Бакалавриат
2023/2024![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Аналитика данных
Статус:
Курс по выбору (Прикладная математика и информатика)
Направление:
01.03.02. Прикладная математика и информатика
Где читается:
Факультет компьютерных наук
Когда читается:
3-й курс, 3, 4 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Бойкий Роман Игоревич,
Орешин Павел Евгеньевич,
Шульчевский Дмитрий Игоревич,
Юдин Сергей Михайлович
Язык:
русский
Кредиты:
6
Контактные часы:
80
Программа дисциплины
Аннотация
Курс "Аналитика данных" подготовлен ФКН совместно с Яндексом.
Преподаватели, которые являются практикующими аналитиками или руководителями разного уровня, расскажут студентам подробнее о профессии, реальном практическом опыте и раскроют основные тонкости работы Аналитика: от метрик и АБ-экспериментов до применения продвинутых методов Машинного обучения и прогнозирования.
Цель освоения дисциплины
- Курс помогает познакомиться с тем, как анализ данных и продуктовая аналитика работают на практике в реальных сервисах. Какие методы используются на практике и почему, научиться самостоятельно применять их и знать их устройство. По итогам студенты при желании будут знать, как развиваться в направлении аналитики в дальнейшем и на какие смежные дисциплины стоит обратить внимание.
Планируемые результаты обучения
- Знание того, как анализ данных и продуктовая аналитика работают на практике в реальных сервисах.
- Знание использующихся методов анализа данных и умение их применять на практике.
- Знание устройства методов анализа данных.
- Понимание траектории профессионального развития.
Содержание учебной дисциплины
- Вводная лекция о продуктовой аналитике
- Пользовательская аналитика
- Мат. статистика в аналитике
- Проверка гипотез и причинно-следственных связей
- AB-тестирование
- Метрики: зачем нужны и какие бывают
- Инфраструктура, логи и инструменты
- Визуализация данных и результатов
- Краудсорсинг в аналитике
- Аналитика и ML
- Лекция с практическими кейсами 1
- Лекция с практическими кейсами 2
Список литературы
Рекомендуемая основная литература
- Python и анализ данных, Маккинли, У., 2015
- Бослаф, С. Статистика для всех : учебное пособие / С. Бослаф , перевод с английского П. А. Волкова [и др.]. — Москва : ДМК Пресс, 2015. — 586 с. — ISBN 978-5-94074-969-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/66475 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Сюй, Я. Доверительное А/В-тестирование / Я. Сюй, Д. Тан, Р. Кохави , перевод с английского В. С. Яценкова. — Москва : ДМК Пресс, 2021. — 298 с. — ISBN 978-5-97060-913-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/241022 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Наглядная математическая статистика : учеб. пособие для вузов, Лагутин, М. Б., 2019