Быстрое создание MVP в Data Science

2025/2026

ID 1109851

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3 модуль

Онлайн-часы: 50

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Паточенко Евгений Анатольевич

Язык: русский

Кредиты: 3

Контактные часы: 12

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина «Продвинутые инструменты анализа данных» направлена на освоение студентами более глубоких цифровых компетенций в дополнение к стандартному курсу по анализу данных. В рамках дисциплины будут рассмотрены темы парсинга и структурирования данных, логическая регрессия, деревья решений, работа с текстами. Студенты будут работать над индивидуальными проектными идеями по анализу данных и получат практические рекомендации для реализации своих проектных идей с помощью продвинутых инструментов.

Цель освоения дисциплины

Целью освоения дисциплины «Анализ данных» является овладение студентами основами статистики и анализа данных для применения в решении различных практических задач. В рамках ОП «Юриспруденция» дисциплина позволяет формировать цифровые и аналитические компетенции, необходимые для работы с различными текстовыми юридическими источниками.

Планируемые результаты обучения

- Парсить данные с использованием BeautifulSoup/Selenium; - Применять методы предобработки и анализа текстов (TF-IDF, n-граммы, лемматизация - Решать задачи бинарной классификации с помощью логистической регрессии - Строить и интерпретировать решающие деревья
- Уметь реализовывать все шаги проверки статистических гипотез - Применять параметрические статистические критерии для проверки гипотез - Применять непараметрические статистические критерии для проверки гипотез - Построить уравнение линейной регрессии с использованием метода наименьших квадратов - Оценивать качество модели линейной регрессии с помощью релевантных метрик - Решать задачу классификации с использованием логистической регрессии и KNN
- Переводить значения признака в z-оценки - Обрабатывать пропущенные значения и выбросы - Вычислять релевантные описательные статистики и интерпретировать полученные результаты - Вычислять коэффициент корреляции Пирсона и интерпретировать полученные результаты
- Корректно открывать табличные данные различных форматов - Фильтровать данные по нескольким условиям - Сортировать данные - Использовать собственноручно написанные функции для обработки данных, создания новых переменных - Создавать сводные таблицы

Содержание учебной дисциплины

Парсинг данных
Работа с текстами
Логистическая регрессия
Решающее дерево и ансамбли

Элементы контроля

Проект
ДЗ
Тестирование

Промежуточная аттестация

2025/2026 3rd module
Итог = Округление(0,4* Тесты (среднее за все тесты) + 0,25 * Домашнее задание + 0,35 * Итоговый проект), максимум – 10 баллов. Округление арифметическое

Список литературы

Авторы

Сафарян Анастасия Романовна
Борман Марина Юрьевна

Программа дисциплины