Магистратура
2019/2020
Сбор и управление данными в маркетинге
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (Smart-маркетинг: данные, аналитика, инсайты)
Направление:
38.04.02. Менеджмент
Где читается:
Факультет экономики, менеджмента и бизнес-информатики
Когда читается:
1-й курс, 3, 4 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Бузмаков Алексей Владимирович
Прогр. обучения:
SMART-Маркетинг: данные, аналитика, инсайты
Язык:
русский
Кредиты:
5
Контактные часы:
52
Программа дисциплины
Аннотация
Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Сбор и управление данными в маркетинге», учебных ассистентов и студентов направления подготовки 38.00.00 Экономика и управление.
Цель освоения дисциплины
- знание и понимание задач управления данными, в том числе, загрузка данных, преобразование данных, и предворительный анализ данных
- приобретение навыков решения реальных задач управления данных и первичного анализа данных, в том числе, навыков загрзки данных из разных источников, выбора нужного подхода к преобразованию данных для получения целевого результата, поиск выбросов и проведение анализа
- умение применять статистических и эконометрических инструментов анализа данных для разработки и обоснования маркетинговых решений − закрепление способности убедительно и наглядно коммуницировать результаты исследовательской и аналитической деятельности
- приобретение студентами навыков работы с языком программирования R
Планируемые результаты обучения
- Знает основные подходы к обработки, визуализации и анализу данных; основные этапы сбора и анализу данных; основные команды преобразования векторов в языке R; общую структуру программы Radiant. Имеет навыки загрузки, трансформации, очистки, визуализации и анализа данных на языке R и средствами программы Radiant.
- Знает основные задачи машинного обучения. Имеет навыки обучения моделей машинного обучения средствами языка R и системы Radiant; оценки качества моделей машинного обучения средствами Radiant; самоанализа собственной деятельности.
Содержание учебной дисциплины
- Раздел 1.Технологии анализа данныхТема 1. Введение в технологии анализа данных и язык R, Radiant и SOL Тема 2. Загрузка данных Тема 3. Преобразование данных в Radiant & SQL Тема 4. Визуализация данных Тема 5. Статистика и гиппотезы в анализе данных Тема 6. Первичный анализ данных на примере реальных данных
- Раздел 2. Машинное обучениеТема 7. Введение в машинное обучение Тема 8. Задачи регрессии и классификации Тема 9. Задача кластеризации Тема 10. Задача выявления эффекта от воздействия
Элементы контроля
- Прохождение курсов в системе DataCamp (самостоятельная работа)
- Лабораторная работа, этап 1
- Лабораторная работа, этап 2
- Лабораторная работа, этап 3
- Проект
- ЭкзаменЭкзамен проводится с использованием асинхронного прокторинга. Требования к ПК пользователя: 1. Стационарный компьютер или ноутбук (мобильные устройства не поддерживаются); 2. Операционная система Windows (версии 7, 8, 8.1, 10) или Mac OS X Yosemite 10.10 и выше; 3. Интернет-браузер Google Chrome последней на момент сдачи экзамена версии: (для установки браузера используйте ссылку https://www.google.com/chrome/, для проверки и обновления версии браузера используйте ссылку chrome://help/, при переходе можно увидеть номер версии своего браузера и кнопку для обновления, если они доступны); 4. Наличие постоянного интернет-соединения со скоростью передачи данных от пользователя не ниже 5 Мбит/сек.; 5. Разрешена передача данных по сетевым портам: 80 TCP, 443 TCP, 3478 TCP/UDP (уточнить этот вопрос у провайдера/открыть панель управления - система и безопасность - брандмауэр защитника Windows- дополнительные параметры. Убедитесь, что нет ограничений на входящее и исходящее соединение); 6. Наличие исправной и включенной веб-камеры (включая встроенные в ноутбуки); 7. Наличие исправного и включенного микрофона (включая встроенные в ноутбуки). https://elearning.hse.ru/data/2020/04/23/1559799268/Инструкция%20по%20работе%20в%20системе%20прокторинга%20Экзамус%202020.%20Асинхрон.pdf
Промежуточная аттестация
- Промежуточная аттестация (4 модуль)0.1 * Лабораторная работа, этап 1 + 0.1 * Лабораторная работа, этап 2 + 0.1 * Лабораторная работа, этап 3 + 0.3 * Проект + 0.1 * Прохождение курсов в системе DataCamp (самостоятельная работа) + 0.3 * Экзамен
Список литературы
Рекомендуемая основная литература
- Основы алгоритмизации и программирования на Python : учеб. пособие / С.Р. Гуриков. — М. : ФОРУМ : ИНФРА-М, 2018. — 343 с. — (Высшее образование: Бакалавриат). - Режим доступа: http://znanium.com/catalog/product/924699
Рекомендуемая дополнительная литература
- Компьютерные технологии анализа данных в эконометрике: Монография / Д.М. Дайитбегов. - 3-e изд., испр. и доп. - М.: Вузовский учебник: НИЦ Инфра-М, 2013. - XIV, 587 с.: 70x100 1/16. - (Научная книга). (переплет) ISBN 978-5-9558-0275-6 - Режим доступа: http://znanium.com/catalog/product/365692
- Методы и средства комплексного анализа данных/Кулаичев А.П., 4-е изд., перераб. и доп. - М.: НИЦ ИНФРА-М, 2016. - 511 с.: 60x90 1/16 ISBN 978-5-16-104593-0 (online) - Режим доступа: http://znanium.com/catalog/product/548836