Бакалавриат
2021/2022![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Основы анализа данных в международных отношениях
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Международные отношения)
Направление:
41.03.05. Международные отношения
Где читается:
Факультет мировой экономики и мировой политики
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
с онлайн-курсом
Онлайн-часы:
50
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
4
Контактные часы:
32
Программа дисциплины
Аннотация
Умение понимать, интерпретировать и презентовать данные является важным навыком в современном мире. Целью данного курса является дать слушателям основные инструменты для того, чтобы уметь критически анализировать результаты исследований, а также уметь описывать, визуализировать и презентовать такую информацию. Курс можно разбить на две части. В первой части мы научимся собирать данные с новостных сайтов (по определенной тематике или отрасли), формировать из них базу статей в виде таблицы и затем будем учиться работать с табличными данными – загружать и обрабатывать их, заполнять пропуски, считать описательные статистики. Вторая часть курса посвящена визуализации данных. Мы поговорим о том, как строить наглядные графики, как делать наши визуализации более эффективными и избегать искажения информации. Задание по сбору статей в рамках своей исследовательской задачи в журналистике, последующей их обработке и визуализации данных и защита полученного продукта в виде аналитической заметки станут финальным проектом курса.
Цель освоения дисциплины
- Обучение студентов основам программирования на языке Python, а также получение студентом целостного представления о возможностях и ограничениях современных статистических методов.
Планируемые результаты обучения
- Замечать ошибки, допущенные при визуализации данных (искажение трендов и информации и т.д.) и избегать их при создании своих визуализаций
- Знать основные структуры данных и парадигмы программирования
- Знать синтаксис и семантику основных конструкций языка программирования Python
- Интерпретировать результаты простых экспериментальных исследований и опросов
- Корректно понимать основную статистическую терминологию
- Различать плохие примеры визуализации данных и уметь обосновывать свое мнение
- Считать базовые описательные статистики (меры центральности, разброса и т.д.)
- Уметь собирать, предобрабатывать и визуализировать данные и выводить их описательные статистики
- Уметь формулировать аналитическую задачу и реализовывать ее выполнение на Python
Содержание учебной дисциплины
- Практика по визуализации данных в Tableau
- Визуализация данных: особенности восприятия, лучшие практики и ошибки
- Введение в статистику и работу с данными
- Повторение основ программирования на Python
Элементы контроля
- Домашнее задание
- Защита домашнего задания
- Командный проект
- Онлайн-курс
- Самостоятельные работы
- Экзамен (письменный)
- Бонусные баллы, kahoot
Промежуточная аттестация
- 2021/2022 учебный год 2 модульВ случае, если полученная по формуле оценка меньше или равна 10, то она выставляется как итоговая. Если полученная по формуле оценка более 10, то в качестве итоговой оценки выставляется оценка 10.
Список литературы
Рекомендуемая основная литература
- Lutz, M. (2008). Learning Python (Vol. 3rd ed). Beijing: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=415392
Рекомендуемая дополнительная литература
- Frederick J Gravetter, Larry B. Wallnau, Lori-Ann B. Forzano, & James E. Witnauer. (2020). Essentials of Statistics for the Behavioral Sciences, Edition 10. Cengage Learning.