Основы анализа данных в Python

Бакалавриат 2023/2024

Статус: Курс обязательный (Политология)

Направление: 41.03.04. Политология

Кто читает: Кафедра высшей математики

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 1, 2 модуль

Формат изучения: с онлайн-курсом

Онлайн-часы: 24

Охват аудитории: для своего кампуса

Преподаватели: Тамбовцева Алла Андреевна

Язык: русский

Кредиты: 3

Контактные часы: 36

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Дисциплина нацелена на развитие навыков обработки количественных данных в Python без углубления в математические основы и статистическую теорию. Элементы статистической теории в этом курсе используются, однако акцент делается на процедурах подготовки данных к анализу (чистка данных, фильтрация, группировка, агрегирование, элементы визуализации), а также использовании и интерпретации коэффициентов корреляции и регрессии (линейной и логистической) - наиболее широко применяемых инструментах анализа данных в социальных науках.

Цель освоения дисциплины

Освоение базовых инструментов анализа данных в Python. Подготовка к независимому экзамену по анализу данных.

Планируемые результаты обучения

определять шкалы данных и выбирать подходящие для них способы визуализации и анализа
уметь вычислять описательные статистики в Python и интерпретировать их
уметь интерпретировать различные виды графиков
уметь строить доверительный интервал для доли и для среднего в Python и интерпретировать полученные интервалы
уметь интерпретировать статистические выдачи из Python
уметь проверять гипотезы о равенстве доли числу, о равенстве среднего числу и о равенстве средних средствами Python
уметь вычислять в Python коэффициент корреляции Пирсона и проверять его статистическую значимость
уметь реализовывать в Python проверку независимости признаков в качественной шкале с помощью критерия хи-квадрат Пирсона
уметь реализовывать в Python метод k-ближайших соседей
уметь оценивать в Python модель линейной регрессии и интерпретировать полученные результаты
уметь оценивать в Python модель логистической регрессии и интерпретировать полученные результаты

Содержание учебной дисциплины

Введение в выборочные обследования
Описание данных
Визуализация данных
Выборочное оценивание
Проверка статистических гипотез
Меры связи
Введение в машинное обучение
Примеры прогнозирования в машинном обучении: линейная регрессия
Примеры классификации в машинном обучении: логистическая регрессия

Элементы контроля

Домашнее задание
Набор заданий по обработке и анализу данных в Python (сдается в виде ipynb-файлов с кодом и текстом).
Тест
Письменный тест с заданиями в формате независимого экзамена по анализу данных по пройденным темам (вопросы с выбором ответа, вопросы на поиск соответствий, вопросы с кратким ответом). Во время выполнения теста нельзя пользоваться никакими материалами.
Контрольная работа
Письменная работа на 80 минут в формате независимого экзамена по пройденным темам. Включает две части: тестовая (задания на бумаге без использования компьютера) и практическая (задания на обработку и анализ данных в Python).
Экзамен
Письменный экзамен в формате независимого экзамена по анализу данных (офлайн). Продолжительность экзамена 150 минут.

Промежуточная аттестация

2023/2024 учебный год 2 модуль
0.28 * Домашнее задание + 0.21 * Контрольная работа + 0.21 * Тест + 0.3 * Экзамен

Список литературы

Авторы

Стукал Денис Константинович
Тамбовцева Алла Андреевна

Программа дисциплины