Анализ данных, искусственный интеллект и генеративные модели

Бакалавриат 2026/2027

Статус: Курс обязательный (Медиакоммуникации)

Кто читает: Департамент филологии

Где читается: Санкт-Петербургская школа гуманитарных наук и искусств

Онлайн-часы: 20

Охват аудитории: для своего кампуса

Преподаватели: Кирина Маргарита Александровна

Язык: русский

Кредиты: 3

Контактные часы: 22

Дополнительные материалы в LMS Задать вопрос

Аннотация

Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных и направлен на формирование компетенций 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)» (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
Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой
Использовать продвинутые методы визуализации данных, использовать различные диаграммы
Сортировать данные
Переводить значения признака в z-оценки
Обрабатывать пропущенные значения и выбросы
Корректно открывать табличные данные различных форматов
Вычислять описательные статистики и интерпретировать полученные результаты
Использовать модель линейной регрессии, а также уметь оценивать (MSE, MAE) и интерпретировать полученные результаты
Использовать Excel в применении к анализу данных
Создавать новые переменные и перекодировать значения

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 инструменты
Введение в инструменты
Типы данных. Создание новых переменных
Линейная регрессия

Элементы контроля

Самостоятельные работы
20-минутные тесты, проводимые на семинарах по пройденному материалу. Каждый тест оценивается по 10-балльной шкале, в итоговую оценку идет среднее всех тестов. Синхронный элемент контроля. Пишутся в начале семинара. В случае опоздания время теста не продлевается. При выполнении задания запрещено использование генеративных моделей ИИ. При нарушении использования ИИ за задание выставляется оценка 0.
Активность на семинарах
Оцениваются ответы на вопросы и решение задач на занятии. За одно занятие можно получить один "+". При выполнении задания запрещено использование генеративных моделей ИИ. При нарушении правил использования ИИ данные ответы на вопросы засчитаны быть не могут.
Практические работы
Вместе с заданием выдаются требования к результатам и сообщается максимальный балл за выполнение каждого из требований. Итоговая оценка за работу вычисляется как сумма набранных баллов или по правилам, прописанным в тексте работы, при их наличии. За задания могут выставляться частичные баллы в соответствие с долей выполненного задания, если критерии сформулированы в тексте задания. Совмещенный элемент контроля. Оценивается по 10-балльной шкале. При выполнении задания запрещено использование генеративных моделей ИИ. При нарушении использования ИИ за задание выставляется оценка 0.
Экзамен
Контрольная, основанная на Спецификации НЭ по Анализу данных 2026-27 года начального уровня. Оценивается по 10-балльной шкале. Спецификация и демонстрационный вариант заданий опубликованы и доступны в курсе подготовки к НЭ по анализу данных (https://edu.hse.ru/course/view.php?id=136231) Подлежит обязательной пересдаче при ликвидации академической задолженности. Синхронный элемент контроля. При выполнении задания запрещено использование генеративных моделей ИИ. При нарушении использования ИИ за задание выставляется оценка 0.

Промежуточная аттестация

2026/2027 1st module
0.3 * Экзамен + 0.2 * Активность на семинарах + 0.2 * Практические работы + 0.3 * Самостоятельные работы

Список литературы

Авторы

Кирина Маргарита Александровна
Жиляева Виктория Артуровна

Программа дисциплины