Продвинутые методы анализа и визуализации данных в Python

Бакалавриат 2024/2025

Статус: Курс по выбору (Политология)

Направление: 41.03.04. Политология

Кто читает: Департамент больших данных и информационного поиска

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 3, 4 модуль

Формат изучения: с онлайн-курсом

Онлайн-часы: 50

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Бурова Маргарита Борисовна

Язык: русский

Кредиты: 4

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных и направлен на формирование компетенций в области статистики и анализа данных. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных. Также будут рассмотрены темы, связанные с основами машинного обучения. Дисциплина реализуется с помощью онлайн-курса «Учебник по Анализу данных (Базовый)» в SmartLMS (https://edu.hse.ru/course/view.php?id=136232).

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 в применении к анализу данных.
Корректно открывать табличные данные различных форматов.
Фильтровать данные по нескольким условиям.
Сортировать данные.
Использовать собственноручно написанные функции для обработки данных, создания новых переменных.
Создавать сводные таблицы.
Вычислять описательные статистики и интерпретировать полученные результаты.
Переводить значения признака в z-оценки.
Обрабатывать пропущенные значения и выбросы.
Вычислять релевантные описательные статистики и интерпретировать полученные результаты.
Вычислять коэффициент корреляции Пирсона и интерпретировать полученные результаты.
Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой.
Понимать и корректно использовать основные статистические понятия.
Визуализировать данные с помощью различных диаграмм: тепловой карты, ящика с усами и других.
Создавать интерактивные визуализации.
Реализовывать разведочный анализ данных.
Уметь реализовывать все шаги проверки статистических гипотез.
Применять параметрические статистические критерии для проверки гипотез.
Применять непараметрические статистические критерии для проверки гипотез.
Построить уравнение линейной регрессии с использованием метода наименьших квадратов.
Оценивать качество модели линейной регрессии с помощью релевантных метрик.
Решать задачу классификации с использованием логистической регрессии и KNN.
Оценивать качество модели классификации с помощью релевантных метрик.