Введение в Науку о данных

Магистратура 2020/2021

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Цифровые методы в гуманитарных науках)

Направление: 46.04.01. История

Кто читает: Кафедра гуманитарных дисциплин (Пермь)

Где читается: Социально-гуманитарный факультет (Пермь)

Когда читается: 1-й курс, 1-3 модуль

Формат изучения: без онлайн-курса

Преподаватели: Бузмаков Алексей Владимирович, Гагарина Динара Амировна, Сенина Анна Васильевна, Чунарева Светлана Федоровна

Прогр. обучения: Цифровые методы в гуманитарных науках

Язык: русский

Кредиты: 8

Контактные часы: 86

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Дисциплина представляет собой вводный курс в Data Science. Он включает в себя изучение необходимых для дальнейшей работы основ математики, прежде всего математической статистики, овладение необходимым инструментарием SPSS и Python; основных задач анализа данных и машинного обучения (регрессия, классификация, кластеризация), методы анализа текстовых данных.

Цель освоения дисциплины

Цель дисциплины «Введение в науку о данных» – формирование теоретических и практических компетенций в следующих областях: математическая статистика и методы количественного анализа данных; технологии анализа данных, связанные с манипуляцией большими объемами данных (сбор, очистка, подбор подходящей структуры для формального представления) и методами их визуализации; прикладные навыки в области машинного обучения.

Планируемые результаты обучения

Знает основные понятия матема-тической статистики, использует программные средства для ста-тистического анализа.
Демонстрирует навыки визуализации данных.
Умеет применить основные методы машинного обучения для решения задач предметной области, может сделать выводы по результатам проделанной работы.

Содержание учебной дисциплины

Раздел 1. Основы математики
Элементы математического анализа, множества, функции, графики функции, аппроксимация, дифференциальное исчисление. Элементы линейной алгебры, понятие вектора, матрицы, метрики. Основы теории вероятностей и математической статистики. Базовые понятия статистики (выборка, распределение, среднее, мода и медиана, доверительные интервалы, дисперсия и среднеквадратическое отклонение). Методы проверки гипотез. Сбор и подготовка данных для анализа. Работа с Excel, SPSS, Python.
Раздел 2. Методы визуализации данных: диаграммы рассеяния, визуализация погрешностей, гистограммы.
Методы визуализации малоразмерных данных. Методы анализа многомерных данных (метод главных компонент и многомерное шкалирование).
Раздел 3. Основные задачи и методы машинного обучения.
Классические задачи машинного обучения: регрессия, классификация, кластеризация. Основы глубинного обучения для анализа текстовых данных.

Элементы контроля

Проект в рамках 2 и 3 раздела
Письменный отчёт с постановкой задачи, её решение методами, обсуждаемыми на курсе, и выводы о полученных результатах.
Экзамен
Экзамен по дисциплине пройдет онлайн (в zoom) в период сессии 3-го модуля.
Работа на аудиторных занятиях в рамках первого раздела

Промежуточная аттестация

Промежуточная аттестация (3 модуль)
0.4 * Проект в рамках 2 и 3 раздела + 0.2 * Работа на аудиторных занятиях в рамках первого раздела + 0.4 * Экзамен

Программа дисциплины