Кто читает:: Департамент больших данных и информационного поиска

Статус:: Курс обязательный

Когда читается:: 3-й курс, 1, 2 модуль

Преподаватели

Бакшук Матвей Вячеславович

Перевышина Татьяна Олеговна

Полная версия программы учебной дисциплины

Аннотация

Данный курс направлен на формирование компетенций у студентов в области статистики и анализа данных. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных. Дисциплина реализуется с помощью онлайн-курса «Учебник по Анализу данных (Начальный)» в SmartLMS (https://edu.hse.ru/course/view.php?id=136231).

Цель освоения дисциплины

Целью освоения дисциплины «Анализ данных» является овладение студентами основами статистики и анализа данных для применения в решении различных практических задач.

Планируемые результаты обучения

Понимать и корректно использовать основные статистические понятия
Фильтровать данные по нескольким условиям
Создавать сводные таблицы
Вычислять коэффициент корреляции Пирсона и интерпретировать полученные результаты
Вычислять релевантные описательные статистики и интерпретировать полученные результаты
Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой
Сортировать данные
Переводить значения признака в z-оценки
Обрабатывать пропущенные значения и выбросы
Корректно открывать табличные данные различных форматов
Использовать собственноручно написанные функции для обработки данных, создания новых переменных
Использовать Python в применении к анализу данных

Содержание учебной дисциплины

Введение в инструменты
Введение в статистику. Базовые манипуляции с данными
Типы данных. Создание новых переменных
Генеральная совокупность и выборка. Частотные таблицы и распределения
Описательные статистики: меры центральной тенденции и разброса
Z-оценка. Выбросы
Корреляция
Введение в визуализацию данных
Продвинутая визуализация данных
Линейная регрессия

Элементы контроля

Мини-тесты
10-15 минутные тесты, проводимые в начале лекций по пройденному материалу онлайн-курса. Каждый тест оценивается по 10-балльной шкале, в итоговую оценку идет среднее всех тестов. Множественное задание: состоит из 3 -5 оцениваемых заданий. Синхронный элемент контроля.
Контрольная работа - 1
Проводится онлайн с демонстрацией экрана и прокторингом с двумя камерами. Контрольная, основанная на Спецификации НЭ по Анализу данных 2024-25 года начального уровня. В контрольную входит задания, аналогичные части заданий варианта НЭ, на решение которых отводится 60 минут. Оценивается по 10-балльной шкале. Спецификация и демонстрационный вариант заданий опубликованы и доступны в курсе подготовки к НЭ по Анализу данных. Подлежит обязательной пересдаче при ликвидации академической задолженности. Синхронный элемент контроля.
Контрольная работа - 2
Проводится онлайн с демонстрацией экрана и прокторингом с двумя камерами. Контрольная, основанная на Спецификации НЭ по Анализу данных 2024-25 года начального уровня. В контрольную входит задания, аналогичные части заданий варианта НЭ, на решение которых отводится 80 минут. Оценивается по 10-балльной шкале. Спецификация и демонстрационный вариант заданий опубликованы и доступны в курсе подготовки к НЭ по Анализу данных. Подлежит обязательной пересдаче при ликвидации академической задолженности. Синхронный элемент контроля.
Домашнее задание
Вместе с заданием выдаются требования к результатам и сообщается максимальный балл за выполнение каждого из требований. Итоговая оценка за работу вычисляется как сумма набранных баллов или по правилам, прописанным в тексте работы, при их наличии. За задания могут выставляться частичные баллы в соответствие с долей выполненного задания, если критерии сформулированы в тексте задания. Домашнее задание: асинхронный элемент контроля. Оценивается по 10-балльной шкале.

Промежуточная аттестация

2024/2025 2nd module
0,2ДЗ+0,25КР1+0,25КР2+0,3Мин.Тесты

Список литературы

Авторы

Королева Анастасия Романовна
Карпов Максим Евгеньевич
Бурова Маргарита Борисовна

Бакалаврская программа «Современное искусство»

Контакты

Анализ данных на Python

Преподаватели

Программа дисциплины