Data Analysis

2023/2024

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Department of Sociology

Course type:

Compulsory course

When:

1 year, 2, 3 module

Instructor

Surkov, Anton

Программа дисциплины

Аннотация

В рамках курса будут обсуждаться методы подготовки и анализа данных. Студенты познакомятся с принципами критического анализа данных, ориентированного на изучение культурных, этических и социально-технических проблем на стыке социальных наук, информатики и общества. Дисциплина направлена на выработку у студентов критического подхода к таким темам, как большие данные, этика данных, конфиденциальность, алгоритмы решения социальных проблем при помощи систем данных.

Цель освоения дисциплины

• Уметь проводить статистический анализ данных, а также решать исследовательские и практические задачи с помощью различных техник моделирования

Планируемые результаты обучения

• Умение определять нужную парадигму анализа данных для конкретного исследования, ориентироваться в современных подходах к анализу данных, формулировать исследовательские гипотезы и задачи исследований и подбирать соответствующие методы анализа данных
• Умение интерпретировать результаты моделирования для линейной регрессии, использовать линейную регрессию в релевантных задачах, производить моделирование в случаях нарушений предположений МНК при помощи ОМНК и пересчета стандартных ошибок коэффициентов. Умение использовать линейную регрессию с регуляризацией для задач машинного обучения.
• Уметь применять методы классического машинного обучения для решения задач классификации и регрессии
• Студент знает основные методы обработки текста и способы токенизации. Умеет работать с языковыми моделями и встраивать их в свои задачи.

Содержание учебной дисциплины

• Введение в анализ данных
• Разведовательный анализ
• Линейная регрессия
• Классические методы машинного обучения для классификации и регрессии
• Введение в NLP

Элементы контроля

• тест
• работа на семинарах
• проект

Промежуточная аттестация

• 2023/2024 учебный год 3 модуль
  0.6 * проект + 0.1 * работа на семинарах + 0.1 * работа на семинарах + 0.2 * тест

Список литературы

Рекомендуемая основная литература

• Matt Wiley, & Joshua F. Wiley. (2019). Advanced R Statistical Programming and Data Models : Analysis, Machine Learning, and Visualization. Apress.
• Yang, X.-S. (2019). Introduction to Algorithms for Data Mining and Machine Learning. Academic Press.

Рекомендуемая дополнительная литература

• David Lilja - Linear Regression Using R - An Introduction to Data Modeling - CCBY4_059 - Open Educational Resources: libretexts.org - 2022 - 390845 - https://ibooks.ru/bookshelf/390845/reading - iBOOKS
• Field, A. V. (DE-588)128714581, (DE-627)378310763, (DE-576)186310501, aut. (2012). Discovering statistics using R Andy Field, Jeremy Miles, Zoë Field. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.363067604