Магистратура
2026/2027





Научно-исследовательский семинар "Методы анализа данных"
ID 1165324
Статус:
Курс обязательный (Бизнес-аналитика и цифровые решения в финансах)
Кто читает:
Департамент бизнес-информатики
Где читается:
Высшая школа бизнеса
Когда читается:
1-й курс, 2 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Панфилов Петр Борисович
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
- 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
- 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
- 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
- Учёт посещаемости
- Практическое задание - ПроектВыполнение 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.
- Итоговый тестОнлайн-тест в системе StartExam, 40 вопросов
Промежуточная аттестация
- 2026/2027 2nd module0.2 * Учёт посещаемости + 0.4 * Итоговый тест + 0.4 * Практическое задание - Проект
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