• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Independent Data Science Test. Elementary

2023/2024
Academic Year
RUS
Instruction in Russian
1
ECTS credits
Delivered at:
Digital Skills Development Unit
Course type:
Compulsory course
When:
2 year, 4 module

Instructor


Akaeva, Kavsarat

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. Оценка ниже 4 баллов округляется с отбрасыванием дробной части (к меньшему целому), оценка от 4 баллов округляется к ближайшему целому. Отсутствие положительных результатов независимого экзамена по Анализу данных в установленные сроки влечёт за собой академическую задолженность
Цель освоения дисциплины

Цель освоения дисциплины

  • Развитие навыков чтения, интерпретации и оценки качества анализа и представления количественных данных. Формирование навыка оценки качества визуализации данных и ее корректности. Развитие навыков постановки исследовательской задачи и их решение с помощью количественных методов. Формирование и развитие навыков работы со специализированными библиотеками/программным обеспечением для сбора, обработки, визуализации и анализа данных.
Планируемые результаты обучения

Планируемые результаты обучения

  • Выбирать корректный вид визуализации для данных
  • Замечать ошибки, допущенные при визуализации данных (искажение трендов и информации и т.д.) и избегать их при создании своих визуализаций
  • Знать главные когнитивные особенности восприятия визуальной информации и опираться на них при создании визуализаций
  • Интерпретировать результаты простых экспериментальных исследований и опросов
  • Корректно понимать основную статистическую терминологию
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Экзамен
Элементы контроля

Элементы контроля

  • неблокирующий Часть А
  • неблокирующий Часть В
  • неблокирующий Часть С
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 4 модуль
    0.3 * Часть А + 0.35 * Часть В + 0.35 * Часть С
Список литературы

Список литературы

Рекомендуемая основная литература

  • Python for data analysis : data wrangling with pandas, numPy, and IPhython, Mckinney, W., 2017

Рекомендуемая дополнительная литература

  • Математико - статистические модели в социологии : математическая статистика для социологов: учеб. пособие, Толстова, Ю. Н., 2007

Авторы

  • Акаева Кавсарат Исламовна