Big Data and Predictive Analysis in the Public Sector

2020/2021

Academic Year

RUS

Instruction in Russian

5

ECTS credits

Delivered at:

Department of Public Administration

Course type:

Elective course

When:

4 year, 2 module

Instructor

Сибирев Владимир Анатольевич

Программа дисциплины

Аннотация

В рамках изучения дисциплины студент научится первичной обработке и организации данных, приобретет знания о применении стандартных моделей методов машинного обучения реализованных в различных библиотеках будет применять методы машинного обучения для разработки информационных систем в области государственного и муниципального управления. Цели освоения дисциплины связаны, с одной стороны с формированием у обучающихся знаний в области обработки больших данных, а с другой стороны, с навыками обучения разработке информационных систем. Поэтому в ходе курса обучающиеся, во-первых, осваивают первичную обработку и способы организации данных (препроцессинг данных, работу с пропущенными данными, умение выделить необходимые признаки), во-вторых, знакомятся с применением стандартных моделей методов машинного обучения, реализованных в различных библиотеках на языке Рython (кластерный анализ, классификация, тематическое моделирование, рекомендательные системы и нейронные сети), в-третьих, познакомятся с применением методов машинного обучения для разработки информационных систем в области государственного и муниципального управления, в четвертых, получат базовые навыки по аналитике данных.

Цель освоения дисциплины

• Целью курса «Большие данные и прогнозирование в государственном секторе» является получение студентами знаний, умений и навыков в области обработки и анализа данных для прогнозирования социально-экономических процессов для нужд государственного управления.

Планируемые результаты обучения

• Цифровизация государственного и муниципального управления Основные понятия, Big Date, модели данных, распределенный регистр, Федеральный проект ««Цифровое государственное управление».
• Понимание места и роли прогнозирования в системе стратегического управления развитием обществом. Прогнозирование и национальные проекты. Организация сессий Rapid Foresight.
• Общие принципы прогнозирования. Методы среднесрочного и краткосрочного прогнозирования. Реализация сценарного подхода на основе использования методов имитационного моделирования. Выделение трендов изменения социально-экономических показателей на основе регрессионного анализа.

Содержание учебной дисциплины

• Тема 1. Роль и значение Big Date в современном обществе.
  Вводятся основные понятия, рассматривается роль и значение Big Date в современном обществе, кратко описываются модели данных. Дается характеристика Федерального проекта «Цифровое государственное управление». Показывается роль сквозной технологии «распределенный регистр» для развития государственных информационных систем.Работа с базами данных Федеральной службы статистики и ЕГИССО. Создание запросов на выборку данных из них. Расчет описательных статистик.
• Тема 2. Место и роль прогнозирования в системе государственного управления
  Дается характеристика места и роли прогнозов социально-экономического развития в системе стратегического управления РФ. Показывается место и роль национальных проектов. Раскрывается суть методики проведения сессий Rapid Foresight.Проведение учебных сессий Rapid Foresight для выявления основных трендов развития СПб с последующей защитой полученных результатов.
• Тема 3. Основные задачи прогнозирования социально-экономических показателей и алгоритмы их решения
  Приводится классификация методов среднесрочного и краткосрочного про-гнозирования. Описывается механизм реализации сценарного подхода при прогнозировании на основе использования методов имитационного моделирования. Дается методика выделение трендов изменения социально-экономических показателей на основе регрессионного анализа..На реальных наборах данных демонстрируется решение задач прогнозирования социально-экономических показателей, обсуждаются способы оценки качества построенных моделей.

Элементы контроля

• Домашнее задание
• Практические задания на семинарских занятиях
• Экзамен
  На пересдаче студенту не предоставляется возможность получить дополнительный балл для компенсации оценки за текущий контроль. На экзамене студент может получить дополнительный вопрос (дополнительную практическую задачу), ответ на который оценивается в 1 балл.

Промежуточная аттестация

• Промежуточная аттестация (2 модуль)
  0.3 * Домашнее задание + 0.3 * Практические задания на семинарских занятиях + 0.4 * Экзамен

Список литературы

Рекомендуемая основная литература

• Светуньков И. С., Светуньков С. Г. - МЕТОДЫ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ В 2 Т. Т.1 ТЕОРИЯ И МЕТОДОЛОГИЯ. Учебник и практикум для академического бакалавриата - М.:Издательство Юрайт - 2019 - 351с. - ISBN: 978-5-534-02801-0 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/metody-socialno-ekonomicheskogo-prognozirovaniya-v-2-t-t-1-teoriya-i-metodologiya-432958
• Светуньков И. С., Светуньков С. Г. - МЕТОДЫ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ В 2 Т. Т.2 МОДЕЛИ И МЕТОДЫ. Учебник и практикум для вузов - М.:Издательство Юрайт - 2020 - 447с. - ISBN: 978-5-534-02804-1 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/metody-socialno-ekonomicheskogo-prognozirovaniya-v-2-t-t-2-modeli-i-metody-450477

Рекомендуемая дополнительная литература

• Dubman, R. (2019). The Digital Governance of Data-driven Smart Cities: Sustainable Urban Development, Big Data Management, and the Cognitive Internet of Things. Geopolitics, History & International Relations, 11(2), 34–40. https://doi.org/10.22381/GHIR11220195
• O. Chudinovskikh S., & О. Чудиновских С. (2018). Big Data and Statistics on Migration ; Большие Данные И Статистика Миграции. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.25D0F992
• Майер-Шенбергер В., Кукьер К. - Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим - Издательство "Манн, Иванов и Фербер" - 2014 - 240с. - ISBN: 978-5-91657-936-9 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/62171