Бакалавриат
2026/2027
Анализ данных, искусственный интеллект и генеративные модели
ID 1152819
Статус:
Курс обязательный (Глобальные цифровые коммуникации)
Где читается:
Факультет компьютерных наук
Когда читается:
3-й курс, 2, 3 модуль
Онлайн-часы:
50
Охват аудитории:
для своего кампуса
Преподаватели:
Сусла Диана Михайловна
Язык:
русский
Кредиты:
3
Контактные часы:
36
Программа дисциплины
Аннотация
Данный курс направлен на формирование компетенций у студентов в области статистики и анализа данных. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных. Дисциплина реализуется с помощью онлайн-курса «Хендбук по Анализу данных. Начальный уровень» в SmartLMS (https://edu.hse.ru/course/view.php?id=236211).
Цель освоения дисциплины
- Целью освоения дисциплины «Анализ данных» является овладение студентами основами статистики и анализа данных для применения в решении различных практических задач.
Планируемые результаты обучения
- Использовать Python и библиотеку pandas для анализа данных
- Корректно открывать табличные данные различных форматов и определять типы данных признаков
- Фильтровать данные по одному и нескольким условиям
- Сортировать данные по одному или нескольким признакам
- Создавать новые признаки, в том числе с помощью собственноручно написанных функций
- Строить частотные таблицы и интерпретировать их
- Визуализировать данные с помощью базовых видов диаграмм: столбчатой, гистограммы, диаграммы рассеяния
- Агрегировать данные по группам и создавать сводные таблицы
- Уметь вычислять релевантные описательные статистики и интерпретировать полученные результаты
- Уметь обрабатывать пропущенные значения и выбросы
- Вычислять коэффициенты корреляции Пирсона и Спирмена и интерпретировать полученные результаты
- Строить простую линейную регрессию и интерпретировать её коэффициенты
- Знать и корректно использовать основные статистические понятия
Содержание учебной дисциплины
- Основы работы с pandas. Типы данных.
- Фильтрация, сортировка
- Новые признаки
- Частотные таблицы. Базовая визуализация
- Агрегирование данных. Сводные таблицы
- Описательные статистики. Пропуски и выбросы
- Корреляция
- Линейная регрессия
Элементы контроля
- Активность
- Самостоятельная работаВ курсе 4 самостоятельные работы. Формат заданий: Части A, B и C независимого экзамена по анализу данных (начальный уровень). Продолжительность 15–25 минут. Самостоятельные работы проходят в начале семинаров. Если вы опоздали, время не продлевается. Если вы пропустили самостоятельную работу по любой причине (в том числе уважительной), за неё выставляется 0.
- Проект
- Контрольная работа
