Современные подходы к анализу данных в социальных науках: инструменты без программирования

2026/2027

Статус: Маго-лего

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет компьютерных наук

Когда читается: 1 модуль

Онлайн-часы: 50

Охват аудитории: для всех

Преподаватели: Галушко Илья Николаевич

Язык: русский

Кредиты: 3

Контактные часы: 40

Дополнительные материалы в LMS Задать вопрос

Аннотация

Данный курс направлен на углублённое освоение слушателями современных количественных методов в области социальных наук. Основной фокус программы сосредоточен на анализе данных и машинном обучении: рассматриваются базовые принципы ML, наиболее эффективные модели (в частности, деревья решений для задач классификации и регрессии), а также методы предварительного анализа (EDA) и обработки данных в социально-экономических и социально-гуманитарных исследованиях. Современные аналитические платформы (в частности, KNIME) позволяют использовать высокоэффективные модели без необходимости прибегать к программированию. Ключевой особенностью данного курса является погружение слушателей в детали исследовательских процедур Data Science вне каких-либо языков программирования. Курс рассчитан на слушателей без специализированной подготовки в области информационных технологий, при этом содержание курса стремится к балансу между точностью изложения и теоретической нагрузкой. Также этот курс в значительной степени опирается на актуальную академическую практику: все методы и подходы мы будем рассматривать с опорой на профильную литературу, в которой эти методы применяются для получения конкретного исследовательского результата. Для закрепления пройденного материала слушателям будет необходимо выполнить проект, предполагающий использование освоенных инструментов в работе либо со своими данными, либо с опубликованными датасетами.

Цель освоения дисциплины

приобретение навыков анализа данных с применением современного статистического инструментария
приобретение опыта применения полученных навыков для работы с социально-экономическими и социально-гуманитарными данными с учетом специфики профиля осваиваемого направления профессиональной подготовки

Планируемые результаты обучения

• организовывать процесс машинного обучения: готовить обучающую выборку, подбирать параметры, обучать модели и оценивать их качество; • выстраивать последовательный план применения цифровых инструментов для решения исследовательской задачи;
• решать исследовательские задачи в социальных науках с использованием Python; • собирать, критически анализировать и оформлять данные в виде воспроизводимых исследовательских датасетов; • формулировать статистические гипотезы и выбирать инструменты математического моделирования с учетом специфики данных; • организовывать процесс машинного обучения: готовить обучающую выборку, подбирать параметры, обучать модели и оценивать их качество;