2026/2027
Современные подходы к анализу данных в социальных науках: программирование на Python
Статус:
Маго-лего
Где читается:
Факультет компьютерных наук
Когда читается:
1 модуль
Онлайн-часы:
50
Охват аудитории:
для всех
Преподаватели:
Галушко Илья Николаевич
Язык:
русский
Кредиты:
3
Контактные часы:
40
Программа дисциплины
Аннотация
Данный курс ориентирован на детальное освоение слушателями современного инструментария количественных методов применительно к проблематике социальных наук. В центре программы находится анализ данных и машинное обучение: мы познакомимся с основами ML; освоим наиболее применимые на практике модели (например, деревья решений для классификации и регрессии); изучим особенности предварительного анализа и предобработки данных в задачах социально-экономического и социально-гуманитарного профиля. Содержание курса стремится к балансу между точностью изложения и теоретической нагрузкой на слушателей непрофильных для IT дисциплин. Также этот курс в значительной степени опирается на актуальную академическую практику: все методы и подходы мы будем рассматривать с опорой на профильную литературу, в которой эти методы применяются для получения конкретного исследовательского результата. Для закрепления пройденного материала слушателям будет необходимо выполнить проект, предполагающий использование освоенных инструментов в работе либо со своими данными, либо с опубликованными датасетами.
Цель освоения дисциплины
- — приобретение навыков программирования и анализа данных с использованием современного статистического инструментария
- — приобретение опыта применения освоенных инструментов в работе с социально-экономическими и социально-гуманитарными данными в рамках профиля осваиваемого направления профессиональной подготовки
- — формирование у обучающихся навыков реализации полного цикла машинного обучения с учетом специфики исследовательских задач в социальных науках
Планируемые результаты обучения
- • решать исследовательские задачи в социальных науках с использованием Python; • собирать, критически анализировать и оформлять данные в виде воспроизводимых исследовательских датасетов; • формулировать статистические гипотезы и выбирать инструменты математического моделирования с учетом специфики данных;
- • организовывать процесс машинного обучения: готовить обучающую выборку, подбирать параметры, обучать модели и оценивать их качество; • выстраивать последовательный план применения цифровых инструментов для решения исследовательской задачи;
- • решать исследовательские задачи в социальных науках с использованием Python; • собирать, критически анализировать и оформлять данные в виде воспроизводимых исследовательских датасетов;
- • организовывать процесс машинного обучения: готовить обучающую выборку, подбирать параметры, обучать модели и оценивать их качество;
Содержание учебной дисциплины
- Визуализация данных в Python: Plotly и Seaborn; принципы построения исследовательских графиков; дашборды в DataLens; требования академических изданий к визуализации. сделай оцень краткое описание этого раздела
- Exploratory Data Analysis и подготовка данных: категориальные переменные, feature engineering, работа с несбалансированными датасетами, подготовка и публикация исследовательских наборов данных.
- Машинное обучение: scikit-learn, кластерный анализ, деревья решений для регрессии и классификации, градиентный бустинг, подбор гиперпараметров с GridSearch и Optuna.
- Обработка естественного языка: spaCy, transformers, LangChain; подготовка текстовых признаков; использование больших языковых моделей для прикладных исследовательских задач.
- Распознавание печатных и рукописных текстов: Transkribus, FineReader, EasyOCR; применение OCR-инструментов при работе с источниками в рамках социальных наук.
- Кластеризация временных рядов.
- Применение survival analysis в социальных науках.
- Введение в сетевой анализ: библиотека NetworkX
Промежуточная аттестация
- 2026/2027 1st module0.3 * Домашнее задание + 0.3 * Семинарские занятия + 0.4 * Итоговый проект
Список литературы
Рекомендуемая основная литература
- Изучаем программирование на Python, Бэрри, П., 2017
- Программирование : учебник и практикум для академич. бакалавриата, Зыков С.В., НИУ ВШЭ, 2016
- Трофимов, В. В. Алгоритмизация и программирование : учебник для вузов / В. В. Трофимов, Т. А. Павловская. — 4-е изд. — Москва : Издательство Юрайт, 2025. — 108 с. — (Высшее образование). — ISBN 978-5-534-20430-8. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/562040 (дата обращения: 02.07.2026).