Магистратура
2021/2022![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)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Научно-исследовательский семинар "Продвинутые методы сбора и анализа данных"
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Стратегический менеджмент и консалтинг)
Направление:
38.04.02. Менеджмент
Кто читает:
Департамент бизнес-информатики
Где читается:
Высшая школа бизнеса
Когда читается:
1-й курс, 3 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Бекларян Армен Левонович
Прогр. обучения:
Стратегический менеджмент и консалтинг
Язык:
русский
Кредиты:
4
Контактные часы:
32
Программа дисциплины
Аннотация
Данный семинар относится к блоку научно-исследовательских работ и формирует у студентов базовые практические навыки для подготовки к карьере профессионального управленческого консультанта/менеджера в рамках магистерской программы «Стратегический менеджмент и консалтинг» по направлению 38.04.02 «Менеджмент». Программой дисциплины предусмотрено изучение следующих аспектов: • Ограничения базовых методов анализа и сфера применения более продвинутых решений • Основные библиотеки и подходы к выгрузке и анализу данных • Интеграция с системами хранения и инструментами визуализации данных • Проработка возможности применения продвинутой аналитики в выпускном проекте
Цель освоения дисциплины
- Знать аналитические потребности, возникающие в задачах управления организацией, а также, классификацию возникающих в различных видах человеческой деятельности данных и математические методы извлечения знаний из этих данных
- Уметь формализовать задачу из предметной области, сформулировать требования к данным, подобрать адекватные методы их анализа, выполнить расчеты и интерпретировать полученные результаты
- Иметь навыки самостоятельного анализа данных, возникающих в ходе профессиональной деятельности
Планируемые результаты обучения
- Владеть навыками подготовки аналитических материалов по результатам исследовательских и аналитических проектов для информационного обеспечения принятия управленческих решений
- Владеть навыками применения современных техник и методик сбора данных, продвинутых методов их обработки и анализа, методами количественного и качественного анализа для принятия управленческих решений
- Умеет извлекать данные из источников, анализировать качество данных, обнаруживать статистические особенности данных и выявлять аномалии
- Уметь обрабатывать эмпирические и экспериментальные данные
Содержание учебной дисциплины
- Предварительный анализ данных
- Методы и модели анализа данных
- Представление результатов анализа данных
Элементы контроля
- Аудиторная работаПосещаемость студента
- Групповой проектВыполнение группового проекта предусматривает построение моделей анализа реальных данных, выявление регулярных выражений, построение аналитических срезов и фильтров, выделение корреляций между срезами, отображение взаимосвязей и визуализацию итогов анализа в BI системе
- ЭкзаменЭкзаменационная работа представляет из себя тест с вопросами закрытого типа. Форма экзамена: Экзамен проводится в письменной форме. Платформа проведения: Экзамен проводится на платформе Canvas LMS. Для участия в экзамене студент обязан: Не позднее 7 дней до проведения экзамена проверить работоспособность компьютерного оборудования, необходимого для сдачи экзамена и убедиться в соответствие имеющегося оборудования требованиям к компьютеру для участия в экзамене на платформе Canvas LMS; Войти на платформу Canvas LMS под личной учетной записью (используется аккаунт студента @edu.hse.ru); Перед началом экзамена проверить скорость работы сети Интернет (для наилучшего результата рекомендуется подключение компьютера к сети через кабель); Подготовить необходимые для проведения экзамена инструменты: ручка, листы бумаги, калькулятор и т. д.; Отключить в диспетчере задач компьютера иные приложения, кроме браузера, в котором будет выполняться вход на платформу Canvas LMS. В случае, если одно из необходимых условий участия в экзамене невозможно выполнить, необходимо за 2 недели до даты проведения экзамена проинформировать об этом преподавателя или сотрудника учебного офиса для принятия решения об участии студента в экзаменах. Во время экзамена студентам запрещено: Пользоваться конспектами, учебниками, прочими учебными материалами; Покидать место выполнения экзаменационного задания; Пользоваться умными гаджетами (смартфон, планшет и др.); Привлекать посторонних лиц для помощи в проведении экзамена, разговаривать с посторонними во время выполнения заданий; Вслух громко зачитывать задания. Во время экзамена студентам разрешено: Использовать бумагу, ручку для ведения записей, расчетов; Использовать калькулятор для ведения расчетов; Запрашивать у преподавателя дополнительную информацию, связанную с выполнением экзаменационного задания; Взаимодействовать с другими студентами по разрешению преподавателя. В случае долговременного нарушения связи с платформами MS Teams и Canvas LMS во время выполнения экзаменационного задания, студент должен уведомить об этом преподавателя, зафиксировать факт потери связи с платформой (скриншот, ответ от провайдера сети Интернет) и обратиться в учебный офис с объяснительной запиской о случившемся для принятия решения о пересдаче экзамена
Промежуточная аттестация
- 2021/2022 учебный год 3 модуль0.6 * Групповой проект + 0.1 * Аудиторная работа + 0.3 * Экзамен
Список литературы
Рекомендуемая основная литература
- Adam Aspin. (2020). Pro Power BI Desktop : Self-Service Analytics and Data Visualization for the Power User: Vol. Third edition. Apress.
- Aurélien Géron. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow : Concepts, Tools, and Techniques to Build Intelligent Systems: Vol. Second edition. O’Reilly Media.
- Embarak O. Data Analysis and Visualization Using Python: Analyze Data to Create Visualizations for BI Systems. - Apress, 2018.
- Маккинни, У. Python и анализ данных / У. Маккинни ; перевод с английского А. А. Слинкина. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2020. — 540 с. — ISBN 978-5-97060-590-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131721 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Миркин Б. Г. - ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ. Учебник и практикум - М.:Издательство Юрайт - 2020 - 174с. - ISBN: 978-5-9916-5009-0 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/vvedenie-v-analiz-dannyh-450262
- Нестеров С. А. - БАЗЫ ДАННЫХ. Учебник и практикум для вузов - М.:Издательство Юрайт - 2020 - 230с. - ISBN: 978-5-534-00874-6 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/bazy-dannyh-450772
- Под ред. Мхитаряна В.С. - АНАЛИЗ ДАННЫХ. Учебник для вузов - М.:Издательство Юрайт - 2020 - 490с. - ISBN: 978-5-534-00616-2 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/analiz-dannyh-450166
Рекомендуемая дополнительная литература
- Joshua N. Milligan. (2019). Learning Tableau 2019 : Tools for Business Intelligence, Data Prep, and Visual Analytics, 3rd Edition. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=2092866
- Кондрашов Ю.Н. - Язык SQL. Сборник ситуационных задач по дисциплине «Базы данных» - Русайнс - 2020 - ISBN: 978-5-4365-4598-1 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/935744
- Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100905 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Шарден, Б. Крупномасштабное машинное обучение вместе с Python : учебное пособие / Б. Шарден, Л. Массарон, А. Боскетти ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 358 с. — ISBN 978-5-97060-506-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/105836 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.