Технологии прикладного анализа данных SAS — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(тест)
Строка 16: Строка 16:
  
 
по субботам, 16:20 - 17:40 - семинар (онлайн), Титова Наталия Николаевна.
 
по субботам, 16:20 - 17:40 - семинар (онлайн), Титова Наталия Николаевна.
 +
 +
 +
=== О курсе ===
 +
Данная страничка содержит ссылки на материалы по курсу в 2021/2022 учебном году на потоке образовательных программ :
 +
<br />
 +
 +
{| class="wikitable"
 +
! Образовательная программа !! Курс !! Факультет !! Ссылка на страницу курса АДвБ
 +
|-
 +
| [https://cs.hse.ru/ami Прикладная Математика и Информатика] || 3 курс || Факультета Компьютерных Наук НИУ ВШЭ  || [https://www.hse.ru/edu/courses/339498590 Анализ данных в бизнесе]
 +
|-
 +
| [https://www.hse.ru/ba/data/about Прикладной анализ данных] || 3 курс || Факультета Компьютерных Наук НИУ ВШЭ  || [https://www.hse.ru/edu/courses/339492551 Анализ данных в бизнесе]
 +
|-
 +
| [https://www.hse.ru/ba/economics/ Экономика] || 3 курс || Факультета Экономических Наук НИУ ВШЭ  || [https://www.hse.ru/edu/courses/470904614 Анализ данных в бизнесе]
 +
|-
 +
| [https://www.hse.ru/ba/economics/ Экономика] || 4 курс || Факультета Экономических Наук НИУ ВШЭ  || [https://www.hse.ru/edu/courses/470904606 Анализ данных в бизнесе]
 +
|-
 +
| [https://www.hse.ru/ba/stat/ Экономика и статистика] || 3 курс || Факультета Экономических Наук НИУ ВШЭ || [https://www.hse.ru/edu/courses/470904618 Анализ данных в бизнесе]
 +
|-
 +
| [https://www.hse.ru/ba/stat/ Экономика и статистика] || 4 курс || Факультета Экономических Наук НИУ ВШЭ || [https://www.hse.ru/edu/courses/470904610 Анализ данных в бизнесе]
 +
|-
 +
| [https://www.hse.ru/ba/icef// Программа двух дипломов по экономике НИУ ВШЭ <br />и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
 +
|}
 +
<br />
 +
дополнительные ссылки:
 +
*[https://cs.hse.ru/sas/ Базовая кафедра компании SAS на факультете компьютерных наук ВШЭ ]
 +
*[https://cs.hse.ru/electives/sas_dscs Карточка курса и программа]
 +
*[https://www.sas.com/ru_ru/home.html Сайт компании  SAS]
 +
 +
*'''[https://www.sas.com/ru_ru/careers/internship-program.html Календарь стажерской программы на 2021/2022 год]'''
 +
 +
== Программа курса==
 +
 +
'''Первый модуль''' будет читаться для 3 и 4 курса - обзор разделов:
 +
* Клиентская аналитика;
 +
*      Текстовая аналитика;
 +
* Задачи анализа данных в розничных сетях продаж товаров;
 +
* Основы оценки рисков;
 +
*      ModelOps.
 +
 +
Первый модуль сможет погрузить студентов в актуальные задачи в бизнесе, а также в особенности анализа данных и построения аналитических моделей по каждому разделу модуля.
 +
В этом модуле студентов познакомят с программным обеспечением SAS.
 +
 +
'''Второй модуль''' – командный проект только для 3 курса.
 +
 +
Студенты будут разделены на группы по 2-7 человек и каждой группе будет дана практическая задача.
 +
Данный модуль позволит получить студентам практический опыт в анализе данных, разработке и в построении аналитических моделей на реальных данных.
 +
 +
== Использование и изучение ПО SAS в курсе «Анализ данных в бизнесе»==
 +
 +
Студент по своему желанию может выбирать программный инструмент для выполнения практики: SAS, R, Python.
 +
 +
'''Студенты, планирующие выполнять практику на SAS''', могут пройти бесплатно углубленные онлайн курсы.
 +
 +
''Для получения доступа к курсу необходимо обратиться к преподавателю курса Титовой Наталии или написать запрос в Телеграм чате.''
 +
 +
'''Если студент выполнил все практические задания на SAS и сдал курс на отлично''', то он может получить:
 +
*сертификат о прохождении академической программы SAS
 +
*электронный бейдж Acclaim, подтверждающий сдачу курса и перечень использованных SAS технологий
 +
 +
Все желающие студенты могут бесплатно пройти базовые онлайн курсы SAS:
 +
*по основам программирования на SAS Base [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU ссылка на курс]
 +
*по основам статистического анализа с использованием ПО SAS [https://support.sas.com/edu/schedules.html?id=5235&ctry=RU ссылка на курс]
 +
 +
Также желающие студенты, готовые потратить дополнительное время на изучение программирования в SAS, могут бесплатно попробовать сдать профессиональную сертификацию в рамках программы SCYP (SAS® Software Certified Young Professionals) [https://www.sas.com/sas/training/scyp.html ссылка на курс].
 +
 +
== Лекции ==
 +
 +
 +
  '''суббота      '''
 +
{| class="wikitable"
 +
'''      ПАД и МИЭФ - 13:00 - 14:30; <br />
 +
'''ПМИ, Экономика, Экономика и статистика, МК - 14:40 - 16:10 '''<br />
 +
<br />
 +
'''ссылка на подключение к лекции''' - https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09<br />
 +
Идентификатор конференции: 992 2034 9786<br />
 +
Код доступа: 476860<br />
 +
|-
 +
! Название раздела !! Тема !! Дата для 3 и 4 курса !! Презентация!! Запись
 +
|-
 +
| Клиентская аналитика || Введение в клиентскую и онлайн аналитику || 15.01.2022  ||  ||
 +
|-
 +
| Клиентская аналитика || Построение прогнозных моделей и визуализация данных || 22.01.2022  ||  ||
 +
|-
 +
| Текстовая аналитика || Введение в задачи анализа текстовых данных || 29.01.2022  ||  ||
 +
|-
 +
| Текстовая аналитика || Инструменты и методы текстовой аналитики || 05.02.2022 ||  || 
 +
|-
 +
| Задачи анализа данных в розничных сетях продаж товаров || Введение в задачи анализа данных в ритейле. Прогнозирование спроса || 12.02.2022 || || 
 +
|-
 +
| Задачи анализа данных в розничных сетях продаж товаров || Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса|| 19.02.2022 ||  ||
 +
|-
 +
| Задачи анализа данных в розничных сетях продаж товаров || Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента  || 26.02.2022  ||  ||
 +
|-
 +
| Основы оценки рисков || Введение в кредитные риски  || 5.03.2022  ||  ||
 +
|-
 +
| Основы оценки рисков || Введение в рыночные риски || 12.03.2022  ||  ||
 +
|-
 +
| Основы оценки рисков || Валидация моделей || 19.03.2022  ||  ||
 +
|-
 +
| ModelOps || Операционализация моделей машинного обучения || 26.03.2022  ||  ||
 +
|}
 +
 +
== Семинары ==
 +
 +
'''суббота 
 +
'''Группа ФЭН 3 курс - 9:30,<br /> Группы ФЭН 4 курс - 11:10,<br /> Группа ПМИ+МК - 16:20,<br />
 +
'''Группа ПАД 1 и МИЭФ - 18:10,<br /> Группа ПАД 2  - 19:40<br />
 +
 +
'''ссылка на подключение к семинару''' - https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09<br />
 +
Идентификатор конференции: 992 2034 9786<br />
 +
Код доступа: 476860<br />
 +
 +
{| class="wikitable"
 +
|-
 +
! Название раздела !! Тема !! Дата для ПМИ, ПАД, МИЭФ и МК !! Дата для ФЭН  !!  Презентация !! Запись
 +
|-
 +
| Клиентская аналитика || Введение в клиентскую и онлайн аналитику || 15.01.2022 || 22.01.2022 ||  ||
 +
|-
 +
| Клиентская аналитика || Построение прогнозных моделей и визуализация данных ||22.01.2022 || 29.01.2022 ||  ||
 +
|-
 +
| Текстовая аналитика || Введение в задачи анализа текстовых данных || 29.01.2022 || 05.02.2022 ||  ||
 +
|-
 +
| Текстовая аналитика || Инструменты и методы текстовой аналитики || 05.02.2022 || 12.02.2022 ||  ||
 +
|-
 +
| Задачи анализа данных в розничных сетях продаж товаров || Введение в задачи анализа данных в ритейле. Прогнозирование спроса || 12.02.2022 || 19.02.2022 ||  || 
 +
|-
 +
| Задачи анализа данных в розничных сетях продаж товаров || Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса || 19.02.2022 || 26.02.2022 ||  ||
 +
|-
 +
| Задачи анализа данных в розничных сетях продаж товаров || Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента || 26.02.2022 || 5.03.2022 || ||
 +
|-
 +
| Основы оценки рисков || Введение в кредитные риски || 5.03.2022 || 12.03.2022 ||  ||
 +
|-
 +
| Основы оценки рисков || Введение в рыночные риски || 12.03.2022 || 19.03.2022 ||  ||
 +
|-
 +
| Основы оценки рисков || Валидация моделей || 19.03.2022 || 26.03.2022 ||  ||
 +
|-
 +
| ModelOps || Операционализация моделей машинного обучения || 26.03.2022 || 2.04.2022 ||  ||
 +
|}
 +
 +
== Отчётность по курсу и критерии оценки ==
 +
 +
В курсе предусмотрено несколько форм контроля знания:
 +
* 3 практических домашних задания
 +
* Письменный экзамен, вопросы в виде теста с вариантами ответов
 +
* Командный проект ( только для 3 курса )
 +
 +
'''Критерии оценки знаний, навыков'''
 +
 +
*Оценки за все домашние задания выставляются по 2-балльной шкале, где «2» — задание решено полностью, «1» — задание решено не полностью или с недочётами, «0» — задание не решено или решено неверно.
 +
 +
Если домашнее задание разбито на несколько частей, то каждая часть оценивается по 2-балльной шкале как описано выше, а затем оценки усредняются с равными весами без округления.
 +
 +
Перевод оценки за домашние задания из 2-балльной шкалы в 10-балльную проводится путём умножения оценки на 5 без округления.
 +
 +
*Оценка за экзамен выставляется по 10-балльной шкале.
 +
 +
*Оценка за командный проект выставляется по 10-балльной шкале.
 +
 +
'''Порядок формирования оценок по дисциплине'''
 +
 +
Пусть оценки за 3 домашних задания по 10-балльной шкале —  '''O_1,O_2,O_3,''' а оценка за экзамен в конце первого модуля по 10-балльной шкале — '''O_экз'''.
 +
 +
 +
Итоговая оценка для студентов ''4 курса'' '''O_итог''' рассчитывается по формуле
 +
 +
'''O_итог = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_экз'''
 +
 +
 +
Итоговая оценка для студентов ''3 курса'' в первом модуле '''O_мод''' рассчитывается по формуле
 +
 +
'''O_мод = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_экз'''
 +
 +
Оценка за проект во втором модуле '''O_пр''' выставляется по 10-балльной шкале по итогам защиты проекта.
 +
 +
Итоговая оценка '''O_итог''' определяется по формуле '''O_итог = O_мод + 0.5 * O_пр'''
 +
 +
 +
Округление происходит только в самом конце — в итоговой оценке. Округление арифметическое.
 +
 +
Каждое задание и экзамен оцениваются по 10-балльной шкале (по заданиям допускается дробная оценка). За некоторые задания можно будет получить бонусные баллы, о чем будет объявляться при выдаче задания.
 +
 +
== Домашние задания ==
 +
 +
'''Домашнее задание №1'''
 +
 +
Задание состоит из 2 частей:
 +
 +
1. Исследование данных и обработка данных для проведения последующей сегментации;
 +
 +
2. Составить профили клиентов на основе проведенных сегментаций (использовать минимум 2 метода сегментации).
 +
 +
 +
Пример подробного описания Домашнего задания №1 2020-2021 уч.года с примерами и результатами [https://drive.google.com/file/d/16WFqo1xfPvnlGLwyorWFGdiL2ZM8xp8D/view?usp=sharing читай в приложенном файле]
 +
 +
 +
Каждый студент выбирает вариант, который указан напротив его ФИО в списке
 +
[https://docs.google.com/spreadsheets/d/19HGjq6sUJ__0Cg0akOr7AIivKvIRh7ttas_9QE4Q3E0/edit?usp=sharing по ссылке]
 +
 +
 +
Варианты и описание данных представлены  [https://drive.google.com/open?id=1jxwwFMEHVh91ZKx5_PqnMSUlsICytIbI в папке по ссылке]
 +
 +
 +
Для того, чтобы получить оценку, требуется:
 +
 +
1. Прислать архив с файлами, где производились все расчеты и сопроводительное письмо с выводами и комментариями по
 +
каждой части:
 +
 +
* Расчеты могут производиться через код (python/sas/sql), сводные таблицы и формулы в excel или проект SAS Viya;
 +
* Все выводы необходимо подтверждать визуально интерпретируемыми графиками и данными.
 +
 +
2. Архив (.zip) с файлами требуется отправить на почту ntitova@hse.ru с темой «ФКН ВШЭ»
 +
 +
3. Название файла требуется отправлять по шаблону <Имя>_<Фамилия>_<номер группы>_hw1.zip.
 +
 +
Пример, Alexander_Sharipov_156_hw1
 +
 +
 +
 +
'''Оценка за  домашнее задание  №1''' выставляется по 10-балльной шкале, где:
 +
 +
«8-10» — задание решено полностью, выполнены все 2 части домашней работы:
 +
* проведен анализ данных, предоставлен рабочий код и таблицы по исследованию данных;
 +
* построены сегментации 2-мя методами;
 +
* предоставлены понятные выводы с подтверждёнными данными (таблицы, графики);
 +
 +
«6-7» —задание решено неполностью или с недочётами:
 +
* проведен анализ данных, предоставлен рабочий код и таблицы по исследованию данных;
 +
* построена сегментация хотя бы одним методом;
 +
* предоставлены понятные выводы с подтверждёнными данными (таблицы, графики);
 +
 +
«4-5» —задание решено с существенными недочетами,
 +
* проведен анализ данных, предоставлен рабочий код и таблицы по исследованию данных;
 +
* выявлены верхнеуровневые зависимости и закономерности по клиентам без построения модели сегментации;
 +
 +
«0-3» — задание не решено или решено неверно.
 +
 +
''Срок сдачи – 2 недели (19 февраля 2022 23:59).''
 +
 +
 +
'''Домашнее задание №2'''
 +
 +
Описание ДЗ 2 находится в файле [https://drive.google.com/file/d/1R6BLH40CLk7uewRn02JlGj64Ov2peJgK/view?usp=sharing по ссылке]
 +
 +
''Срок сдачи – 12 марта 2022 23:59.''
 +
Решения присылать на почту aromanenko@hse.ru
 +
 +
В теме письма обязательно должно быть следующее:  ВШЭ + Номер курса+номер_вариант+ФИО.
 +
 +
В названии файла необходимо указать:
 +
*Номер курса
 +
*Номер варианта
 +
*ФИО
 +
 +
Пример: «ПМИ_3курс_Вариант_8_ИвановИванИванович»
 +
 +
 +
'''Домашнее задание №3'''
 +
 +
Необходимо построить скориниговую модель, оценивающую вероятность дефолта клиента на стадии заведения кредитной заявки.
 +
Для этого необходимо:
 +
 +
0. Скачать данные по ссылке https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ
 +
 +
Каждый студент выбирает 2 выборки "accept" и "reject", которые начинаются с варианта студента.
 +
Номера вариантов для ДЗ №3 необходимо взять  такие же как и для ДЗ №1
 +
 +
Выполненное задание необходимо отправить в следующем виде:
 +
 +
1) Файл/скрипты с построенными моделями (обязательно должны быть комментарии, без комментариев задание считается нерешенным)
 +
 +
2) Excel файл с ответами на следующие вопросы:
 +
 +
1. Какая доля 1 в выборке "accept"?
 +
 +
2. Необходимо рассчитать для всех интервальных переменных следующее:
 +
  - Доля пропущенных значений
 +
  - Медиана
 +
  - Среднее
 +
  - Среднеквадратическое отклонение
 +
  - Есть ли аномальные значения, выбросы?
 +
  - Information Value
 +
3. Необходимо рассчитать для всех категориальных переменных следующее:
 +
  - Мода
 +
  - Доля пропущенных значений
 +
  - Information Value
 +
  - Есть ли выбросы, аномальные значений
 +
4. Построить логистическую регрессию только на одобренных заявках с преобразованными переменными WoE. Какое значение GINI? F1 мера?
 +
 +
5. Провести анализ Reject Inference. Какая доля отказанных заявок?
 +
 +
6. Построить логистическую регрессию на всех заявках с преобразованными переменными WoE. Какое значение GINI, F1? Изменилась ли модель?
 +
 +
7. Какую модель вы рекомендуете для внедрения в продуктивную среду? Дать развернутое пояснение
 +
 
 +
 +
Оценка за  домашние задания  №3 выставляется по 2-балльной шкале, где «2» — задание решено полностью, «1» — задание решено не полностью или с недочётами, «0» — задание не решено или решено неверно.
 +
Перевод оценки за домашние задания из 2-балльной шкалы в 10-балльную проводится путём умножения оценки на 5 без округления.
 +
 +
За домашнюю работу №3  будут выставляться оценки:
 +
«2» – правильно построена модель и на выборке accept, и на выборке reject. Даны верные ответы.
 +
«1,6» – правильно построена модель и на выборке accept, и на выборке reject. 50% ответов верные.
 +
«1,4» – правильно построена модель и на выборке accept, и на выборке reject. Даны неверные ответы
 +
«1» - построена модель только на выборке accept.
 +
«0,8» - задание решено не полностью. 50% ответов верные.
 +
«0» — задание не решено или решено неверно.
 +
 +
''Срок сдачи –  до 26.03.2022 включительно''
 +
 +
Решения присылать на почту msvorobeva@hse.ru
 +
В теме письма обязательно должно быть следующее:  ВШЭ + Номер курса+номер_вариант+ФИО.
 +
 +
В названии файла необходимо указать:
 +
*Номер курса
 +
*Номер варианта
 +
*ФИО
 +
 +
 +
Пример: «ПМИ_3курс_Вариант_8_ИвановИванИванович»
 +
 +
Если работы будут повторять друг друга, обе работы будут считаться нерешенными.
 +
 +
== Командный проект для 3 курса ==
 +
 +
'''Выбор темы для командного проекта по курсу "Анализ данных в бизнесе" '''
 +
 +
Студенты делятся на группы по 3 человека. В дальнейшем 2-3 группы могут соединить в одну. Внутри группы должен быть определен капитан команды - ответственное лицо группы.
 +
 +
Ответственное лицо отвечает за выполнение и результат следующих основных функций:
 +
*  отправка заявки на тему проекта и согласование темы проекта от лица всей группы с преподавателями;
 +
*  предоставление информации куратору о текущем статусе проекта: учет, распределение и контроль выполнения задания по проекту;
 +
*  отправка отчетов, презентаций, технической документации по выполненными работам группы в электронном виде.
 +
 +
 +
Описания тем проектов: [https://docs.google.com/document/d/1p_gECsEVi95_3-WW2eBJaA3yEGCJBzejDILSkPQDX7c/edit?usp=sharing ссылка на файл]
 +
 +
Ссылка на форму подачи заявки на тему: [https://forms.gle/QG2SwvYZ5tN2Pwow5 ссылка на файл]
 +
 +
 +
'''Сроки выбора тем:'''
 +
 +
'''До 17 апреля группа должна  выбрать две темы из указанного списка''', указав первый и второй приоритет для этих тем.
 +
 +
'''18 апреля - каждой группе, которая подала заявку на проект, через указанную форму, будет назначена тема проекта и куратор.''' При назначении тем будут учитываться приоритеты указанные студентами, а также средний балл студентов в группе по первому модулю курса. На одну тему назначается не более 3-х групп студентов.
 +
 +
 +
При возникновении вопросов пишите в Telegram Титовой Наталии.
 +
 +
 +
Итогом каждого проекта должна быть презентация результатов проекта на 10-15 минут.
 +
 +
Защита проекта для ПАД и МИЭФ будет в середине мая  (17-22 мая), а также для всех желающих, которые готовы будут защититься.
 +
 +
Финальная защита для ПМИ, ФЭН  пройдет в середине июня (15-19 июня) до начала сессии.
 +
 +
Оценка за проект во втором модуле выставляется по 10-балльной шкале по итогам защиты проекта.
 +
 +
Те студенты, которые не нашли себе группу  тоже подают заявку на тему, но на одного себя. Мы сами соединим с группой по схожей теме.
 +
 +
 +
'''Даты защиты учебных проектов в 4 модуле:'''
 +
 +
Защиты проектов пройдут с 17 по 19 июня 2021 года.
 +
 +
В файле по ссылке вы найдете список проектных групп с привязкой к дате и времени защиты, а так же ссылки для подключения к самим защитам.
 +
 +
[https://docs.google.com/spreadsheets/d/127uq1MwiwZlPahfLj1AwBAuxMdpp44EM6hlYiLnYKyI/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]
 +
 +
== Задать вопрос по курсу ==
 +
'''Вопросы''' по курсу можно задавать в telegram чат курса, преподавателю курса Титовой Наталии @Natalitics или менеджеру кафедры SAS Лобок Татьяне (@tatianalobok) tlobok@hse.ru.
 +
 +
 +
Канал в telegram для объявлений: https://t.me/+Lj-yHhfNJTQxYWEy
 +
 +
Чат в telegram для обсуждений: https://t.me/+a1VMTe2xwNA5Mzcy
 +
 +
 +
''' Все объявления и материалы по курсу будут выкладываться в чате и в канале telegram! '''
 +
Преподаватели в чате бывают, но не всегда.
 +
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате telegram @Natalitics или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН ВШЭ/Эк ФЭН ВШЭ/ЭкСт ФЭН ВШЭ], а также указывать свою фамилию и имя.
 +
 +
Все приведенные файлы предназначены для использования студентами во время обучения и обновляются в течение года.
 +
По найденным опечаткам, неточностям, сбоям работы странички просьба писать на электронную почту tlobok@hse.ru.
 +
 +
== Материалы по курсу ==
 +
'''Документы и программа курса''' 
 +
''Внимание: файлы обновляются!''
 +
 +
*Рабочая программа дисциплины для 3 и 4 курса можно найти по следующей [https://docs.google.com/document/d/1Sh-KjlZlAmk1kIEndmM7mF7nAj6iL6ZI/edit?usp=sharing&ouid=109416058723510784590&rtpof=true&sd=true ссылке].
 +
 +
*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Инструкция по подключению к SAS OnDemand  и скачиванию ПО SAS]'''
 +
 +
*[https://drive.google.com/open?id=1ANDlimb5hp4ds0sUcReR6xq5sVrcX5n9 Лекции и семинары]  ''Внимание: файлы в папке обновляются!''
 +
 +
== Рекомендуемая литература и полезные дополнительные материалы ==
 +
 +
'''Полезные материалы'''
 +
 +
*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials Обучающий портал с дополнительной литературой для работы с SAS Enterprise Guide]
 +
*[https://habr.com/company/sas/blog/ Блок компании  SAS  на хабре (Основы программирования на SAS Base)]
 +
 +
 +
'''Полезная литература'''
 +
 +
''К разделу 1:''
 +
*[https://www.sas.com/store/books/categories/business-concepts-leadership/data-mining-techniques-for-marketing-sales-and-customer-relationship-management-third-edition/prodBK_64447_en.html Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management, Third Edition Michael J. A. Berry Gordon S. Linoff ]
 +
*[https://www.springer.com/gp/book/9780387725789  Database Marketing. Analyzing and Managing Customers, Blattberg, Robert C., Kim, Byung-Do, Neslin, Scott A. ]
 +
 +
*[http://10k.inc.hse.ru/files/McKINSEY_GUIDE_to_business_plan.pdf LeSueur J. (2007) McKinsey&Company  (2000) How to write a business plan.]
 +
*[http://support.sas.com/resources/papers/proceedings12/286-2012.pdf Shive W. and Mouton D. (2012) Improving Retail Decisions with Customer Analytics: Leveragin Actionable Customer Insights across the Retail Enterprise to Build Sales and Profits. Paper 286-2012, SAS Institute, Inc]
 +
*[http://support.sas.com/resources/papers/proceedings17/SAS0733-2017.pdf Baer D. (2017) Using Segmentation to Build More Powerful Models with SAS® Visual Analytics. Paper 733-2017, SAS Institute, Inc. ]
 +
*К. Уолш (2000) Ключевые показатели менеджмента: как анализировать, сравнивать и контролировать данные, определяющие стоимость компании. М.: Дело. - Есть в  открытом доступе.
 +
*[http://kaplan-publishing.kaplan.co.uk/cima/p2/pages/study-text.aspx Kaplan Publishing (2018) CIMA P2 Study Text. Advanced Management Accounting.]
 +
*[http://support.sas.com/resources/papers/proceedings12/286-2012.pdf Shive W. and Mouton D. (2012) Improving Retail Decisions with Customer Analytics: Leveragin Actionable Customer Insights across the Retail Enterprise to Build Sales and Profits. Paper 2862012, SAS Institute, Inc., Cary, NC]
 +
*[https://support.sas.com/resources/papers/proceedings16/SAS6222-2016.pdf Baer D. and Grover S. (2016) Enhanced Segmentation Using SAS® Visual Analytics and SAS® Visual Statistics. Paper 6222-2016, SAS Institute, Inc., Cary, NC.]
 +
 +
*[https://support.sas.com/documentation/cdl/en/vaamgs/71329/PDF/default/vaamgs.pdf SAS Documentation (2015). SAS® Visual Analytics 7.2, 7.3,and 7.4: Getting Started with Analytical Models]
 +
*[https://support.sas.com/documentation/cdl/en/vaug/68648/HTML/default/viewer.htm#n0lfkxxrf3zhugn14g96lr8spatc.htm SAS(R) Visual Analytics 7.3: User's Guide]
 +
 +
 +
 +
''К разделу 2:''
 +
 +
* Шапиро Дж (2006). Моделирование цепи поставок. Питер. Серия «Теория менеджмента».
 +
* Tijms H.C., Groenevelt H. (1984). Simple approximations for the reorder point in periodic and continuous review (s, S) inventory systems with service level constraints. European Journal of Operational Research, Vol. 17, Issue 2, August 1984, Pages 175-190.]
 +
 +
 +
''К разделу 3:''
 +
 +
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
 +
 +
''К разделу 4:''
 +
 +
* Мортон С. (2016) Лаборатория презентаций. Формула идеального выступления. Альпина Паблишер.
 +
 +
== Контакты  ==
 +
 +
[[Файл:Титова Наталья Николаевна.jpg|микро|70px|безрамки|слева]] '''Титова Наталия Николаевна''' - старший преподаватель
 +
Natalia.Titova@sas.com
 +
 +
 +
 +
 +
[[Файл:Лобок Татьяна Сергеевна.jpg|микро|70px|безрамки|слева]] '''Лобок Татьяна Сергеевна''' - менеджер базовой кафедры SAS
 +
tlobok@hse.ru
  
 
== О курсе ==
 
== О курсе ==

Версия 19:30, 16 января 2022

Расписание занятий

Общая ссылка для всех лекций и семинаров: https://teams.microsoft.com/l/meetup-join/19%3abt3YFk3CdUF4vwyWQsW_Jb6FdHUCzgLG_hAumdyaxfw1%40thread.tacv2/1641804643575?context=%7b%22Tid%22%3a%2221f26c24-0793-4b07-a73d-563cd2ec235f%22%2c%22Oid%22%3a%22afe1666c-56bf-4dfa-88bb-62652330bdca%22%7d


График с 10.01.2022 по 28.02.2022 (включительно):

по понедельникам, 14:40 - 16:00 - лекция (онлайн), Ильвовский Дмитрий Алексеевич.

по понедельникам, 16:20 - 17:40 - семинар (онлайн), Ильвовский Дмитрий Алексеевич.


График с 05.03.2022 по 02.04.2022 (включительно):

по субботам, 14:40 - 16:00 - лекция (онлайн), Титова Наталия Николаевна.

по субботам, 16:20 - 17:40 - семинар (онлайн), Титова Наталия Николаевна.


О курсе

Данная страничка содержит ссылки на материалы по курсу в 2021/2022 учебном году на потоке образовательных программ :

Образовательная программа Курс Факультет Ссылка на страницу курса АДвБ
Прикладная Математика и Информатика 3 курс Факультета Компьютерных Наук НИУ ВШЭ Анализ данных в бизнесе
Прикладной анализ данных 3 курс Факультета Компьютерных Наук НИУ ВШЭ Анализ данных в бизнесе
Экономика 3 курс Факультета Экономических Наук НИУ ВШЭ Анализ данных в бизнесе
Экономика 4 курс Факультета Экономических Наук НИУ ВШЭ Анализ данных в бизнесе
Экономика и статистика 3 курс Факультета Экономических Наук НИУ ВШЭ Анализ данных в бизнесе
Экономика и статистика 4 курс Факультета Экономических Наук НИУ ВШЭ Анализ данных в бизнесе
Программа двух дипломов по экономике НИУ ВШЭ
и Лондонского университета 		3 курс Международный институт экономики и финансов НИУ ВШЭ нет


дополнительные ссылки:

Программа курса

Первый модуль будет читаться для 3 и 4 курса - обзор разделов:

  • Клиентская аналитика;
  • Текстовая аналитика;
  • Задачи анализа данных в розничных сетях продаж товаров;
  • Основы оценки рисков;
  • ModelOps.

Первый модуль сможет погрузить студентов в актуальные задачи в бизнесе, а также в особенности анализа данных и построения аналитических моделей по каждому разделу модуля. В этом модуле студентов познакомят с программным обеспечением SAS.

Второй модуль – командный проект только для 3 курса.

Студенты будут разделены на группы по 2-7 человек и каждой группе будет дана практическая задача. Данный модуль позволит получить студентам практический опыт в анализе данных, разработке и в построении аналитических моделей на реальных данных.

Использование и изучение ПО SAS в курсе «Анализ данных в бизнесе»

Студент по своему желанию может выбирать программный инструмент для выполнения практики: SAS, R, Python.

Студенты, планирующие выполнять практику на SAS, могут пройти бесплатно углубленные онлайн курсы.

Для получения доступа к курсу необходимо обратиться к преподавателю курса Титовой Наталии или написать запрос в Телеграм чате.

Если студент выполнил все практические задания на SAS и сдал курс на отлично, то он может получить:

  • сертификат о прохождении академической программы SAS
  • электронный бейдж Acclaim, подтверждающий сдачу курса и перечень использованных SAS технологий

Все желающие студенты могут бесплатно пройти базовые онлайн курсы SAS:

Также желающие студенты, готовые потратить дополнительное время на изучение программирования в SAS, могут бесплатно попробовать сдать профессиональную сертификацию в рамках программы SCYP (SAS® Software Certified Young Professionals) ссылка на курс.

Лекции

 суббота
ПАД и МИЭФ - 13:00 - 14:30;
ПМИ, Экономика, Экономика и статистика, МК - 14:40 - 16:10

ссылка на подключение к лекции - https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09
Идентификатор конференции: 992 2034 9786
Код доступа: 476860
Название раздела Тема Дата для 3 и 4 курса Презентация Запись
Клиентская аналитика Введение в клиентскую и онлайн аналитику 15.01.2022
Клиентская аналитика Построение прогнозных моделей и визуализация данных 22.01.2022
Текстовая аналитика Введение в задачи анализа текстовых данных 29.01.2022
Текстовая аналитика Инструменты и методы текстовой аналитики 05.02.2022
Задачи анализа данных в розничных сетях продаж товаров Введение в задачи анализа данных в ритейле. Прогнозирование спроса 12.02.2022
Задачи анализа данных в розничных сетях продаж товаров Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса 19.02.2022
Задачи анализа данных в розничных сетях продаж товаров Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента 26.02.2022
Основы оценки рисков Введение в кредитные риски 5.03.2022
Основы оценки рисков Введение в рыночные риски 12.03.2022
Основы оценки рисков Валидация моделей 19.03.2022
ModelOps Операционализация моделей машинного обучения 26.03.2022

Семинары

суббота

Группа ФЭН 3 курс - 9:30,
Группы ФЭН 4 курс - 11:10,
Группа ПМИ+МК - 16:20,
 Группа ПАД 1 и МИЭФ - 18:10,
Группа ПАД 2 - 19:40

ссылка на подключение к семинару - https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09
Идентификатор конференции: 992 2034 9786
Код доступа: 476860

Название раздела Тема Дата для ПМИ, ПАД, МИЭФ и МК Дата для ФЭН Презентация Запись
Клиентская аналитика Введение в клиентскую и онлайн аналитику 15.01.2022 22.01.2022
Клиентская аналитика Построение прогнозных моделей и визуализация данных 22.01.2022 29.01.2022
Текстовая аналитика Введение в задачи анализа текстовых данных 29.01.2022 05.02.2022
Текстовая аналитика Инструменты и методы текстовой аналитики 05.02.2022 12.02.2022
Задачи анализа данных в розничных сетях продаж товаров Введение в задачи анализа данных в ритейле. Прогнозирование спроса 12.02.2022 19.02.2022
Задачи анализа данных в розничных сетях продаж товаров Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса 19.02.2022 26.02.2022
Задачи анализа данных в розничных сетях продаж товаров Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента 26.02.2022 5.03.2022
Основы оценки рисков Введение в кредитные риски 5.03.2022 12.03.2022
Основы оценки рисков Введение в рыночные риски 12.03.2022 19.03.2022
Основы оценки рисков Валидация моделей 19.03.2022 26.03.2022
ModelOps Операционализация моделей машинного обучения 26.03.2022 2.04.2022

Отчётность по курсу и критерии оценки

В курсе предусмотрено несколько форм контроля знания:

  • 3 практических домашних задания
  • Письменный экзамен, вопросы в виде теста с вариантами ответов
  • Командный проект ( только для 3 курса )

Критерии оценки знаний, навыков

  • Оценки за все домашние задания выставляются по 2-балльной шкале, где «2» — задание решено полностью, «1» — задание решено не полностью или с недочётами, «0» — задание не решено или решено неверно.

Если домашнее задание разбито на несколько частей, то каждая часть оценивается по 2-балльной шкале как описано выше, а затем оценки усредняются с равными весами без округления.

Перевод оценки за домашние задания из 2-балльной шкалы в 10-балльную проводится путём умножения оценки на 5 без округления.

  • Оценка за экзамен выставляется по 10-балльной шкале.
  • Оценка за командный проект выставляется по 10-балльной шкале.

Порядок формирования оценок по дисциплине

Пусть оценки за 3 домашних задания по 10-балльной шкале — O_1,O_2,O_3, а оценка за экзамен в конце первого модуля по 10-балльной шкале — O_экз.


Итоговая оценка для студентов 4 курса O_итог рассчитывается по формуле

O_итог = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_экз


Итоговая оценка для студентов 3 курса в первом модуле O_мод рассчитывается по формуле

O_мод = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_экз

Оценка за проект во втором модуле O_пр выставляется по 10-балльной шкале по итогам защиты проекта.

Итоговая оценка O_итог определяется по формуле O_итог = O_мод + 0.5 * O_пр


Округление происходит только в самом конце — в итоговой оценке. Округление арифметическое.

Каждое задание и экзамен оцениваются по 10-балльной шкале (по заданиям допускается дробная оценка). За некоторые задания можно будет получить бонусные баллы, о чем будет объявляться при выдаче задания.

Домашние задания

Домашнее задание №1

Задание состоит из 2 частей:

1. Исследование данных и обработка данных для проведения последующей сегментации;

2. Составить профили клиентов на основе проведенных сегментаций (использовать минимум 2 метода сегментации).


Пример подробного описания Домашнего задания №1 2020-2021 уч.года с примерами и результатами читай в приложенном файле


Каждый студент выбирает вариант, который указан напротив его ФИО в списке по ссылке


Варианты и описание данных представлены в папке по ссылке


Для того, чтобы получить оценку, требуется:

1. Прислать архив с файлами, где производились все расчеты и сопроводительное письмо с выводами и комментариями по каждой части:

  • Расчеты могут производиться через код (python/sas/sql), сводные таблицы и формулы в excel или проект SAS Viya;
  • Все выводы необходимо подтверждать визуально интерпретируемыми графиками и данными.

2. Архив (.zip) с файлами требуется отправить на почту ntitova@hse.ru с темой «ФКН ВШЭ»

3. Название файла требуется отправлять по шаблону <Имя>_<Фамилия>_<номер группы>_hw1.zip.

Пример, Alexander_Sharipov_156_hw1


Оценка за домашнее задание №1 выставляется по 10-балльной шкале, где:

«8-10» — задание решено полностью, выполнены все 2 части домашней работы:

  • проведен анализ данных, предоставлен рабочий код и таблицы по исследованию данных;
  • построены сегментации 2-мя методами;
  • предоставлены понятные выводы с подтверждёнными данными (таблицы, графики);

«6-7» —задание решено неполностью или с недочётами:

  • проведен анализ данных, предоставлен рабочий код и таблицы по исследованию данных;
  • построена сегментация хотя бы одним методом;
  • предоставлены понятные выводы с подтверждёнными данными (таблицы, графики);

«4-5» —задание решено с существенными недочетами,

  • проведен анализ данных, предоставлен рабочий код и таблицы по исследованию данных;
  • выявлены верхнеуровневые зависимости и закономерности по клиентам без построения модели сегментации;

«0-3» — задание не решено или решено неверно.

Срок сдачи – 2 недели (19 февраля 2022 23:59).


Домашнее задание №2

Описание ДЗ 2 находится в файле по ссылке

Срок сдачи – 12 марта 2022 23:59. Решения присылать на почту aromanenko@hse.ru

В теме письма обязательно должно быть следующее: ВШЭ + Номер курса+номер_вариант+ФИО.

В названии файла необходимо указать:

  • Номер курса
  • Номер варианта
  • ФИО

Пример: «ПМИ_3курс_Вариант_8_ИвановИванИванович»


Домашнее задание №3

Необходимо построить скориниговую модель, оценивающую вероятность дефолта клиента на стадии заведения кредитной заявки. Для этого необходимо:

0. Скачать данные по ссылке https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ

Каждый студент выбирает 2 выборки "accept" и "reject", которые начинаются с варианта студента. Номера вариантов для ДЗ №3 необходимо взять такие же как и для ДЗ №1

Выполненное задание необходимо отправить в следующем виде:

1) Файл/скрипты с построенными моделями (обязательно должны быть комментарии, без комментариев задание считается нерешенным)

2) Excel файл с ответами на следующие вопросы:

1. Какая доля 1 в выборке "accept"?

2. Необходимо рассчитать для всех интервальных переменных следующее: 

 - Доля пропущенных значений 
 - Медиана
 - Среднее
 - Среднеквадратическое отклонение
 - Есть ли аномальные значения, выбросы? 
 - Information Value

3. Необходимо рассчитать для всех категориальных переменных следующее: 

 - Мода
 - Доля пропущенных значений
 - Information Value
 - Есть ли выбросы, аномальные значений

4. Построить логистическую регрессию только на одобренных заявках с преобразованными переменными WoE. Какое значение GINI? F1 мера?

5. Провести анализ Reject Inference. Какая доля отказанных заявок?

6. Построить логистическую регрессию на всех заявках с преобразованными переменными WoE. Какое значение GINI, F1? Изменилась ли модель?

7. Какую модель вы рекомендуете для внедрения в продуктивную среду? Дать развернутое пояснение


Оценка за домашние задания №3 выставляется по 2-балльной шкале, где «2» — задание решено полностью, «1» — задание решено не полностью или с недочётами, «0» — задание не решено или решено неверно. Перевод оценки за домашние задания из 2-балльной шкалы в 10-балльную проводится путём умножения оценки на 5 без округления.

За домашнюю работу №3 будут выставляться оценки: «2» – правильно построена модель и на выборке accept, и на выборке reject. Даны верные ответы. «1,6» – правильно построена модель и на выборке accept, и на выборке reject. 50% ответов верные. «1,4» – правильно построена модель и на выборке accept, и на выборке reject. Даны неверные ответы «1» - построена модель только на выборке accept. «0,8» - задание решено не полностью. 50% ответов верные. «0» — задание не решено или решено неверно.

Срок сдачи – до 26.03.2022 включительно

Решения присылать на почту msvorobeva@hse.ru В теме письма обязательно должно быть следующее: ВШЭ + Номер курса+номер_вариант+ФИО.

В названии файла необходимо указать:

  • Номер курса
  • Номер варианта
  • ФИО


Пример: «ПМИ_3курс_Вариант_8_ИвановИванИванович»

Если работы будут повторять друг друга, обе работы будут считаться нерешенными.

Командный проект для 3 курса

Выбор темы для командного проекта по курсу "Анализ данных в бизнесе"

Студенты делятся на группы по 3 человека. В дальнейшем 2-3 группы могут соединить в одну. Внутри группы должен быть определен капитан команды - ответственное лицо группы.

Ответственное лицо отвечает за выполнение и результат следующих основных функций:

  • отправка заявки на тему проекта и согласование темы проекта от лица всей группы с преподавателями;
  • предоставление информации куратору о текущем статусе проекта: учет, распределение и контроль выполнения задания по проекту;
  • отправка отчетов, презентаций, технической документации по выполненными работам группы в электронном виде.


Описания тем проектов: ссылка на файл

Ссылка на форму подачи заявки на тему: ссылка на файл


Сроки выбора тем:

До 17 апреля группа должна выбрать две темы из указанного списка, указав первый и второй приоритет для этих тем.

18 апреля - каждой группе, которая подала заявку на проект, через указанную форму, будет назначена тема проекта и куратор. При назначении тем будут учитываться приоритеты указанные студентами, а также средний балл студентов в группе по первому модулю курса. На одну тему назначается не более 3-х групп студентов.


При возникновении вопросов пишите в Telegram Титовой Наталии.


Итогом каждого проекта должна быть презентация результатов проекта на 10-15 минут.

Защита проекта для ПАД и МИЭФ будет в середине мая (17-22 мая), а также для всех желающих, которые готовы будут защититься.

Финальная защита для ПМИ, ФЭН пройдет в середине июня (15-19 июня) до начала сессии.

Оценка за проект во втором модуле выставляется по 10-балльной шкале по итогам защиты проекта.

Те студенты, которые не нашли себе группу тоже подают заявку на тему, но на одного себя. Мы сами соединим с группой по схожей теме.


Даты защиты учебных проектов в 4 модуле:

Защиты проектов пройдут с 17 по 19 июня 2021 года.

В файле по ссылке вы найдете список проектных групп с привязкой к дате и времени защиты, а так же ссылки для подключения к самим защитам.

Командные проекты - даты защит по группам и ссылки на подключение.

Задать вопрос по курсу

Вопросы по курсу можно задавать в telegram чат курса, преподавателю курса Титовой Наталии @Natalitics или менеджеру кафедры SAS Лобок Татьяне (@tatianalobok) tlobok@hse.ru.


Канал в telegram для объявлений: https://t.me/+Lj-yHhfNJTQxYWEy

Чат в telegram для обсуждений: https://t.me/+a1VMTe2xwNA5Mzcy


Все объявления и материалы по курсу будут выкладываться в чате и в канале telegram! Преподаватели в чате бывают, но не всегда. По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате telegram @Natalitics или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН ВШЭ/Эк ФЭН ВШЭ/ЭкСт ФЭН ВШЭ], а также указывать свою фамилию и имя.

Все приведенные файлы предназначены для использования студентами во время обучения и обновляются в течение года. По найденным опечаткам, неточностям, сбоям работы странички просьба писать на электронную почту tlobok@hse.ru.

Материалы по курсу

Документы и программа курса Внимание: файлы обновляются!

  • Рабочая программа дисциплины для 3 и 4 курса можно найти по следующей ссылке.

Рекомендуемая литература и полезные дополнительные материалы

Полезные материалы


Полезная литература

К разделу 1:


К разделу 2:

  • Шапиро Дж (2006). Моделирование цепи поставок. Питер. Серия «Теория менеджмента».
  • Tijms H.C., Groenevelt H. (1984). Simple approximations for the reorder point in periodic and continuous review (s, S) inventory systems with service level constraints. European Journal of Operational Research, Vol. 17, Issue 2, August 1984, Pages 175-190.]


К разделу 3:

  • Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.

К разделу 4:

  • Мортон С. (2016) Лаборатория презентаций. Формула идеального выступления. Альпина Паблишер.

Контакты

микро
Титова Наталия Николаевна - старший преподаватель

Natalia.Titova@sas.com



микро
Лобок Татьяна Сергеевна - менеджер базовой кафедры SAS

tlobok@hse.ru

О курсе

Страница курса на сайте НИУ ВШЭ - https://www.hse.ru/edu/courses/470995302

Преподаватели Ильвовский Дмитрий Алексеевич, Титова Наталия Николаевна
Число кредитов 5
Контактная работа (час.) 60
Самостоятельная работа (час.) 130
Курс 3
Формат изучеения дисциплины full-time
Источник — «http://wiki.cs.hse.ru/index.php?title=Технологии_прикладного_анализа_данных_SAS&oldid=64277»