Наука о данных (Экономика)
О курсе
Преподаватели: Ананьева Марина Евгеньевна, Демешев Борис Борисович, Зарманбетов Ахмед Курманалиевич, Максимовская Анастасия Максимовна, Петросян Артур Тигранович, Ульянкин Филипп Валерьевич, Филатов Артём Андреевич.
Группа | Преподаватель | Учебный ассистент | contact | Расписание |
---|---|---|---|---|
181 | Борис Демешев | Полина Ревина | @r9vina | |
182 | Борис Демешев | Василиса Серякова | @Vasilisa_Seryakova | |
... | Артем Филатов | |||
... | Артур Петросян |
Аннотация курса: Курс "Наука о данных" нацелен на изучение языка программирования Python и получение базовых знаний и навыков для обработки, визуализации и статистического анализа данных, а также дальнейшего прохождения более специализированных курсов в этой области (например, машинного обучения). Первая часть дисциплины отведена на изучение основ языка Python, по итогам которой слушатели узнают о типах и структурах данных, научатся решать алгоритмические задачи и освоят такие базовые понятия программирования, как: условные операторы, функции, рекурсии и циклы. В рамках курса будут пройдены основы различных парадигм программирования: процедурное, функциональное и объектно-ориентированное программирование. Вторая часть курса посвящена освоению теоретической базы и необходимых практических навыков для анализа данных. Слушатели научатся решать задачи по парсингу, препроцессингу и визуализации данных с помощью стандартных и внешних библиотек Python, проверять статистические гипотезы и критерии качества оценок (состоятельность, эффективность и несмещенность), использовать метод максимального правдоподобия.
Правила выставления оценок
Oитоговая = 0.15 * Oонлайн-курс + 0.1 * ОДЗ1 + 0.1 * ОДЗ2 + 0.1 * ОДЗ3 + 0.2 * ОКР1 + 0.2 * ОКР2 + 0.2 * Оэкз
К оценке применяется стандартное арифметическое округление.
Материалы курса
Все материалы семинаров находятся в репозитории на гитхабе.
Также, для удобства коммуникации, создан чат в telegram.
Литература
Рекомендуемая основная литература:
- Christopher M. Bishop. (n.d.). Pattern Recognition and Machine Learning. Australian National University.
- Lutz, M. (2008). Learning Python (Vol. 3rd ed). Beijing: O’Reilly Media.
- Кремер Н. Ш. ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ СТАТИСТИКА 5-е изд., пер. и доп. Учебник и практикум для академического бакалавриата. Издательство Юрайт, 2019.
- Энатская Н. Ю., Хакимуллин Е. Р. ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ СТАТИСТИКА. Учебник и практикум для СПО. Издательство Юрайт, 2019.
- Hastie, T., Tibshirani, R., Friedman, J. The elements of statistical learning: Data Mining, Inference, and Prediction. Springer, 2009.
Рекомендуемая дополнительная литература:
- Vanderplas, J. T. Python Data Science Handbook : Essential Tools for Working with Data (Vol. First edition). CA: Reilly - O’Reilly Media, 2016.
- Митчелл Р. Скрапинг веб-сайтов с помощю Python. Издательство "ДМК Пресс", 2016.