Научно-исследовательский семинар "Основы анализа данных"

Бакалавриат 2024/2025

Статус: Курс обязательный (Политология)

Направление: 41.03.04. Политология

Кто читает: Кафедра высшей математики

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 3 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Тамбовцева Алла Андреевна

Язык: русский

Кредиты: 1

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Lисциплина нацелена на развитие навыков обработки количественных данных в Python без углубления в математические основы и статистическую теорию. Элементы статистической теории в этом курсе используются, однако акцент делается на процедурах подготовки данных к анализу (чистка данных, фильтрация, группировка, агрегирование, элементы визуализации), а также использовании и интерпретации коэффициентов корреляции и регрессии (линейной и логистической) - наиболее широко применяемых инструментах анализа данных в социальных науках.

Цель освоения дисциплины

освоение инструментов анализа данных в Python, подготовка к независимому экзамену по анализу данных

Планируемые результаты обучения

различать корреляцию и каузацию по предложенным описаниям исследований
уметь вычислять в Python коэффициент корреляции Пирсона и проверять его статистическую значимость
уметь реализовывать в Python проверку независимости признаков в качественной шкале с помощью критерия хи-квадрат Пирсона
различать по описанию исследования тип задачи машинного обучения
уметь реализовывать в Python метод k-ближайших соседей
уметь оценивать в Python модель линейной регрессии и интерпретировать полученные результаты
уметь оценивать в Python модель логистической регрессии и интерпретировать полученные результаты

Содержание учебной дисциплины

Меры связи
Введение в машинное обучение
Примеры прогнозирования в машинном обучении: линейная регрессия
Примеры классификации в машинном обучении: логистическая регрессия

Элементы контроля

Homework
Набор теоретических и практических заданий в формате независимого экзамена по анализу данных. Практическая часть выполняется в Python. В процессе выполнения практической части запрещено использовать инструменты искусственного интеллекта (включая ChatGPT и его аналоги).
Практикум
Набор практических заданий в Python в формате задач части B и C независимого экзамена по анализу данных.
Test
Письменная работа на 10 минут, включающая закрытые и открытые вопросы по пройденным темам.
Экзамен
Набор заданий в формате независимого экзамена по анализу данных.

Промежуточная аттестация

2024/2025 3rd module
0.2 * Homework + 0.15 * Test + 0.2 * Практикум + 0.45 * Экзамен

Список литературы

Авторы

Буваева Роксана Викторовна
Тамбовцева Алла Андреевна

Программа дисциплины