Анализ данных на Python: примеры и задачи для бизнеса

2022/2023

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

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

Статус: Дисциплина общефакультетского пула

Кто читает: Департамент экономики

Когда читается: 2, 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Лезина Татьяна Андреевна, Юркин Андрей Андреевич

Язык: русский

Кредиты: 3

Контактные часы: 32

Полная версия программы учебной дисциплины

Аннотация

Курс «Анализ данных на Python: примеры и задачи для бизнеса» - курс от ПАО «Газпромнефть» - партнеров ОП «Экономика», который читается для сотрудников компании. Студентам ОП Экономика предлагается прослушать этот курс и выполнить предлагаемые практические задания. Курс отличает глубокое изложение теории и ее применение для решения практических задач. После прохождения курса студенты получат навыки по определению целей, задач анализа данных, этапов проведения исследования; знание методов и инструментов анализа данных и машинного обучения и их применения в решении бизнес-задач; знания об использовании результатов анализа данных в процессе принятия решений и улучшения существующих бизнес-процессов.

Цель освоения дисциплины

Понимание работы методов анализа данных, практический опыт применения изученных методов

Планируемые результаты обучения

навыки работы с диаграммами
знания и навыки применения кластерного анализа для больших данных
знания и навыки проверки статистических гипотез для анализа больших данных
знания и навыки применения линейного регрессионного анализа для решения практических задач по анализу больших данных
знания и навыки прогнозирования на основе регрессионной модели с сезонными индикаторами для решения практических задач
знания и навыки применения метола к-го ближайшего соседа для решения практических задач
знания и навыки применения деревьев классификации CART для анализа больших данных

Содержание учебной дисциплины

Визуализация, описательные статистики.
Кластерный анализ.
Проверка статистических гипотез.
Линейный регрессионный анализ.
Прогнозирование на основе регрессионной модели с сезонными индикаторными (фиктивными, структурными) переменными.
Метод к-го ближайшего соседа.
Деревья классификации CART.

Элементы контроля

Лабораторная работа 1. Проверка гипотез.
Для предлагаемого массива данных подготовить данные для анализа, сформулировать гипотезы, полезные для бизнеса, проинтерпретировать полученные результаты.
Лабораторная работа 2. Кластеризация наблюдений
Дан массив данных. Подготовить данные для анализа. Проанализировать данные с помощью кластерного анализа. Обосновать количество выбранных кластеров. Проинтерпретировать полученные кластеры
Лабораторная работа 3. Моделирование сезонных данных.
Дан массив данных. Подготовить данные для анализа. Определить вид сезонности. Построить модель поведения зависимой переменной с учетом сезонного фактора. Оценить качество и предложить интерпретацию полученного результата.

Промежуточная аттестация

2022/2023 учебный год 3 модуль
Орезульт. = (О лабор.1+ О лабор.2+ О лабор.3)/3

Программа дисциплины