Бакалавриат
2024/2025
Основы анализа данных в Python
Статус:
Курс обязательный (Политология)
Направление:
41.03.04. Политология
Кто читает:
Кафедра высшей математики
Где читается:
Факультет социальных наук
Когда читается:
3-й курс, 2 модуль
Формат изучения:
с онлайн-курсом
Онлайн-часы:
24
Охват аудитории:
для своего кампуса
Преподаватели:
Тамбовцева Алла Андреевна
Язык:
русский
Кредиты:
3
Программа дисциплины
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
- Описание данных
- Визуализация данных
- Выборочное оценивание
- Проверка статистических гипотез
- Меры связи
Элементы контроля
- TestТест – письменная работа на семинаре по пройденному материалу, включает вопросы с выбором ответа и открытые вопросы с кратким ответом. Во время выполнения теста нельзя пользоваться никакими материалами, можно пользоваться калькулятором. Ориентировочное число тестов на курсе – 5, их число может быть скорректировано в меньшую сторону в случае замедления прохождения некоторых тем.
- ПрактикумПрактикум – очная работа на последнем семинаре курса, набор практических задач в формате независимого экзамена по анализу данных (части B и C). Время выполнения – 80 минут, во время практикума можно пользоваться вспомогательным файлом с формулами, перечнем методов и функций Python (предоставляется преподавателем), официальной документацией библиотек.
- ЭкзаменРабота в формате независимого экзамена по анализу данных в рамках тем, рассмотренных на этом курсе. Первая часть работы (часть А) включает теоретические вопросы с выбором ответа, вторая часть работы (часть B) включает практические вопросы, требующие вычислений в Python, третья часть работы (часть С) включает работу с реальными данными с помощью библиотеки pandas в Python.
