2023/2024

Методы интерпретации и визуализации данных

Статус: Маго-лего

Кто читает: Департамент информатики

Когда читается: 2, 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Зверев Светослав Игоревич

Язык: русский

Кредиты: 6

Контактные часы: 72

Программа дисциплины

Аннотация

Цель курса - дать слушателям основные инструменты для того, чтобы уметь критически анализировать результаты исследований, уметь описывать, визуализировать и презентовать данные. Студенты познакомятся с языком R - универсальным инструментом анализа и визуализации данных и машинного обучения, обладающим большим и дружелюбным сообществом. Будут освоены методы обработки данных разных типов (чисел, категорий, строк, дат), создания полезных визуализаций результатов и эффективные воспроизводимые отчёты и интерактивные презентации. В результате освоения курса студенты будут способны быстро и эффективно провести исследование данных, графически исследовать ключевые закономерности и представить их в виде интерактивного отчета или дашборда, построить базовые предсказательные модели.

Цель освоения дисциплины

• Формирование у слушателей знаний относительно методов и подходов к анализу и представлению данных.
• Формирование у слушателей знаний о синтаксисе, основных объектах и функциях языка R.
• Формирование навыка анализа и визуализации данных с помощью функционала языка R.

Планируемые результаты обучения

• Визуализирует имеющуюся информацию с помощью различных инструментов.
• Применять основные методы анализа данных в математической статистике и машинном обучении.
• Подбирает наиболее подходящий инструмент анализа данных в соответствие с практической целесообразностью.
• Воспроизводит основы синтаксиса, перечень основных объектов и функций в языке R.
• Определяет параметры данных, значимых для проведения анализа данных.
• Воспроизводит основные методы анализа данных в математической статистике и машинном обучении.
• Интерпретирует наиболее эффективный инструмент анализа данных исходя из структуру данных и поставленной задачи.
• Анализирует значимые (интегральные) параметры данных исходя из структуры данных и поставленной задачи.
• Формирует отчетность по итогам анализа данных.
• Располагает навыком написания на языке R кода, реализующего следующие действия: создания объектов, загрузка данных, обработка данных, корректировка данных, анализ полученных данных, визуализация данных, представление полученных данных.
• Располагает навыком решения практического задания (кейса) от этапа анализа структуры данных, отрасли экономики, к которым эти данные относятся, до загрузки, обработки и выдачи на основании данных результата в виде рекомендации по принятию управленческого решения.

Содержание учебной дисциплины

• Тема 1. Вводное занятие
• Тема 2. Методы математической статистики для анализа данных.
• Тема 3. Методы машинного обучения для анализа данных
• Тема 4. Выбор значимых параметров при анализе данных
• Тема 5. Демонстрация практических примеров анализа данных
• Тема 6. Препроцессинг данных
• Тема 7. Интерполяция и экстраполяция данных
• Тема 8. Сглаживание данных
• Тема 9. Графическое представление данных
• Тема 10. Формирование отчетности по итогам анализа данных
• Тема 11. Синтаксис языка R, основные объекты данных в R
• Тема 12. Загрузка данных в языке R
• Тема 13. Условный оператор в языке R
• Тема 14. Циклы в языке R
• Тема 15. Математические операции в языке R
• Тема 16. Практическая проектная работа

Элементы контроля

• Посещаемость занятий
  В рамках курса планируется 14 занятий. За каждое посещенное занятие студент получает 1/10 балла. Если студент пропустил занятие по болезни, оно исключается из расчета и не учитывается при подсчете балла (то есть общий балл делится на меньшее количество занятий).
• Активность на занятиях
  За активное участие в ходе семинара: ответы, комментарии, помощь в написании программ, студент получаете балл. За каждый активный семинар студент получает 1/10 балла.
• Домашнее задание
  В рамках курса будет изучено пять тем. По каждой теме требуется выполнить домашнее задание. За каждое из заданий студент может максимально получить 0.5 балла
• Промежуточный контроль
  По итогу изучения каждой из пяти тем курса, студентам будет представлен тест как форма промежуточного контроля. За каждый тест студент может максимально получить 0.5 балла.
• Итоговый проект
  По итогу освоения курса студент может сдать зачетную контрольную работу, либо выполнить в течение семестра курсовой проект, создание которого позволит получить положительную оценку за зачетное мероприятие. Максимально за созданный проект или сданный зачет Вы сможете получить 2 балла.

Промежуточная аттестация

• 2023/2024 учебный год 3 модуль
  Максимум за курс - 10 баллов. Посещение занятий – 1.4 балла Активность на занятиях – 1.4 балла Домашние задания – 2.5 балла Промежуточный контроль – 2.5 балла Итоговый проект/зачет – 2.2 балла

Список литературы

Рекомендуемая основная литература

• Long, J. D., & Teetor, P. (2019). R Cookbook : Proven Recipes for Data Analysis, Statistics, and Graphics: Vol. Second edition. O’Reilly Media.
• Wickham, H. (2015). Advanced R, Second Edition. Boca Raton, FL: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=934735
• Wickham, H., & Grolemund, G. (2016). R for Data Science : Import, Tidy, Transform, Visualize, and Model Data (Vol. First edition). Sebastopol, CA: Reilly - O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1440131

Рекомендуемая дополнительная литература

• Приходько, М. А. Математическая статистика и анализ данных / М. А. Приходько, А. В. Приходько. — Омск : Омский ГАУ, 2014. — 60 с. — ISBN 978-5-89764-460-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/60684 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Авторы

• Архимандритов Игорь Борисович