Бакалавриат
2021/2022
Data Science в бизнесе
Статус:
Курс обязательный (Экономика и управление компанией)
Направление:
38.03.02. Менеджмент
Когда читается:
3-й курс, 4 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
4
Контактные часы:
24
Программа дисциплины
Аннотация
Изучение дисциплины «Data Science в бизнесе» базируется на следующих дисциплинах: • Операционные решения: финансово-экономические модели; • Разработка и принятие управленческих решений; • Теория вероятностей и математическая статистика. Для освоения учебной дисциплины студенты должны знать концептуальные основы архитектуры предприятия, основные классы информационных систем управления бизнесом, лучшие практики и современные стандарты в сфере информационных технологий. Также студенты должны владеть методами проектирования информационных систем, уметь систематизировать и обобщать информацию, разрабатывать конкретные предложения по результатам исследований, готовить справочно-аналитические материалы для принятия управленческих решений в сфере информационных технологий.
Цель освоения дисциплины
- Целью освоения учебной дисциплины являются формирование у студентов системного взгляда на возможности и ограничения машинного обучения и практического опыта использования алгоритмов анализа данных для решения бизнес-задач в различных экономических сферах.
Планируемые результаты обучения
- Знать отличительные особенности концепции «Больших данных»;
- Знать понятие Data Science и потребность перехода к новой форме аналитики;
- Понимать специфику работы с дата-исследователями и управления проектами в области data science.
- Приобрести навыки применения на практике базовых инструментов дата-аналитика;
- Уметь находить новые возможности с использованием методов и моделей анализа данных для решения бизнес-задач;
Содержание учебной дисциплины
- Тема 1. Формирование дата-аналитического мышления и понимание цели применения Data Science
- Тема 2. Аналитика "Больших данных"
- Тема 3. Решение бизнес-проблем с помощью Data Science: базовые методики и модели.
- Тема 4. Базовые инструменты Data Science.
- Тема 5. Управление проектами Data Science
Список литературы
Рекомендуемая основная литература
- Миркин, Б. Г. Введение в анализ данных : учебник и практикум / Б. Г. Миркин. — Москва : Издательство Юрайт, 2016. — 174 с. — (Авторский учебник). — ISBN 978-5-9916-5009-0. — Текст : электронный // ЭБС Юрайт [сайт]. — URL: https://biblio-online.ru/bcode/388371
Рекомендуемая дополнительная литература
- Коэльо, Л. П. Построение систем машинного обучения на языке Python / Л. П. Коэльо, В. Ричарт ; перевод с английского А. А. Слинкин. — 2-е изд. — Москва : ДМК Пресс, 2016. — 302 с. — ISBN 978-5-97060-330-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82818 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Юре, Л. Анализ больших наборов данных / Л. Юре, Р. Ананд, Д. У. Джеффри ; перевод с английского А. А. Слинкин. — Москва : ДМК Пресс, 2016. — 498 с. — ISBN 978-5-97060-190-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/93571 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.