Программирование в целях анализа городских данных. Продвинутый уровень.

Бакалавриат 2026/2027

Статус: Курс по выбору (Девелопмент и городское планирование)

Кто читает: Высшая школа урбанистики имени А.А. Высоковского

Где читается: Факультет городского и регионального развития

Когда читается: 5-й курс, 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Кульчицкий Юрий Викторович

Язык: русский

Кредиты: 5

Контактные часы: 48

Дополнительные материалы в LMS Задать вопрос

Аннотация

Сегодня городской планировщик сталкивается с необходимостью оперировать большими массивами пространственных данных, уметь ставить исследовательские вопросы при работе с такими данными. Дополнительное измерение таких данных – время, усложняет анализ и требует особых навыков при анализе. Использование языка программирования R позволяет легко управлять большими массивами пространственно-временных данных, строить модели пространственной регрессии, применять различные алгоритмы машинного обучения.

Цель освоения дисциплины

Цель данной дисциплины по выбору – научить студента эффективно решать различные задачи обработки городских данных при помощи языка программирования R и сопутствующих инструментов.

Планируемые результаты обучения

Получать городские пространственные данные из различных источников.
Уметь писать скрипты на языке R

Содержание учебной дисциплины

01. Введение в городские данные и smart cities
02. Введение в скриптовые инструменты анализа данных и проведение воспроизводимых исследований
03. Предварительные исследования данных (EDA) и базовые техники визуализации
04. Виды и источники городских данных. Ключевые наборы открытых городских данных и базовые техники работы с ними
05. Понятие tidy data. Очистка, и трансформация наборов данных, конвертация их типов. Алгоритмы эффективной обработки наборов данных
06. Элементы математической статистики, базовые процедуры исследования наборов данных перед оценкой регрессионных и иных моделей. Методы оценки эффективности предсказательных моделей
07. Продвинутые методы обработки пространственных данных. Пространственная статистика и пространственные модели
08. Элементы протоколов коммуникации и релевантных форматов хранения и передачи данных. Работа с API, методы веб-скрейпинга, специфика собранных автоматическим образом данных. Продвинутые методы создания отчетов

Элементы контроля

Лабораторная 04. Регрессионные модели
Курсы по выбору в системе DataCamp
Лабораторная 02. Научные графики, ggplot2
Лабораторная 06. Пространственные модели - 02
Лабораторная 01. Таблицы, базовый ГИС
Лабораторная 00 - тестовая
Экзамен
Лабораторная 07. Парсинг данных из открытых источников
Лабораторная 05. Пространственные модели - 01
Лабораторная 03. Tidy Data
Обязательные курсы DataCamp

Промежуточная аттестация

2026/2027 учебный год 2 модуль
0.05 * Лабораторная 01. Таблицы, базовый ГИС + 0.05 * Лабораторная 05. Пространственные модели - 01 + 0.039 * Обязательные курсы DataCamp + 0.4 * Экзамен + 0.05 * Лабораторная 06. Пространственные модели - 02 + 0.001 * Лабораторная 00 - тестовая + 0.1 * Курсы по выбору в системе DataCamp + 0.1 * Лабораторная 03. Tidy Data + 0.08 * Лабораторная 04. Регрессионные модели + 0.05 * Лабораторная 02. Научные графики, ggplot2 + 0.08 * Лабораторная 07. Парсинг данных из открытых источников

Список литературы

Авторы

Кульчицкий Юрий Викторович

Программа дисциплины