Научно-исследовательский семинар "Методы анализа данных"

Магистратура 2026/2027

Статус: Курс обязательный (Бизнес-аналитика и цифровые решения в финансах)

Кто читает: Департамент бизнес-информатики

Где читается: Высшая школа бизнеса

Когда читается: 1-й курс, 1 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 3

Контактные часы: 24

Дополнительные материалы в LMS Задать вопрос

Аннотация

Научно-исследовательский семинар формирует навыки самостоятельных исследований с применением статистики и машинного обучения в финансах. В рамках семинара рассматриваются описательная статистика и разведочный анализ данных, регрессионный и кластерный анализ, элементы качественного анализа текста, вопросы качества данных и оценки неопределенности, а также основы экспериментального и квазиэкспериментального дизайна. Практические задания выполняются с использованием Python. Особое внимание уделяется постановке исследовательского вопроса, обоснованию выбора данных и метода, проверке предпосылок, воспроизводимости анализа и интерпретации результатов.

Цель освоения дисциплины

Цель дисциплины — формирование у магистрантов устойчивых компетенций в области самостоятельного планирования, проведения мини-исследования в финансово области: от постановки проверяемого вопроса и аудита данных до выбора метода, диагностики предпосылок, оценки неопределённости, интерпретации результатов и подготовки воспроизводимого аналитического отчёта.

Планируемые результаты обучения

Знать основные типы исследовательских постановок и методы описательного, регрессионного, кластерного и качественного анализа данных; понимать требования к проверяемой гипотезе и структуре аналитического исследования
Понимать происхождение и пригодность данных, объяснять риски утечки будущей информации, смещения отбора, неверной операционализации и другие угрозы валидности вывода
Применять Python и статистические библиотеки для EDA, регрессионного и кластерного анализа, оценки неопределённости и воспроизводимой подготовки результатов.
Анализировать применимость методов и исследовательских дизайнов; диагностировать предпосылки моделей и проектировать причинный анализ с экспериментом или квазиэкспериментом, явно фиксируя допущения.
Оценивать обоснованность, полноту и воспроизводимость аналитических выводов — собственных, подготовленных коллегами или с использованием генеративного ИИ — и давать аргументированную рецензию.

Содержание учебной дисциплины

Исследовательский вопрос, происхождение данных и EDA
Регрессионный анализ, неопределённость и валидация
Кластеризация, сегментация и качественный анализ текста
Эксперимент, причинный эффект
Квазиэксперименты и неоднородность эффекта
Исследовательская студия: воспроизводимость, отчёт и peer-review

Элементы контроля

Посещаемость
Учитывается посещаемость и участие в семинарах
Практические задания
3 индивидуальные работы: аудит данных/EDA; регрессионная аргументация; кластерный, причинный или сегментационный разбор.
Тест (очный)
Компьютерный тест и мини-кейсы на выбор метода, диагностику предпосылок, интерпретацию результата, угрозы валидности и поиск ошибки в исследовательском дизайне.
Исследовательский мини-проект
Группа из 2–3 человек выполняет исследовательский проект: формулирует вопрос и гипотезу, описывает данные, обосновывает метод, проводит анализ, фиксирует ограничения, подготавливает воспроизводимый код и письменный отчёт.

Промежуточная аттестация

2026/2027 1st module
0.25 * Тест (очный) + 0.4 * Исследовательский мини-проект + 0.1 * Посещаемость + 0.25 * Практические задания

Список литературы

Авторы

Гамидов Санан Салех Оглы

Программа дисциплины