2025/2026

Современные подходы к анализу данных в социальных науках: программирование на Python

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 3 модуль

Онлайн-часы: 50

Охват аудитории: для своего кампуса

Преподаватели: Галушко Илья Николаевич

Язык: русский

Кредиты: 6

Контактные часы: 48

Программа дисциплины

Аннотация

Данный курс ориентирован на детальное освоение слушателями современного инструментария количественных методов применительно к проблематике социальных наук. В центре программы находится анализ данных и машинное обучение: мы познакомимся с основами ML; освоим наиболее применимые на практике модели (например, деревья решений для классификации и регрессии); изучим особенности предварительного анализа и предобработки данных в задачах социально-экономического и социально-гуманитарного профиля. Содержание курса стремится к балансу между точностью изложения и теоретической нагрузкой на слушателей непрофильных для IT дисциплин. Также этот курс в значительной степени опирается на актуальную академическую практику: все методы и подходы мы будем рассматривать с опорой на профильную литературу, в которой эти методы применяются для получения конкретного исследовательского результата. Для закрепления пройденного материала слушателям будет необходимо выполнить проект, предполагающий использование освоенных инструментов в работе либо со своими данными, либо с опубликованными датасетами.

Цель освоения дисциплины

• — приобретение навыков программирования и анализа данных с использованием современного статистического инструментария
• — приобретение опыта применения освоенных инструментов в работе с социально-экономическими и социально-гуманитарными данными в рамках профиля осваиваемого направления профессиональной подготовки
• — формирование у обучающихся навыков реализации полного цикла машинного обучения с учетом специфики исследовательских задач в социальных науках

Планируемые результаты обучения

• — Умеет собирать данные, критически их анализировать и оформлять в виде датасета, подготовленного для последующего использования академическим сообществом

Содержание учебной дисциплины

• Современные подходы к анализу данных в социальных науках: программирование на Python

Элементы контроля

• ДЗ
• Семинарская работа
• Итоговый проект

Промежуточная аттестация

• 2025/2026 3rd module
  Итог = Округление(0,3* Семинарская работа + 0,3 * Домашнее задание + 0,4 * Итоговый проект), максимум – 10 баллов.

Список литературы

Рекомендуемая основная литература

• Барчуков, В. К. Информационное обеспечение, искусственный интеллект, правоохранительная деятельность : монография / В. К. Барчуков. — Санкт-Петербург : Юридический центр, 2022. — 272 с. — ISBN 978-5-94201-821-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/354935 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Искусственный интеллект : методология, применения, философия, Финн, В. К., 2011
• Эйдемиллер, К. Ю. Инновационные технологии в современном зарубежном регионоведении. Геоинформационные системы и искусственный интеллект : учебное пособие / К. Ю. Эйдемиллер. — Санкт-Петербург : СПбГУТ им. М.А. Бонч-Бруевича, 2023. — 81 с. — ISBN 978-5-89160-300-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/381554 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Искусственный интеллект : подход на основе эвристического программирования, Слэйгл, Дж., 1973

Авторы

• Королева Анастасия Романовна