Data Analysis

2024/2025

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Undergraduate Programmes Curriculum Support

Course type:

Compulsory course

When:

3 year, 3 module

Instructor

Волкова Юлия Михайловна

Программа дисциплины

Аннотация

Одной из цифровых компетенций, формирование которых интегрировано во все образовательные программы НИУ ВШЭ, является компетенция «Анализ данных и методы искусственного интеллекта» (далее — Анализ данных): от использования математических методов и моделей для извлечения знаний до решения профессиональных задач и разработки новых подходов. Для каждого направления подготовки в бакалавриате образовательным стандартом определен минимально необходимый уровень освоения этой цифровой компетенции: начальный/базовый/продвинутый. Независимый экзамен по Анализу данных является обязательной частью учебного плана для всех образовательных программ бакалавриата. Она предполагает подтверждение минимально необходимого уровня для ОП освоения данной компетенции. Экзамен проводится после того, как на ОП завершены курсы, обеспечивающие формирования этого уровня. Данный экзамен проверяет наличие компетенции по Анализу данных на начальном уровне. Независимый экзамен осуществляется с помощью синхронного прокторинга. Итоговый результат переводится в шкалу от 1 до 10. Отсутствие положительных результатов независимого экзамена по Анализу данных в установленные сроки влечёт за собой академическую задолженность. Экзамен покрывает следующие темы: Статистика и анализ данных; Введение в статистику. Основная терминология; Сбор данных. Выборка и генеральная совокупность. Типы переменных. Меры центральной тенденции и разброса. Выбросы; Частотные таблицы и распределения. Основные виды распределений.; Работа с данными: агрегирование, фильтрация, создание новых переменных. ; Визуализация.; Корреляция.; Введение в линейную регрессию.

Цель освоения дисциплины

• Развитие навыков работы с данными: обработка, визуализация, разведывательный анализ. - Развитие навыков постановки исследовательской задачи и тестирования гипотез с помощью количественных методов - Знакомство с задачами линейной и логистической регрессии

Планируемые результаты обучения

• Студент может объяснить основные принципы языка программирования Python
• Студент может читать и понимать простые скрипты
• Студент может писать скрипт для анализа данных

Содержание учебной дисциплины

• Введение в статистику. Базовые манипуляции с данными
• Генеральная совокупность и выборка. Частотные таблицы и распределения
• Описательные статистики
• Z-оценка. Выбросы
• Корреляция
• Линейная регрессия

Элементы контроля

• Самостоятельная работа
• Экзамен

Промежуточная аттестация

• 2024/2025 3rd module
  Итоговая оценка = (Σоценки за тесты) / n, где n - количество тестов в онлайн-учебнике https://edu.hse.ru/course/view.php?id=136231

Список литературы

Рекомендуемая основная литература

• 9781491912140 - Vanderplas, Jacob T. - Python Data Science Handbook : Essential Tools for Working with Data - 2016 - O'Reilly Media - https://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1425081 - nlebk - 1425081

Рекомендуемая дополнительная литература

• 9781785284571 - Romano, Fabrizio - Learning Python - 2015 - Packt Publishing - http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1133614 - nlebk - 1133614

Авторы

• Волкова Юлия Михайловна