Анализ данных для лингвистов

2023/2024

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Школа лингвистики

Статус:

Курс по выбору

Когда читается:

4-й курс, 3 модуль

Преподаватель

Мороз Георгий Алексеевич

Программа дисциплины

Аннотация

Задачей курса «Анализ данных для лингвистов» является продолжение знакомства с различными методами анализа данных. Курс разделен на несколько тематических блоков: первый связан с применением байесовских статистических методов (байесовский апдейт, байесовский доверительный интервал, байесовский фактор, байесовкская эмпирическая оценка), второй связан с методами уменьшения размерности (PCA, LDA, CA, MCA), третий блок связан с методами кластеризации (k-means, иерархическая кластеризация, смешанные модели) и последний блок будет посвящен проблемам применения регрессионного анализа (регрессия со смешанными эффектами, обобщённая аддитивная модель).

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

Содержание учебной дисциплины

• Статистические распределения
• Бейесовский вывод
• Байесовский анализ биномиальных и нормально распределенных данных
• Байесовский доверительный интервал
• Уменьшение размерностей: PCA, LDA, CA, DCA, MCA
• Продвинутый регрессионный анализ

Элементы контроля

• HW1
• HW2
• HW3
• Exam

Промежуточная аттестация

• 2023/2024 учебный год 3 модуль
  0.4 * Exam + 0.2 * HW1 + 0.2 * HW2 + 0.2 * HW3

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