Основы анализа данных

2023/2024

Статус: Маго-лего

Кто читает: Департамент компьютерной инженерии

Когда читается: 1 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Поляков Константин Львович

Язык: русский

Кредиты: 3

Контактные часы: 28

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.
Модель линейной регрессии (МЛР).
Метод наименьших квадратов и линейная регрессия. Статистические свойства МНК оценки параметров МЛР.
Анализ значимости регрессоров. Прогнозирование.
Нарушение основных гипотез МЛР.
Проверка гипотез о свойствах объектов и явлений с помощью МЛР.

Элементы контроля

Работа на семинарах
Самостоятельная работа
Итоговое тестирование

Промежуточная аттестация

2023/2024 1st module
0.2 * Итоговое тестирование + 0.3 * Работа на семинарах + 0.5 * Самостоятельная работа

Программа дисциплины