Основы анализа данных в международных отношениях 22/23

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск

О курсе

Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных специально для студентов образовательной программы «Международные отношения» 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.

Дисциплина реализуется с помощью онлайн-курса «Статистика для анализа данных».

ПУД курса: https://www.hse.ru/ba/ia/courses/646523779.html

ПУД независимого экзамена: https://www.hse.ru/ba/ia/courses/646471128.html

Необходимые ссылки

Ссылка на онлайн-курс «Статистика для анализа данных»


Приложение №17 к ПОПАТКУСу, Порядок организации Независимых экзаменов по Цифровым компетенциям

Команда курса

Группа Преподаватель Контакты Ассистент Контакты
БМО211, чат группы в Телеграме Бурова Маргарита @Burritas Мохова Елизавета @SuntAmara
БМО212, чат группы в Телеграме Бочарова Александра @ashebulka Капустина Лика @lika_kapustina
БМО213, чат группы в Телеграме Маркина Дарья @MarkinaDaria Прохоров Кирилл @kirillp001
БМО214, чат группы в Телеграме Маркина Дарья @MarkinaDaria Рубанов Владислав @rubanoww

Материалы курса

Семинарские материалы

Тема БМО211 БМО212 БМО213 БМО214
1 Введение в инструменты Семинар 1

Данные

2 Введение в статистику. Базовые манипуляции с данными Семинар 2

Данные 1 Данные 2

3 Типы данных. Создание новых переменных Семинар 3 Данные 1
4 Генеральная совокупность и выборка. Частотные таблицы и распределения
5 Описательные статистики: меры центральной тенденции и разброса
6 Z-оценка. Выбросы
7 Корреляция
8 Введение в визуализацию данных
9 Продвинутая визуализация данных
10 Введение в тестирование гипотез. Непараметрические критерии
11 Параметрические критерии для проверки гипотез
12 Линейная регрессия
13 Логистическая регрессия
14 Введение в машинное обучение

Домашние задания

№ и дедлайн БМО211 БМО212 БМО213 БМО214
ДЗ 1 (28.09.2022, 25:59) [Файл] [Данные] [Файл] [Данные] Файл Данные Файл Данные
ДЗ 2
ДЗ 3
ДЗ 4
ДЗ 5
ДЗ 6

План курса

Тема Описание
1 Введение в инструменты Инструменты для работы с Python.
2 Введение в статистику. Базовые манипуляции с данными Фильтрация данных, сортировка данных, использованием функций.
3 Типы данных. Создание новых переменных Типы признаков. Создание новых переменных по условию.
4 Генеральная совокупность и выборка. Частотные таблицы и распределения Понятия генеральной совокупности, выборки, репрезентативности. Составление частотных таблиц, визуализация частотных таблиц: гистограмма и полигон. Группировка данных и сводные таблицы.
5 Описательные статистики: меры центральной тенденции и разброса Методы центральной тенденции (мода, среднее арифметическое, медиана). Меры разброса ( размах, стандартное отклонение, дисперсия, межквартильный размах). Вычисление описательных статистик с группировкой.
6 Z-оценка. Выбросы Перевод значений в z-оценки. Работа с пропущенными значениями и с выбросами.
7 Корреляция Вычисление коэффициента корреляции Пирсона. Построение уравнения простой линейной регрессии, линия тренда.
8 Введение в визуализацию данных Использование простейших визуализаций. Линейный график, столбчатая диаграмма, точечная диаграмма.
9 Продвинутая визуализация данных Использование продвинутых методов визуализации данных, создание различных диаграмм. Разведочный анализ данных. Создание интерактивных визуализаций.
10 Введение в тестирование гипотез. Непараметрические критерии Основы тестирования гипотез. Использование непараметрических критериев. Критерий согласия Хи-квадрат и критерий независимости Хи-квадрат.
11 Параметрические критерии для проверки гипотез Параметрические статистические критерии. Т-тест : одновыборочный, парный, двухвыборочный.
12 Линейная регрессия Предпосылки линейной регрессии. Построение уравнения простой и множественной линейной регрессии. Оценка качества построенной модели.
13 Логистическая регрессия Введение в логистическую регрессию. Построение предсказаний с использованием логистической регрессии, интерпретация коэффициентов.
14 Введение в машинное обучение Основные понятия, связанные с машинным обучением. Решение задачи регрессии и классификации. Оценка качества.

Правила выставления оценок

Формула

Итог = МИН(10, 0.2*КР1 + 0.2*Экзамен + 0.2*ДЗ + 0.2*Тесты + 0.2*Проект + 0.1*Квизы)

  • 0.2 * КР1
  • 0.2 * Экзамен
  • 0.2 * ДЗ (среднее арифметическое по 6 дз)
  • 0.2 * мини-тесты на семинарах
  • 0.2 * исследовательский проект
  • 0.1 * Квизы

Округление стандартное арифметическое. Округляется только итоговый результат.

Правила дедлайнов

  • Домашние задания: дедлайн + поздний дедлайн со штрафом 1 балл за каждый день просрочки.
  • Проект: проект не может быть засчитан, если студент не пришел на защиту - даже если проект групповой и защищает группа без студента - непришедшему ставится ноль, или не сдал проект ДО ЗАЩИТЫ в установленное время.
  • Контрольные: жёсткий дедлайн.
  • Все дедлайны – общие для всего курса.

Литература

Рекомендуемая основная литература

  • Elementary statistics : a step by step approach, Bluman, A. G.,
  • Essentials of Statistics for the Behavioral Sciences. Frederick J. Gravetter, Larry B. Wallnau. Wadsworth.

Рекомендуемая дополнительная литература

  • Савельев В. Статистика и котики.