• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
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

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

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

Планируемые результаты обучения

  • Знать понятие Data Science и потребность перехода к новой форме аналитики;
  • Знать отличительные особенности концепции «Больших данных»;
  • Уметь находить новые возможности с использованием методов и моделей анализа данных для решения бизнес-задач;
  • Приобрести навыки применения на практике базовых инструментов дата-аналитика;
  • Понимать специфику работы с дата-исследователями и управления проектами в области data science.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Формирование дата-аналитического мышления и понимание цели применения Data Science
    Развитие в условиях роста данных и технологической сингулярности. Данные - новая нефть. Формирование нового типа мышления. Переход к операционной аналитике. Data Science и стратегия бизнеса.
  • Тема 2. Аналитика "Больших данных"
    Понятие «Большие данные». Разница между бизнес-аналитикой и «Большими данными».. Рост объемов данных на фоне вытеснения аналоговых средств хранения. Новый способ анализа информации. Повсеместная датификация.
  • Тема 3. Решение бизнес-проблем с помощью Data Science: базовые методики и модели.
    От бизнес проблем к задачам анализа данных. Анализ данных и его результаты. Технологии интеллектуального анализа данных. Концепция Data Mining. Базовые модели: классификация, регрессия, кластеризация. Примеры применения.
  • Тема 4. Базовые инструменты Data Science.
    Использование Excel для дата-аналитика. Использование SQL: где и для каких задач. Python для анализа данных. Визуализация данных.
  • Тема 5. Управление проектами Data Science
    Применение гибких методологий при управлении проектами. Межотраслевой стандартный процесс для исследования данных. Как и зачем измерять качество продукта.
Элементы контроля

Элементы контроля

  • неблокирующий Задания
  • неблокирующий Тест
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.7 * Задания + 0.3 * Тест
Список литературы

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., Ричарт В. - Построение систем машинного обучения на языке Python - Издательство "ДМК Пресс" - 2016 - 302с. - ISBN: 978-5-97060-330-7 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/82818
  • Юре Лесковец, Ананд Раджараман, Джеффри Д. Ульма - Анализ больших наборов данных - Издательство "ДМК Пресс" - 2016 - 498с. - ISBN: 978-5-97060-190-7 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/93571