Основы анализа данных

Бакалавриат 2022/2023

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Экономика)

Направление: 38.03.01. Экономика

Кто читает: Департамент экономики и финансов

Где читается: Факультет менеджмента (Пермь)

Когда читается: 2-й курс, 3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Кирпищиков Дмитрий Андреевич, Шенкман (Попова) Евгения Андреевна

Язык: русский

Кредиты: 4

Контактные часы: 32

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных специально для студентов образовательной программы «Экономика» и направлен на формирование компетенций в области статистики и анализа данных. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных. Также будут рассмотрены темы, связанные с основами машинного обучения. Практические занятия по курсу проводятся на языке программирования R. Дисциплина реализуется с помощью онлайн-курса «Статистика для анализа данных» (https://edu.hse.ru/course/view.php?id=136232), а также с применением интерактивных занятий на языке R на платформе DataCamp (www.datacamp.com).

Цель освоения дисциплины

Знакомство c языком программирования R
Умение импортировать данные и проводить базовую предобработку данных для дальнейшего анализа в языке программирование R
Знать и применять основные методы базового анализа данных, понимать применимость и ограничение этих методов

Планируемые результаты обучения

● Корректно открывать табличные данные различных форматов, работать с ними.
● Визуализировать данные с помощью различных диаграмм: тепловой карты, ящика с усами и других.
Понимать и корректно использовать основные статистические понятия
Фильтровать данные по нескольким условиям
Вычислять релевантные описательные статистики и интерпретировать полученные результаты
Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой
Уметь реализовывать все шаги проверки статистических гипотез
Применять параметрические статистические критерии для проверки гипотез
Применять непараметрические статистические критерии для проверки гипотез
Создавать интерактивные визуализации
Использовать R в применении к анализу данных
Сортировать данные
Уметь применять функции пакета dplyr на языке программирования R
Уметь идентифицировать типы данных
Уметь строить гистограмму и полигон, различать необходимость их применения
Переводить значения признака в z-оценки
Обрабатывать пропущенные значения и выбросы
Строить уравнение линейной регрессии с использованием метода наименьших квадратов
Оценивать качество модели линейной регрессии с помощью релевантных метрик
Оценивать качество модели логистической регрессии с помощью релевантных метрик
Строить модель логит, интерпретировать коэффициенты
Решать задачу классификации с использованием KNN
Оценивать качество модели классификации с помощью релевантных метрик

Содержание учебной дисциплины

Введение в инструменты и Базовые манипуляции с данными
Типы данных и Описательные статистики
Генеральная совокупность и выборка. Частотные таблицы и распределения
Z-оценка. Выбросы и Корреляция
Визуализация
Введение в тестирование гипотез. Параметрические и непараметрические критерии.
Линейная и логистическая регрессия
Введение в машинное обучение

Элементы контроля

Экзамен
Эзамен представляет собой 60-минутную письменную работу, которая включает в себя (1) тестовые задания открытого типа; (2) тестовые задания закрытого типа; (3) интерпретация результатов работы алгоритма на языке программирования R
Микроконтроль
Оценка за микроконтроли рассчитывается как среднее арифмитеческое отдельных микроконтролей, всего из будет проведено около 8-10. Обычно микроконтроль проводится в начале семинара или лекции в течение 5-7 минут, включает в себя вопросы по пройденному материалу
Самостоятельная работа
Студентам предлагаются к прохождению обязательные курсы и дополнительные курсы на площадке DataCamp
Проект
Проект представляет с собой расчетную работу студентов на базе данных, выбранной студентами. Проект имеет жесткую структуру и ограниченное количество инструментов, которые могут быть применимы. Проект выполняется в группах не более 2-3х человек.
Отчеты
По итогам части семинаров студенты оформляют отчет о проделанной работе. Оценка за отчеты составляет среднее арифметическое всех отчетов

Промежуточная аттестация

2022/2023 учебный год 3 модуль
0.15 * Микроконтроль + 0.4 * Экзамен + 0.15 * Отчеты + 0.1 * Самостоятельная работа + 0.2 * Проект

Список литературы

Авторы

Шенкман Евгения Андреевна

Программа дисциплины