Магистратура 2022/2023

Проектный семинар "Data science и обработка данных в маркетинге"

Статус: Курс обязательный (Маркетинг: цифровые технологии и маркетинговые коммуникации)

Направление: 38.04.02. Менеджмент

Кто читает: Департамент маркетинга

Где читается: Высшая школа бизнеса

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Иванова Инга Анатольевна

Прогр. обучения: Маркетинг: цифровые технологии и маркетинговые коммуникации

Язык: русский

Кредиты: 6

Контактные часы: 48

Программа дисциплины

Аннотация

"Data Science и обработка данных в маркетинге" – практико-ориентированная дисциплина, которая дает представление о методах структурирования, очистки и обработки маркетинговых данных, с целью получения ключевой информации. Дисциплина объединяет методы обработки данных, статистические методы исследования, методы интеллектуального анализа данных, формирует навыки аналитического мышления и принятия взвешенных решений. В рамках курса рассматриваются основы интерактивной работы с Python в блокноте Jupiter Notebook, дается представление об основном синтаксисе языка программирования, рассматриваются базовые аналитические пакеты (например: pandas, numpy, matplotlib, seaborn и др.), а также некоторые дополнительные (например: pywhatkit, colorama, sklearn и др.). Уделяется особое внимание базовым и продвинутым способам визуализации полученных данных. Целевой аудиторией являются студенты магистерской программы «Маркетинг: цифровые технологии и маркетинговые коммуникации». В результате освоения данного курса студенты получат теоретические знания и практические навыки, которые позволят им успешно преобразовывать собранные данные в полезную информацию. Владение инструментарием Python аналитики станет хорошим фундаментом будущей карьеры.

Цель освоения дисциплины

• Овладение основами программирования на языке Python в интерактивной среде Jupiter Notebook, освоение основных модулей и библиотек для анализа и обработки данных, выработка базовых навыков структурирования данных и визуализации результатов, получение новых компетенций в области анализа данных.

Планируемые результаты обучения

• - Освоить базовый синтаксис языка программирования Python
• - Освоить основные методы загрузки и очистки данных
• - Научиться правильно применять основные методы обработки и анализа данных
• - Овладеть основными алгоритмами машинного обучения и навыками применения специализированных пакетов для решения прикладных задач
• - Быть способным правильно выбрать способ визуализации в зависимости от задачи
• - Научиться использовать эконометрические методы анализа данных для обоснования решений и прогнозирования траектории дальнейшего развития
• - Научиться правильно интерпретировать результаты машинного анализа данных

Содержание учебной дисциплины

• Знакомство с Python
• Методы описательной статистики
• Визуализация данных с помощью Python
• Моделирование и прогнозирование бизнес процессов

Элементы контроля

• Практическая работа 1
  Проверяются возможности студентов применять на практике изученные методы анализа данных, обосновывать их выбор и презентовать материал.
• Практическая работа 2
• Активность на семинарах
  Учитываются ответы на семинарах
• Контрольная работа
• Опрос
• Онлайн-курс "Статистика для анализа данных"

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.1 * Практическая работа 1 + 0.15 * Практическая работа 2 + 0.05 * Активность на семинарах + 0.3 * Контрольная работа + 0.1 * Онлайн-курс "Статистика для анализа данных" + 0.25 * Опрос

Список литературы

Рекомендуемая основная литература

• Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017
• Python и анализ данных, Маккинли, У., 2015
• Vaingast, S. (2014). Beginning Python Visualization : Crafting Visual Transformation Scripts (Vol. Second edition). Berkeley, CA: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=955063
• Автоматизация рутинных задач с помощью Python : практическое руководство для начинающих, Свейгарт, Э., 2018
• Изучаем Python, Лутц, М., 2014
• Криволапов, С. Я., Статистические вычисления на платформе Jupyter Notebook с использованием Python : учебник / С. Я. Криволапов. — Москва : КноРус, 2021. — 431 с. — ISBN 978-5-406-09106-7. — URL: https://book.ru/book/942479 (дата обращения: 25.08.2023). — Текст : электронный.
• Легкий способ выучить Python 3, Шоу, З. А., 2019
• Мастицкий, С. Э. Визуализация данных с помощью ggplot2 / С. Э. Мастицкий. — Москва : ДМК Пресс, 2017. — 222 с. — ISBN 978-5-97060-470-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107895 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Мэтиз Э. - Изучаем Python. Программирование игр, визуализация данных, веб-приложения. 2-е изд. - 978-5-4461-0479-6 - Санкт-Петербург: Питер - 2017 - 355480 - https://ibooks.ru/bookshelf/355480/reading - iBOOKS

Рекомендуемая дополнительная литература

• Dr. Ossama Embarak. (2018). Data Analysis and Visualization Using Python : Analyze Data to Create Visualizations for BI Systems. Apress.
• Keith McNulty. (2021). Handbook of Regression Modeling in People Analytics : With Examples in R and Python. Chapman and Hall/CRC.
• Python 3, Прохоренок, Н. А., 2016
• Python для сложных задач: наука о данных и машинное обучение : пер. с англ., Плас, Дж. Вандер, 2019
• Schneider, D. I. (2016). An Introduction to Programming Using Python, Global Edition: Vol. Global edition. Pearson.
• Анализ поведенческих данных на R и Python : как улучшить бизнес-результаты на основе данных клиентов, Бюиссон, Ф., 2022

Авторы

• Иванова Инга Анатольевна