Данные и аналитика в финансах

2026/2027

ID 1232403

Статус: Маго-лего

Кто читает: Департамент экономики и финансов

Где читается: Факультет социально-экономических и компьютерных наук

Онлайн-часы: 46

Охват аудитории: для своего кампуса

Преподаватели: Найденова Юлия Николаевна, Паршаков Петр Андреевич, Шенкман Евгения Андреевна

Язык: русский

Кредиты: 6

Контактные часы: 64

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина «Данные и аналитика в финансах» фокусируется на прикладном стеке Python-инструментов для финансового анализа: студенты используют LLM как основной движок для генерации скриптов сбора и обработки данных. Курс включает освоение библиотек для извлечения текстовых слоев из финансовой отчетности и инструментов OCR для оцифровки сканов. Для реализации NLP-задач используются профессиональные библиотеки обработки текста , позволяющие автоматизировать извлечение сущностей (NER) и тематическое моделирование (Topic Modeling). Технологический фокус направлен на создание готовых дата-продуктов через Streamlit и интеграцию аналитических пайплайнов в Telegram-ботов для оперативного финансового мониторинга.

Цель освоения дисциплины

Подготовка в области основ гуманитарных, социальных, экономических и математических знаний, получение высшего профессионально профилированного (на уровне бакалавра) образования, позволяющего выпускнику успешно работать в избранной сфере деятельности, обладать универсальными и предметно-специализированными компетенциями, способствующими его социальной мобильности и устойчивости на рынке труда.
Формирование социально-личностных качеств студентов: целеустремленности, организованности, трудолюбия, ответственности, активной общественной позиции, коммуникабельности толерантности, повышение их общей культуры и расширение кругозора.

Планируемые результаты обучения

Знакомство с парсингом HTML разметки сайтов
Умеет загружать данные, обрабатывать и визуализировать в среде RStudio.
Знает основы SQL. Умеет создавать различные запросы с использованием команд языка SQL .
Выявляет виды цен во внешней торговле: цены реальных сделок, цены предложений, справочные цены, цены каталогов и прейскурантов, средние экспортные и импортные цены, или средняя стоимость единицы экспорта или импорта, биржевые котировки, цены аукционов.
Владеет общими понятиями базы данных. Владеет понятием СУБД в прикладных системах. Владеет общими понятиями реляционной модели.
Знает методы Sentiment analysis
Студенты познакомятся и сформируют первичный опыт работы в среде R
Студент способен разрабатывать чат-боты для мессенджера Telegram.
Осуществлять парсинг данных с внешних ресурсов
Знает основы применения методов обработки текстовых данных
Умеет подбирать релевантные для исследовательской задачи инструменты сбора, обработки и анализа данных
Использует LLM для автоматизации задач с применением ключевых библиотек Python: Pandas для обработки данных, BeautifulSoup для парсинга сайтов и Aiogram для создания ботов
Использовать методы тематического моделирования и кластеризации текстов (LDA, BERTopic, k-means, UMAP) для выявления скрытых тем и группировки документов.
Визуализация результатов исследований
Знать методы сбора данных парсинг, API, автоматизация
применять методы Named Entity Recognition (NER) для автоматического извлечения сущностей из текстов и анализа клиентских данных;