Технологии анализа больших данных

Бакалавриат 2019/2020

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Государственное и муниципальное управление)

Направление: 38.03.04. Государственное и муниципальное управление

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет социальных наук

Когда читается: 1-й курс, 4 модуль

Формат изучения: с онлайн-курсом

Преподаватели: Бурова Маргарита Борисовна, Курмуков Анвар Илдарович, Пузырев Дмитрий Александрович

Язык: русский

Кредиты: 5

Контактные часы: 36

Полная версия программы учебной дисциплины

Аннотация

Активное развитие машинного обучения, накопление больших объёмов данных и появление простых инструментов анализа данных привели к тому, что методы искусственного интеллекта стали применяться во многих предметных областях: экономике, социологии, финансах, маркетинге, политологии, а также государственном и муниципальном управлении. Методы анализа больших данных могут применяться для оптимизации политических кампаний, для выявления закономерностей в новостных источниках, мониторинге качества предоставляемых услуг, автоматизации сервисов и т.д. Данный курс направлен на знакомство с современными кейсами применения анализа данных в государственном и муниципальном управлении. С использованием онлайн-курса "Python для извлечения и обработки данных" (URL: https://openedu.ru/course/hse/PYTHON/).

Цель освоения дисциплины

Получение целостного представления о возможностях и ограничениях современных статистических методов и машинного обучения
Получение знаний об особенностях анализа данных для решения задач, возникающих в области государственного управления
Получение навыков анализа данных в своей профессиональной области

Планируемые результаты обучения

Умеет решать профессиональные задачи с помощью анализа данных
Умеет рассчитывать основные описательные статистики
Умеет решать статистические гипотезы
Основы статистического анализа данных
Умеет графически представлять данные

Содержание учебной дисциплины

Введение в анализ данных в ГМУ
Введение в анализ данных, кейсы из предметной области. Использование точных наук в государственном управлении. Применимость анализа данных в ГМУ. Цифровое правительство. Данные для принятия управленческих решений.
Поиск и обработка данных
Поиск данных. Открытые данные, используемые в государственном управлении. Базы данных. Портал открытых данных. Подбор данных для конкретных задач.
Основы статистического анализа данных
Генеральная совокупность, выборка. Репрезентативность выборки. Распределение. Типы переменных (количественные, порядковые, категориальные). Числовые характеристики: МЦТ (медиана, среднее арифметическое, мода) и меры разброса (стандартное отклонение, дисперсия), квантили, перцентили. Соотношение МЦТ и типов переменных. Анализ взаимосвязи переменных, корреляция. Свойства корреляции. Проверка статистической гипотезы, p-value, сравнение средних (критерий Стьюдента). Ложные корреляции. Отличие взаимосвязи от причинно-следственной связи.
Машинное обучение
Задачи машинного обучения: обучение с учителем и без учителя, выбор метода для конкретной задачи. Основная терминология. Регрессия. Классификация и кластеризация: основной смысл, кейсы.
Визуализация данных
Визуализация результатов анализа данных. График плотности распределения. Диаграммы рассеяния. Гистограммы. Столбиковые диаграммы. Линейные диаграммы. Коробчатые диаграммы. Круговые диаграммы. Необычные типы диаграмм. Удачные и неудачные варианты визуализации данных. Подбор графического представления для различных результатов исследований.

Элементы контроля

Самостоятельная работа
Домашнее задание
Командный проект
Тесты
Тесты на каждом семинаре и на каждой лекции. Они засчитываются только при условии присутствия на занятии. Оценка за дисциплину выставляется в соответствии с формулой оценивания от всех пройденных элементов контроля. Экзамен не проводится.

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
Результирующая = 0,5*ДЗ+0,15*Тесты+0,2*Проект+0,15*КР

Программа дисциплины