Введение в анализ данных для гуманитарных и социальных наук на R

Бакалавриат 2026/2027

Статус: Курс обязательный (Фундаментальная и компьютерная лингвистика)

Кто читает: Школа лингвистики

Где читается: Факультет гуманитарных наук

Когда читается: 3-й курс, 1, 2 модуль

Онлайн-часы: 20

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Мороз Георгий Алексеевич

Язык: русский

Кредиты: 3

Контактные часы: 6

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс предназначен для студентов в области социальных и гуманитарных наук, которые хотят научиться использовать язык программирования R для анализа и визуализации данных. Курс включает в себя следующие темы: введение в R, загрузка и трансформация данных, визуализация данных, обработка текстовых данных, работа со временем, визуализация географических данных, сбор данных из интернета и основы регрессионного анализа. В противовес стандартным курсам R, обычно основанным на статистической обработке данных и их визуализации, значительная часть курса посвящена работе с различными типами данных и их визуализации, так как именно разведочная визуализация, а не применение статистических методов имеет значение для гуманитарных и социальных специальностей. Обсуждение основ регрессионного анализа станет хорошей основой для дальнейшего изучение статистического анализа и методов машинного обучения на последующих курсах. Для работы на курсе необходимо будет установить программы R и RStudio. Пакеты необходимые для установки, будут перечислены в ходе лекций.

Цель освоения дисциплины

Данный курс ставит собой цель охватить разведочный анализ данных в гуманитарных и социальных науках на языке программирования R с акцентом на данные самых разных типов: числовые, слова, тексты, временные данные, геоданные и др.

Планируемые результаты обучения

Знакомство с основными элементами программирования на R
Знаком с понятием опрятных данных (tidy data)
Знаком с инструментами визуализации пакета ggplot2: функциями aes() и слоями
Знаком с визаулизацией распределений
Знаком с визуализацией распределения по категориям при помощи функций geom_jitter(), geom_boxplot(), geom_violin() и инструментов пакета ggbeeswarm
Знаком с фасетезацией и семейством функций facet_...()
Знаком с инструментами подсчета и подгонки количества символов в строке
Знаком с особенностями сортировки строк
Знаком с инструментами поиска и изменения подстроки в строковых данных
Знаком с регулярными выражениями
Владеет инструментами загрузки текстов в R
Знаком с пакетами, предоставляющие доступ к библиотекам текстов (Gutenberg, Perseus)
Владеет пакетом tidytext для представления текста в формате опрятных данных
Знаком с целями и инструментами для удаления стопслов
Знаком с целями и инструментами для морфологического и синтаксического анализа текстов (пакет udpipe)
Применяет инструменты для векторизации текстов
Знаком с особенностями загрузки и создания временных данных в R
Выполняет арефметические операции с временными данными
Визуализирует временные данные
Владеет пакетами leaflet и leafsync для создания динамических карт в R
Владеет пакетами ggplot2 и maps для создания статических карт в R
Знаком с форматом данных geojson
Знаком с понятием картографической проекции и его использованием в R
Применять линейную регрессию
Применять множественную линейную регрессию

Содержание учебной дисциплины

Введение в R и Rstudio
Трансформация данных
Визуализация данных
Работа со строками и регулярными выражениями
Работа с текстами
Работа со временем
Работа с геоданными
Основы статистического анализа в R
Введение в quarto

Элементы контроля

тест 3
тест 4
тест 2
тест 7
тест 8
тест 6
тест 1
тест 5
Исследовательский проект
Исследовательский проект по анализу лингвистических данных, тема которого согласуется с руководителем.

Промежуточная аттестация

2026/2027 2nd module
0.2 * Исследовательский проект + 0.1 * тест 7 + 0.1 * тест 1 + 0.1 * тест 3 + 0.1 * тест 5 + 0.1 * тест 4 + 0.1 * тест 8 + 0.1 * тест 2 + 0.1 * тест 6

Список литературы

Авторы

Мороз Георгий Алексеевич

Программа дисциплины