• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2026/2027

Научно-исследовательский семинар "Методы анализа данных"

ID 1165324

Когда читается: 1-й курс, 2 модуль
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 3
Контактные часы: 24

Программа дисциплины

Аннотация

Научно-исследовательский семинар «Методы анализа данных» направлен на освоение магистрантами основных подходов и методов анализа данных: поиска и подготовки данных, статистического и разведочного анализа, проверки гипотез, интеллектуального анализа (дата майнинга), визуализации данных и дата сторителлинга. Особое внимание уделяется статистическим и аналитическим методам, составляющим ядро дисциплины, а также умению выстраивать на их основе убедительную историю по данным. Семинар формирует у магистрантов практический инструментарий для самостоятельной работы с данными на всех последующих дисциплинах образовательной программы. Текущий контроль осуществляется в форме учёта посещаемости и выполнения группового практического проекта; промежуточная аттестация проводится в форме итогового теста.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины является формирование у магистрантов практического инструментария анализа данных: от поиска и подготовки данных до статистического, разведочного и интеллектуального анализа, визуализации и построения историй на основе данных (дата сторителлинга). Задачи дисциплины: ● сформировать понимание ключевых понятий больших данных и искусственного интеллекта, а также связанных с ними рисков; ● сформировать навыки поиска, загрузки и подготовки данных из различных источников; ● сформировать умение применять методы статистического анализа, формулировать и проверять гипотезы; ● сформировать умение проводить разведочный анализ данных (EDA); ● сформировать умение применять методы и этапы дата майнинга для решения аналитических задач; ● сформировать навыки визуализации данных и умение выстраивать нарратив на основе данных (дата сторителлинг) для представления результатов анализа.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать основные типы исследовательских постановок и методы описательного, регрессионного, кластерного и качественного анализа данных; понимать требования к проверяемой гипотезе и структуре аналитического исследования
  • Понимать происхождение и пригодность данных, объяснять риски утечки будущей информации, смещения отбора, неверной операционализации и другие угрозы валидности вывода
  • Применять Python и статистические библиотеки для EDA, регрессионного и кластерного анализа, оценки неопределённости и воспроизводимой подготовки результатов.
  • Анализировать применимость методов и исследовательских дизайнов; диагностировать предпосылки моделей и проектировать причинный анализ с экспериментом или квазиэкспериментом, явно фиксируя допущения.
  • Оценивать обоснованность, полноту и воспроизводимость аналитических выводов — собственных, подготовленных коллегами или с использованием генеративного ИИ — и давать аргументированную рецензию.
  • Применяет методы статистического и разведочного анализа данных (EDA), формулирует и проверяет гипотезы, формулирует инсайты.
  • Применяет методы дата майнинга: выбирает метод под аналитическую задачу, реализует этапы интеллектуального анализа, интерпретирует результаты.
  • Визуализирует данные (выбирает представление информации, создаёт диаграммы и дашборды) и формирует на их основе историю (дата сторителлинг) для представления результатов анализа.
  • Объясняет понятия больших данных и искусственного интеллекта, различает понятия «данные», «информация», «знания», называет основные риски и угрозы в этой области.
  • Находит, загружает и подготавливает данные из различных источников, использует инструменты и платформы работы с данными.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • BigData и искусственный интеллект
  • Поиск и подготовка данных
  • Статистический анализ данных и проверка гипотез
  • Разведочный анализ данных (EDA)
  • Дата майнинг (интеллектуальный анализ данных)
  • Визуализация данных и дата сторителлинг
Элементы контроля

Элементы контроля

  • неблокирующий Учёт посещаемости
  • неблокирующий Практическое задание - Проект
    Выполнение практического задания по указанному преподавателем кейсу: поиск и подготовка датасета, исследование и формулирование гипотез и инсайтов, визуализация данных в среде Yandex Cloud, создание истории по методу дата сторителлинг, итоговая презентация результатов на семинаре.
  • блокирующий Итоговый тест
    Онлайн-тест в системе StartExam, 40 вопросов
Промежуточная аттестация

Промежуточная аттестация

  • 2026/2027 2nd module
    0.2 * Учёт посещаемости + 0.4 * Итоговый тест + 0.4 * Практическое задание - Проект
Список литературы

Список литературы

Рекомендуемая основная литература

  • An Introduction to Statistical Learning, with Applications in Python, Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, Jonathan Taylor, Springer Nature Switzerland AG 2023, 978-3-031-38747-0, published: 30 June 2023
  • An Introduction to Statistical Learning, with Applications in R, Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Science+Business Media, LLC, part of Springer Nature 2021, 978-1-0716-1418-1, published: 29 July 2021
  • Python и анализ данных : первичная обработка данных с применением pandas, NumPy и Jupiter, Маккинни, У., 2023
  • Аналитика больших данных - Атаян А. М., Вольфсон М. Б. - Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича - - - 2024 - русский - https://e.lanbook.com/book/508670 - ЛАНЬ - 508670
  • Аналитика в Power BI с помощью R и Python - Уэйд Р. - Издательство "ДМК Пресс" - 978-5-97060-923-1 - 2021 - русский - https://e.lanbook.com/book/241049 - ЛАНЬ - 241049
  • Прикладной регрессионный анализ : пер. с англ., Дрейпер Н.Р., Смит Г., 2007
  • Шаныгин, С. И.  Корреляционный и регрессионный анализ : учебник для вузов / С. И. Шаныгин ; ответственный редактор В. В. Ковалев. — Москва : Издательство Юрайт, 2025. — 70 с. — (Высшее образование). — ISBN 978-5-534-18393-1. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/568910 (дата обращения: 02.07.2026).

Рекомендуемая дополнительная литература

  • Анализ данных : учебник для вузов, , 2024
  • Просто о больших данных : пер. с англ., Гурвиц, Д., 2019

Авторы

  • Шуклин Глеб Николаевич
  • Панфилов Петр Борисович