Python для анализа данных

Бакалавриат 2020/2021

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Мировая экономика)

Направление: 38.03.01. Экономика

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет мировой экономики и мировой политики

Когда читается: 2-й курс, 4 модуль

Формат изучения: с онлайн-курсом

Преподаватели: Бирюков Валентин Андреевич, Карпов Максим Евгеньевич, Рогович Татьяна Владимировна, Филатов Михаил Михайлович

Язык: русский

Кредиты: 3

Контактные часы: 28

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

На сегодняшний день Python является стандартом индустрии для анализа данных. По окончании этого курса, студенты получат в свое распоряжение набор аналитических инструментов, которые им пригодятся как в академии, так и при работе в частном или государственном секторе. Целью этого курса является развитие навыков программирования и создание крепкой практической базы для анализа и презентации данных. С использованием онлайн-курса "Python для извлечения и обработки данных" (URL: https://www.coursera.org/learn/python-kak-inostrannyj).

Цель освоения дисциплины

Развитие и закрепление навыков программирования на языке Python.
Формирование и развитие навыков работы со специализированными библиотеками для обработки, визуализации и анализа данных (pandas, numpy, plotly, matplotlib, seaborn).
Развитие навыков работы с данными: обработка, визуализация, разведывательный анализ.
Знакомство с задачами линейной и логистической регрессии
Развитие навыков постановки исследовательской задачи и тестирования гипотез с помощью количественных методов

Планируемые результаты обучения

Загружает данные в pandas и работает с ними (фильтрация, агрегация, заполнение пропущенных значений)
Подсчитывает описательные статистики, оценивает распределения, интерпретирует корреляции
Проводит разведывательный анализ данных
Уверенно пользуется языком Python для решения аналитических задач
Выбирает корректные графики для визуализации данных
Выбирает правильный тип визуализации для решения конкретной задачи
Настраивает внешний вид графиков в библиотеках Python для визуализации
Проводит разведывательный анализ данных с помощью визуализаций
Определяет тип задачи регрессии, умеет составлять уравнение регрессии
Разбирается в выборе линейной модели для обучения, используя библиотеки Python
Умеет подсчитывать и интерпретировать метрики качества для задачи регрессии

Содержание учебной дисциплины

Основы программирования в Python
Основные типы и структуры данных. Условные операторы и циклы. Решение алгоритмических задач.
Введение в анализ данных на Python
Обзор задач, для решения которых используется Python. Источники данных и их типы. Линейная алгербра и математическая статистика для анализа данных и машинного обучения. Статистические и математические операции в numpy. Pandas для работы с табличными данными. Разведывательный анализ данных.
Визуализация данных
Цели визуализации данных: разведывательный анализ, выбор алгоритмов, презентация данных и результатов. Виды графиков, их корректное использование и интерпретация. Принципы хорошей визуализации, основные ошибки при вузализации данных. Основы визуализации в matplotlib. Оформление и кастомизация графиков.
Линейная/логистическая регрессия
Постановка задачи регрессии, уравнение регрессии, одномерная и множественная регрессия.

Элементы контроля

Контрольная работа (Питон)
Контрольная может проводиться онлайн в письменной форме с использованием асинхронного прокторинга. Экзамен проводится на платформе Онлайн-образование в НИУ ВШЭ (https://online.hse.ru/), прокторинг на платформе Экзамус (https://hse.student.examus.net).
Мини-опросы на лекциях (среднее всех)
Домашнее задание (среднее всех)
Письменный экзамен (анализ данных)
Экзамен может проводиться онлайн в письменной форме с использованием прокторинга. Экзамен проводится на платформе Онлайн-образование в НИУ ВШЭ (https://online.hse.ru/), прокторинг на платформе Экзамус (https://hse.student.examus.net).
Оценка за онлайн-курс
Онлайн-курс "Python для извлечения и обработки данных" (URL: https://www.coursera.org/learn/python-kak-inostrannyj).

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.4 * Домашнее задание (среднее всех) + 0.2 * Контрольная работа (Питон) + 0.1 * Мини-опросы на лекциях (среднее всех) + 0.1 * Оценка за онлайн-курс + 0.2 * Письменный экзамен (анализ данных)

Программа дисциплины