Программирование для анализа данных и воспроизводимые исследования

2017/2018

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Майнор

Кто читает: Департамент социологии

Где читается: Санкт-Петербургская школа экономики и менеджмента

Когда читается: 1, 2 модуль

Преподаватели: Воскресенский Вадим Михайлович, Карепин Виктор Вадимович, Мусабиров Илья Леонидович

Язык: русский

Кредиты: 5

Контактные часы: 56

Полная версия программы учебной дисциплины

Аннотация

Курс посвящен развитию базовых навыков работы с инструментальным средствам анализа данных и технологиям обработки данных. Курс дополняет и расширяет знания в области прикладной статистики и демонстрирует применения традиционных статистических методов (тестов) к различным задачам. Итогом курса является наличие у студентов навыков обработки уже собранных данных, а так же базовые навыки сбора данных.

Цель освоения дисциплины

изучение особенностей различных методов сбора и агрегации данных, формирование навыков планирования сбора и обработки данных, изучение пакетов ориентированных на основные этапы подготовки данных и их анализа.

Планируемые результаты обучения

Знать ключевые понятия и задачи анализа данных, в том числе идеи “обучения с учителем” и “обучение без учителя”; основные методы эксплораторного анализа данных; примеры задач классификации и регрессии; понятие воспроизводимого исследования и то, как достигается воспроизводимость исследований
Уметь применять на практике основные структуры данных в R; производить простейшие статистические операции с помощью языка R; выполнять эксплораторный анализ данных; выбирать метод анализа, соответствующий исследовательской задаче; визуализировать результаты анализа; интерпретировать полученные результаты;
Иметь навыки (приобрести опыт): чтения и анализа академической литературы по анализу данных, использования современного инструментария, применяемого в анализе данных.