Основы анализа данных

Магистратура 2021/2022

Статус: Курс адаптационный (Компьютерные системы и сети)

Направление: 09.04.01. Информатика и вычислительная техника

Кто читает: Департамент компьютерной инженерии

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 1-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Поляков Константин Львович

Прогр. обучения: Компьютерные системы и сети

Язык: русский

Кредиты: 3

Контактные часы: 52

Полная версия программы учебной дисциплины

Аннотация

Курс «Основы анализа данных» ориентирован на студентов магистратуры, которые связывают свою будущую профессиональную деятельность с решением творческих задач в области проектированием и созданием программных и аппаратных инструментов необходимых для ИТ поддержки деятельности человека. Он посвящен изучению современных методов сбора и анализа количественных или качественных данных необходимых для решения широкого класса проблем, возникающих в ходе планирования и реализации хозяйственной деятельности, при организации аналитической поддержки принятия решений на различных уровнях управления, а также задач, возникающих в области управления техническими системами.

Цель освоения дисциплины

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов, обучающихся по магистерской программе "Информатика и вычислительная техника", изучающих дисциплину «Основы анализа данных».

Планируемые результаты обучения

Умеет анализировать качество данных, умеет обнаруживать статистические свойства данных.
Умеет оценивать параметры МЛР. Знает свойства полученных оценок.
Умеет специфицировать модель линейной регрессии (МЛР). Знает понятие «нелинейная внутренне линейная модель».
Умеет определять наличие нарушений основных предположений МЛР.
Умеет оценить значимость полученных оценок параметров МЛР. Умеет построить прогноз на основе оцененной модели.
Умеет проверять гипотезы из прикладной области с помощью построенной МЛР на основе проверки статистических гипотез.

Содержание учебной дисциплины

Предварительный анализ данных.
Модели нестационарных процессов.
Моделирование долговременных и сезонных явлений.
Моделирование влияния внешних переменных на основные показатели процессов
Определение и классификация временных рядов.
Проверка гипотез о свойствах объектов и явлений с помощью МЛР.
Нарушение основных гипотез МЛР.
Анализ значимости регрессоров. Прогнозирование.
Метод наименьших квадратов и линейная регрессия. Статистические свойства МНК оценки параметров МЛР.
Модель линейной регрессии (МЛР).

Элементы контроля

работа на семинарах1
Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
самостоятельная работа1
работа на семинарах2
Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
самостоятельная работа2
экзамен2

Промежуточная аттестация

2021/2022 учебный год 2 модуль
Орез2=0.10Ораб.на сем.1+0.25Осам.работа1+0.10Ораб.на сем.2+0.25Осам.работа2+0.30Оэкзамен2

Список литературы

Авторы

Поляков Константин Львович

Программа дисциплины