением pandas, NumPy и Jupiter : справочник / У. Маккинни , перевод с английского А. А. Слинкина. — 3-е изд. — Москва : ДМК Пресс, 2023. — 536 с. — ISBN 978-5-93700-174-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/348086 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Cady, F. (2017). The Data Science Handbook. Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1456617