Наука о данных (Экономика) — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
м (О курсе)
м (О курсе)
Строка 1: Строка 1:
 
==О курсе==
 
==О курсе==
  
'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], Зарманбетов Ахмед Курманалиевич, Максимовская Анастасия Максимовна, [https://www.hse.ru/org/persons/65841825 Петросян Артур Тигранович], Ульянкин Филипп Валерьевич, Филатов Артём Андреевич,
+
'''Преподаватели:''' Ананьева Марина Евгеньевна, [https://www.hse.ru/staff/bbd Демешев Борис Борисович], Зарманбетов Ахмед Курманалиевич, Максимовская Анастасия Максимовна, [https://www.hse.ru/org/persons/65841825 Петросян Артур Тигранович], Ульянкин Филипп Валерьевич, Филатов Артём Андреевич.
  
 
'''Аннотация курса:'''  
 
'''Аннотация курса:'''  

Версия 21:26, 24 января 2020

О курсе

Преподаватели: Ананьева Марина Евгеньевна, Демешев Борис Борисович, Зарманбетов Ахмед Курманалиевич, Максимовская Анастасия Максимовна, Петросян Артур Тигранович, Ульянкин Филипп Валерьевич, Филатов Артём Андреевич.

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.

Официальная программа

Информация об онлайн-курсе

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 взаимодействие со студентами происходит в github, где предоставляются все материалы курса (презентации лекций, материалы к практическим занятиям, тексты статей или ссылки на онлайн-материалы).

Литература

Рекомендуемая основная литература:

Рекомендуемая дополнительная литература: