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

Научно-исследовательский семинар "Продвинутые методы сбора и анализа данных"

Лучший по критерию «Новизна полученных знаний»
Статус: Курс обязательный (Стратегический менеджмент и консалтинг)
Направление: 38.04.02. Менеджмент
Когда читается: 1-й курс, 3 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для всех кампусов НИУ ВШЭ
Прогр. обучения: Стратегический менеджмент и консалтинг
Язык: русский
Кредиты: 4
Контактные часы: 32

Программа дисциплины

Аннотация

Данный семинар относится к блоку научно-исследовательских работ и формирует у студентов базовые практические навыки для подготовки к карьере профессионального управленческого консультанта/менеджера в рамках магистерской программы «Стратегический менеджмент и консалтинг» по направлению 38.04.02 «Менеджмент». Программой дисциплины предусмотрено изучение следующих аспектов: • Ограничения базовых методов анализа и сфера применения более продвинутых решений • Основные библиотеки и подходы к выгрузке и анализу данных • Интеграция с системами хранения и инструментами визуализации данных • Проработка возможности применения продвинутой аналитики в выпускном проекте
Цель освоения дисциплины

Цель освоения дисциплины

  • Знать аналитические потребности, возникающие в задачах управления организацией, а также, классификацию возникающих в различных видах человеческой деятельности данных и математические методы извлечения знаний из этих данных
  • Уметь формализовать задачу из предметной области, сформулировать требования к данным, подобрать адекватные методы их анализа, выполнить расчеты и интерпретировать полученные результаты
  • Иметь навыки самостоятельного анализа данных, возникающих в ходе профессиональной деятельности
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеть навыками подготовки аналитических материалов по результатам исследовательских и аналитических проектов для информационного обеспечения принятия управленческих решений
  • Владеть навыками применения современных техник и методик сбора данных, продвинутых методов их обработки и анализа, методами количественного и качественного анализа для принятия управленческих решений
  • Умеет извлекать данные из источников, анализировать качество данных, обнаруживать статистические особенности данных и выявлять аномалии
  • Уметь обрабатывать эмпирические и экспериментальные данные
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Предварительный анализ данных
  • Методы и модели анализа данных
  • Представление результатов анализа данных
Элементы контроля

Элементы контроля

  • неблокирующий Аудиторная работа
    Посещаемость студента
  • неблокирующий Групповой проект
    Выполнение группового проекта предусматривает построение моделей анализа реальных данных, выявление регулярных выражений, построение аналитических срезов и фильтров, выделение корреляций между срезами, отображение взаимосвязей и визуализацию итогов анализа в BI системе
  • неблокирующий Экзамен
    Экзаменационная работа представляет из себя тест с вопросами закрытого типа. Форма экзамена: Экзамен проводится в письменной форме. Платформа проведения: Экзамен проводится на платформе Canvas LMS. Для участия в экзамене студент обязан: Не позднее 7 дней до проведения экзамена проверить работоспособность компьютерного оборудования, необходимого для сдачи экзамена и убедиться в соответствие имеющегося оборудования требованиям к компьютеру для участия в экзамене на платформе Canvas LMS; Войти на платформу Canvas LMS под личной учетной записью (используется аккаунт студента @edu.hse.ru); Перед началом экзамена проверить скорость работы сети Интернет (для наилучшего результата рекомендуется подключение компьютера к сети через кабель); Подготовить необходимые для проведения экзамена инструменты: ручка, листы бумаги, калькулятор и т. д.; Отключить в диспетчере задач компьютера иные приложения, кроме браузера, в котором будет выполняться вход на платформу Canvas LMS. В случае, если одно из необходимых условий участия в экзамене невозможно выполнить, необходимо за 2 недели до даты проведения экзамена проинформировать об этом преподавателя или сотрудника учебного офиса для принятия решения об участии студента в экзаменах. Во время экзамена студентам запрещено: Пользоваться конспектами, учебниками, прочими учебными материалами; Покидать место выполнения экзаменационного задания; Пользоваться умными гаджетами (смартфон, планшет и др.); Привлекать посторонних лиц для помощи в проведении экзамена, разговаривать с посторонними во время выполнения заданий; Вслух громко зачитывать задания. Во время экзамена студентам разрешено: Использовать бумагу, ручку для ведения записей, расчетов; Использовать калькулятор для ведения расчетов; Запрашивать у преподавателя дополнительную информацию, связанную с выполнением экзаменационного задания; Взаимодействовать с другими студентами по разрешению преподавателя. В случае долговременного нарушения связи с платформами MS Teams и Canvas LMS во время выполнения экзаменационного задания, студент должен уведомить об этом преподавателя, зафиксировать факт потери связи с платформой (скриншот, ответ от провайдера сети Интернет) и обратиться в учебный офис с объяснительной запиской о случившемся для принятия решения о пересдаче экзамена
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 3 модуль
    0.6 * Групповой проект + 0.1 * Аудиторная работа + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Adam Aspin. (2020). Pro Power BI Desktop : Self-Service Analytics and Data Visualization for the Power User: Vol. Third edition. Apress.
  • Aurélien Géron. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow : Concepts, Tools, and Techniques to Build Intelligent Systems: Vol. Second edition. O’Reilly Media.
  • Embarak O. Data Analysis and Visualization Using Python: Analyze Data to Create Visualizations for BI Systems. - Apress, 2018.
  • Маккинни, У. Python и анализ данных / У. Маккинни ; перевод с английского А. А. Слинкина. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2020. — 540 с. — ISBN 978-5-97060-590-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131721 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Миркин Б. Г. - ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ. Учебник и практикум - М.:Издательство Юрайт - 2020 - 174с. - ISBN: 978-5-9916-5009-0 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/vvedenie-v-analiz-dannyh-450262
  • Нестеров С. А. - БАЗЫ ДАННЫХ. Учебник и практикум для вузов - М.:Издательство Юрайт - 2020 - 230с. - ISBN: 978-5-534-00874-6 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/bazy-dannyh-450772
  • Под ред. Мхитаряна В.С. - АНАЛИЗ ДАННЫХ. Учебник для вузов - М.:Издательство Юрайт - 2020 - 490с. - ISBN: 978-5-534-00616-2 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/analiz-dannyh-450166

Рекомендуемая дополнительная литература

  • Joshua N. Milligan. (2019). Learning Tableau 2019 : Tools for Business Intelligence, Data Prep, and Visual Analytics, 3rd Edition. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2092866
  • Кондрашов Ю.Н. - Язык SQL. Сборник ситуационных задач по дисциплине «Базы данных» - Русайнс - 2020 - ISBN: 978-5-4365-4598-1 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/935744
  • Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100905 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Шарден, Б. Крупномасштабное машинное обучение вместе с Python : учебное пособие / Б. Шарден, Л. Массарон, А. Боскетти ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 358 с. — ISBN 978-5-97060-506-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/105836 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.