Основы анализа данных в международных отношениях — различия между версиями
Mbburova (обсуждение | вклад) |
Polyhex (обсуждение | вклад) м (→Семинары) |
||
Строка 76: | Строка 76: | ||
[https://github.com/polyhex-sqr/data_culture_hse/tree/master/seminar2 Семинар 2] | [https://github.com/polyhex-sqr/data_culture_hse/tree/master/seminar2 Семинар 2] | ||
|| || | || || | ||
+ | |- | ||
+ | | Факторный анализ и визуализация || || || | ||
|- | |- | ||
| || || || | | || || || |
Версия 14:08, 1 мая 2018
Содержание
О курсе
Курс читается на 2 курсе ОП "Международные отношения", в 4 модуле.
Преподаватели
Лекции
Бурова Маргарита Борисовна
- VK Маргарита Бурова
- telegram: @burritas
Семинары
Группа | Семинарист | Ассистент |
---|---|---|
БМО161 | Бурова Маргарита Борисовна | Максим Артемьев |
БМО162 | Попенова Полина Сергеевна | Арсений Турышев |
БМО163 | Попенова Полина Сергеевна | Пузырев Дмитрий |
БМО164 | Петросян Артур Тигранович | Закирова Ксения |
Материалы курса
Лекции
№ | Дата лекции | Тема | Презентация |
---|---|---|---|
1 | 3 апреля 2018 г. | Введение в анализ данных. Описательные статистики. Корреляции | Лекция 1 |
2 | 3 апреля 2018 г. | Регрессии. Введение в проверку гипотез. Ошибки 1 и 2 рода. | Лекция 2 |
3 | 10 апреля 2018 г. | Классификация и кластеризация. Повторение гипотез, дисперсионный анализ. Факторный анализ. | Лекция 3 |
4 | 10 апреля 2018 г. | Визуализация данных | Лекция 4 |
5 | 17 апреля 2018 г. | Статистический анализ в международных отношениях: разбор полного цикла анализа данных на примерах кейсов. Введение в анализ социальных сетей. | |
6 | 17 апреля 2018 г. | Введение в теорию графов. Основные метрики. Анализ социальных сетей. | |
7 | 24 апреля 2018 г. | Применение анализа социальных сетей в исследованиях | Лекция 7 |
8 | 24 апреля 2018 г. | Введение в обработку текстов | Лекция 8 |
9 | 15 мая 2018 г. | Самостоятельная работа по лекциям 1-9 | |
10 | 22 мая 2018 г. | Анализ текстовой информации | |
11 | 29 мая 2018 г. | ||
12 | 5 июня 2018 г. |
Семинары
Тема | Ссылка на материалы | Бонусные задания | Дополнительные ссылки |
---|---|---|---|
Введение в Python. |
данные для задания можно взять, например, здесь |
Веб-уроки по Python (для желающих) Альтернативная ссылка на семинар 1 (Dropbox) | |
Описательные статистики, гипотезы и регрессия. | |||
Факторный анализ и визуализация | |||
Как скачать с github
- можно зайти на страницу репозитория и скачать архив со всеми материалами:
- Clone or download
- Download ZIP
- можно скачать архив с отдельной папкой:
- просто вставить ссылку на папку (пример ссылки) сюда
- Download
- можно скачать отдельный файл:
- открыть нужный файл (пример ссылки)
- кнопка Raw
- ПКМ и Сохранить как
- заменить расширение на Все файлы и удалить расширение .txt из имени
Бонусные ДЗ
Домашнее задание №1
Ноутбук: Бонусное задание №1 Примерные датасеты высланы в телеграм-чат.
Отправлять на почту mo.dataculture@gmail.com
ВНИМАНИЕ! В тему письма ставим номер группы, например "БМО161". Именно в таком виде. Больше в теме письма НИЧЕГО не надо писать.
Файл назовите ДЗ1_ФамилияИмя_группа.
Дедлайн сдачи - первый семинар после майских праздников.
Важное ограничение: итоговое решение о добавлении бонусов выносится в конце курса при условии успешной устной защиты бонусных заданий (проще говоря, надо будет ответить на 1-2 вопроса по любому месту Вашего кода)
Критерии оценивания и ведомости
Оценка за курс складывается из следующих форм контроля:
- Индивидуальный проект (ДЗ1)
- Групповой проект с устной защитой (ДЗ2)
- Две самостоятельных аудиторных работы, состоящих из теоретических вопросов и практического задания (СР1 и СР2)
- Письменный экзамен
Оценка за курс вычисляется по следующей формуле:
0,6*Накопленная + 0,4*Экзамен
Формула для вычисления накопленной оценки:
Накопленная = 0,25*ДЗ1 + 0,25*ДЗ2 + 0,25*СР1 + 0,25*СР2
Бонусы
Дополнительно предусмотрены 5 бонусных заданий, баллы за каждое из которых приводятся к шкале [0, 1].
В конце модуля накопленная оценка вычисляется следующим образом:
Накопленная = min(Накопленная + 0,4*Бонус, 10)