Modern Methods of Decision Making and Data Analysis

2023/2024

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Mathematics

Course type:

Elective course

When:

1 year, 3 module

Instructors

Aleskerov, Fuad T.

Volsky, Vladimir I.

Egorova, Lyudmila G.

Rubchinskiy, Alexander

Tkachev, Daniil

Chubarova, Daria

Программа дисциплины

Аннотация

В современных условиях развития общества мы живем в условиях цифровой экономики. Поэтому каждый член общества должен знать как принимать разумные решения в сложных ситуациях и обладать знаниями по основным инструментальным методам цифровой экономики. Предлагаемый курс призван восполнить пробелы в знаниях в этой области. Целью дисциплины «Современные методы принятия решений и анализа данных» является ознакомление студентов с основными методами анализа данных, математического моделирования и принятия решений применительно к решению задач в социально-экономической, финансовой и банковской сферах. Полученные теоретические модели сопровождаются многочисленными практическими применениями в самых разных отраслях цифровой экономики: оценке эффективности функционирования фирм, банков и университетов, задачах найма персонала, построения справедливого дележа наследства и разрешения спорных ситуаций, анализа сетевых моделей взаимодействия участников в сетях миграции и задаче продовольственной безопасности, выявления предпочтений потребителей и построения оптимизационных моделей в разных постановках. Курс предполагает групповую и индивидуальную работу над различными проектами, связанными с реальными прикладными задачами.

Цель освоения дисциплины

• знать теоретические основы современных моделей в задачах принятия решений
• уметь оценивать данные, выявлять закономерности в них,
• иметь навыки математического моделирования различных задач в области социальных, экономических и политических процессов

Планируемые результаты обучения

• Студент должен знать: - свойства выпуклых функций; - свойства выпуклых задач оптимизации; - необходимые и достаточные условия оптимальности в выпуклых задачах; теорему Куна – Таккера; - примеры задач выпуклого программирования.
• знает и умеет применять основные методы классификации и кластеризации данных, оценивать качество классификации
• знает и умеет применять различные методы принятия решений в многокритериальных задачах
• знает и умеет применять различные методы решения многокритериальных задач
• знает различные процедуры принятия коллективных решений
• знает этапы процесса принятия решений
• может найти множество Парето-оптимальных точек в многокритериальной задаче
• способен определить тип критерия (количественный или качественный), знает какие операции можно проводить с этими типами, какие преобразования допустимы для этих типов
• умеет оценивать влияние участников группы с помощь. индексов влияния Банцафа, Джонстона, Шепли-Шубика, Дигена-Пакела, альфа-индексов (с учетом предпочтений по созданию коалиций)
• умеет строить и оценивать формализованные математические модели, описывающие реальные ситуации
• Знает базовые понятия линейного программирования. Умеет решать типовые задачи.
• знает постановки сетевых экономических задач и методов их решения, в том числе с помощью теоретико-игрового экономического анализа.

Содержание учебной дисциплины

• Методы принятия решений в современных экономических системах
• Многокритериальные задачи принятия решений
• Методы анализа данных в экономических задачах
• Выявление предпочтений потребителей
• Обобщенные паросочетания, наём персонала
• Задачи справедливого дележа: от раздела имущества до решения конфликтов и территориальных споров
• Влияние в группах. Анализ распределения влияния в парламентах, банках, МВФ.
• Графы и сети
• Оптимизационные модели. Линейное программирование
• Оптимизационные модели на графах

Элементы контроля

• Домашнее задание
• Экзамен

Промежуточная аттестация

• 2023/2024 учебный год 3 модуль
  0.6 * Домашнее задание + 0.4 * Экзамен

Список литературы

Рекомендуемая основная литература

• Chapman, C., & Feit, E. M. (2019). R For Marketing Research and Analytics (Vol. Second edition). Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2093001
• Алескеров, Ф. Т. Бинарные отношения, графы и коллективные решения : учебное пособие / Ф. Т. Алескеров, Э. Л. Хабина, Д. А. Шварц. — 2-е изд. — Москва : ФИЗМАТЛИТ, 2012. — 344 с. — ISBN 978-5-9221-1363-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/59762 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Бинарные отношения, графы и коллективные решения : учеб. пособие, Алескеров, Ф. Т., 2012
• Исследование операций в экономике : учебник для вузов / под редакцией Н. Ш. Кремера. — 4-е изд., перераб. и доп. — Москва : Издательство Юрайт, 2020. — 414 с. — (Высшее образование). — ISBN 978-5-534-12800-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/460143 (дата обращения: 28.08.2023).
• Миркин, Б. Г.  Введение в анализ данных : учебник и практикум / Б. Г. Миркин. — Москва : Издательство Юрайт, 2020. — 174 с. — (Высшее образование). — ISBN 978-5-9916-5009-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/450262 (дата обращения: 28.08.2023).

Рекомендуемая дополнительная литература

• Aleskerov, F., Meshcheryakova, N., & Shvydun, S. (2016). Centrality measures in networks based on nodes attributes, long-range interactions and group influence.
• Рубчинский, А. А.  Методы и модели принятия управленческих решений : учебник и практикум для вузов / А. А. Рубчинский. — Москва : Издательство Юрайт, 2020. — 526 с. — (Высшее образование). — ISBN 978-5-534-03619-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/450325 (дата обращения: 28.08.2023).