• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2021/2022

Основы анализа данных в международных отношениях

Лучший по критерию «Новизна полученных знаний»
Статус: Курс обязательный (Международные отношения)
Направление: 41.03.05. Международные отношения
Когда читается: 2-й курс, 1, 2 модуль
Формат изучения: с онлайн-курсом
Онлайн-часы: 50
Охват аудитории: для своего кампуса
Преподаватели: Бурданова Софья Павловна, Бурова Маргарита Борисовна, Кубаева Ассоль Рауфжоновна
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

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

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

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

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Защита домашнего задания
  • неблокирующий Командный проект
  • неблокирующий Онлайн-курс
  • неблокирующий Самостоятельные работы
  • неблокирующий Экзамен (письменный)
  • неблокирующий Бонусные баллы, kahoot
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 2 модуль
    В 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

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.

Авторы

  • Бурова Маргарита Борисовна