Основы анализа данных в Python

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Кафедра высшей математики (Общеуниверситетские кафедры)

Статус:

Курс обязательный

Когда читается:

3-й курс, 2 модуль

Преподаватель

Тамбовцева Алла Андреевна

Программа дисциплины

Аннотация

Дисциплина нацелена на развитие навыков обработки количественных данных в Python без углубления в математические основы и статистическую теорию. Элементы статистической теории в этом курсе используются, однако акцент делается на процедурах подготовки данных к анализу (чистка данных, фильтрация, группировка, агрегирование, элементы визуализации), а также использовании и интерпретации коэффициентов корреляции и регрессии (линейной и логистической) - наиболее широко применяемых инструментах анализа данных в социальных науках.

Цель освоения дисциплины

• Освоение базовых инструментов анализа данных в Python. Подготовка к независимому экзамену по анализу данных.

Планируемые результаты обучения

• определять шкалы данных и выбирать подходящие для них способы визуализации и анализа
• уметь вычислять описательные статистики в Python и интерпретировать их
• уметь интерпретировать различные виды графиков
• уметь строить доверительный интервал для доли и для среднего в Python и интерпретировать полученные интервалы
• уметь интерпретировать статистические выдачи из Python
• уметь проверять гипотезы о равенстве доли числу, о равенстве среднего числу и о равенстве средних средствами Python
• уметь вычислять в Python коэффициент корреляции Пирсона и проверять его статистическую значимость
• уметь реализовывать в Python проверку независимости признаков в качественной шкале с помощью критерия хи-квадрат Пирсона
• уметь реализовывать в Python метод k-ближайших соседей
• уметь оценивать в Python модель линейной регрессии и интерпретировать полученные результаты
• уметь оценивать в Python модель логистической регрессии и интерпретировать полученные результаты

Содержание учебной дисциплины

• Описание данных
• Визуализация данных
• Выборочное оценивание
• Проверка статистических гипотез
• Меры связи

Элементы контроля

• Test
  Тест – письменная работа на семинаре по пройденному материалу, включает вопросы с выбором ответа и открытые вопросы с кратким ответом. Во время выполнения теста нельзя пользоваться никакими материалами, можно пользоваться калькулятором. Ориентировочное число тестов на курсе – 5, их число может быть скорректировано в меньшую сторону в случае замедления прохождения некоторых тем.
• Практикум
  Практикум – очная работа на последнем семинаре курса, набор практических задач в формате независимого экзамена по анализу данных (части B и C). Время выполнения – 80 минут, во время практикума можно пользоваться вспомогательным файлом с формулами, перечнем методов и функций Python (предоставляется преподавателем), официальной документацией библиотек.
• Экзамен
  Работа в формате независимого экзамена по анализу данных в рамках тем, рассмотренных на этом курсе. Первая часть работы (часть А) включает теоретические вопросы с выбором ответа, вторая часть работы (часть B) включает практические вопросы, требующие вычислений в Python, третья часть работы (часть С) включает работу с реальными данными с помощью библиотеки pandas в Python.

Промежуточная аттестация

• 2024/2025 2nd module
  0.25 * Test + 0.25 * Практикум + 0.5 * Экзамен

Список литературы

Рекомендуемая основная литература

• Теория вероятностей и математическая статистика для социологов и менеджеров : учебник для вузов, Пашкевич, А. В., 2020

Рекомендуемая дополнительная литература

• Голая статистика : самая интересная книга о самой скучной науке, Уилан, Ч., 2016

Авторы

• Стукал Денис Константинович
• Тамбовцева Алла Андреевна