Data Analysis for Linguists

2025/2026

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

School of Linguistics

Course type:

Elective course

When:

3 year, 3 module

Instructor

Moroz, George

Программа дисциплины

Аннотация

Задачей курса «Анализ данных для лингвистов» является продолжение знакомства с различными методами статистики и анализа данных. Курс сконцентрирован вокруг применения байесовских методов: начиная от работы с различными распределениями и методами нахождения их параметров до применения байесовского регрессионного анализа.

Цель освоения дисциплины

• знать особенности работы R, основные особенности анализа различных типов данных
• познакомиться с основами методами анализа данных
• владеть навыками самостоятельного анализа данных, а также критической интерпретации анализа данных, представленной в научных работах

Планируемые результаты обучения

• Владеет методами визуализации данных
• Владеет методами обработки данных
• Владеет методом анализа строк
• Владеет основами языка программирования R
• Знает лингвистические пакеты на R
• Знает, чем наука о данных отличается от машинного обучения и статистики
• Знает и применяет понятие коэффициента Байеса
• Знает и использует понятие байесовского доверительного интервала
• Владеет понятием байесовский статистический вывод
• Владеет понятием и умеет применять модели смеси распределений
• Владеет и применяет метод максимального правдоподобия
• Владеет понятиями моментов статистических распределений и умеет симулировать распределния в R
• Понимает и может применить методы эмпирической байесовской оценки
• Понимает и применяет A/B тестирования
• Понимает понятие Марковской цепи Монте-Карло
• Понимает ограничения на применение регрессии
• Умеет применять и интерпретировать байесовский регрессионный анализ
• Применяет и интерпретирует байесовскую логистическую регрессию

Содержание учебной дисциплины

• Статистические распределения
• Метод максимального правдоподобия
• Модели смеси распределений
• Байесовский статистический вывод
• Байесовский доверительный интервал
• Коэффициент Байеса
• Эмпирическая байесовская оценка
• A/B тестирование
• Введение в Марковские цепи Монте-Карло
• Ограничения на применение регрессии
• Байесовский регрессионный анализ
• Введение в логистическую регресиию

Элементы контроля

• Распределения, mle
• Экзамен
• байесовский апдейт, регрессия
• Байесовский апдейт

Промежуточная аттестация

• 2025/2026 3rd module
  0.2 * Байесовский апдейт + 0.2 * Распределения, mle + 0.4 * Экзамен + 0.2 * байесовский апдейт, регрессия

Список литературы

Рекомендуемая основная литература

• Fox, J., Jr, & Weisberg, H. S. (2010). An R Companion to Applied Regression. Thousand Oaks: SAGE Publications, Inc. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1236075
• R for data science : import, tidy, transform, visualize, and model data, Wickham, H., 2017

Рекомендуемая дополнительная литература

• An R companion to applied regression, Fox, J., 2011
• Wickham, H., & Grolemund, G. (2016). R for Data Science : Import, Tidy, Transform, Visualize, and Model Data (Vol. First edition). Sebastopol, CA: Reilly - O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1440131

Авторы

• Мороз Георгий Алексеевич
• Дьячкова Анна Евгеньевна