Наука о данных для бизнеса

2022/2023

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент бизнес-информатики

Статус:

Курс обязательный

Когда читается:

1-й курс, 1 модуль

Преподаватель

Богданова Татьяна Кирилловна

Программа дисциплины

Аннотация

Формирование у слушателей системного взгляда на возможности и ограничения машинного обучения и практического опыта использования алгоритмов анализа данных для решения бизнес-задач в различных экономических сферах. Задачи: • Сформировать теоретические и методологические основы дата-аналитического мышления, понимание основных методов и моделей анализа данных; • Получение практических навыков использования алгоритмов анализа данных, выбор оптимальных методов и моделей для решения широкого спектра задач; • Получение навыка работы с базовыми инструментами Data Science для применения на практике; • Формирование навыков работы с дата-исследователями и управления проектами в области data science. Дисциплина является прикладной и предполагает работу с бизнес-данными на основе кейсов с использованием low-code платформ для решения задач описательной, прогнозной и предписывающей аналитики.

Цель освоения дисциплины

• Формирование у студентов системного взгляда на возможности и ограничения применения машинного обучения. Приобретение практического опыта использования алгоритмов анализа данных и базовых инструментов обработки данных для решения бизнес-задач в различных отраслях экономики.

Планируемые результаты обучения

• Понимание специфики работы с дата-исследователями и управления проектами в области Data Science.
• Применение на практике базовых инструментов дата-аналитика.
• Умение находить решение бизнес-задач с использованием методов и моделей анализа данных .
• Формирование у студента дата-аналитического мышления, понимания необходимости использования Data Science для повышения эффективности бизнеса.

Содержание учебной дисциплины

• Введение в науку о данных.
• Решение бизнес-проблем с помощью Data Science: базовые методики и модели.
• Инструменты для анализа и обработки данных.
• Управление Data Science проектами.

Элементы контроля

• Решение задач на семинарских занятиях. Мини-тесты по материалам занятий (1)
• Итоговое тестовое задание, включающее ответы на теоретические вопросы и решение задач.
• Решение задач на семинарских занятиях. Мини-тесты по материалам занятий (2)

Промежуточная аттестация

• 2022/2023 учебный год 1 модуль
  0.5 * Итоговое тестовое задание, включающее ответы на теоретические вопросы и решение задач. + 0.25 * Решение задач на семинарских занятиях. Мини-тесты по материалам занятий (1) + 0.25 * Решение задач на семинарских занятиях. Мини-тесты по материалам занятий (2)

Список литературы

Рекомендуемая основная литература

• Computer age statistical inference : algorithms, evidence, and data science, Efron, B., 2017
• Data analysis using SAS, Peng, C. Y. J., 2009
• Data Science : наука о данных с нуля, Грас, Дж., 2018
• Data science for business, Provost, F., 2013
• Methods for Data science. Vol.1: Introductory applied mathematics, Godfrey, J., 2015
• Methods for Data science. Vol.2: Problems and solutions for volume 1, Godfrey, J., 2015
• Segmentation and lifetime value models : Using SAS, Malthouse, E. C., 2013
• Блистательный Agile : гибкое управление проектами с помощью Agile, Scrum и Kanban, Коул, Р., 2019
• Гибкое управление проектами и продуктами, Вольфсон, Б., 2017
• Практическая статистика для специалистов Data Science : 50 важнейших понятий: пер. с англ., Брюс, П., 2018

Рекомендуемая дополнительная литература

• Data analysis using SAS Enterprise Guide, Meyers, L. S., 2009
• Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017
• R for data science : import, tidy, transform, visualize, and model data, Wickham, H., 2017