• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2021/2022

Data Science в бизнесе

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

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 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

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
Элементы контроля

Элементы контроля

  • неблокирующий Задания
  • неблокирующий Тест
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 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. 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.