Кафедра высшей математики

АБB
АБB
АБB

Обычная версия сайта

Публикации

Книга

Проблемы устойчивости и эффективности современных государств в сравнительной перспективе

Бабаян В. В., Горельский И. Е., Кручинская Е. В. и др.

М.: Издательский дом НИУ ВШЭ, 2023.

Статья

Математическое моделирование влияния клеточной подвижности и межклеточных активных взаимодействий на сортировку двух типов клеток в культурах биологических тканей

Логвенков С. А.

Известия РАН. Механика жидкости и газа. 2023. № 2. С. 9-19.

Глава в книге

Chordal Embeddings Based on Topology of the Tonal Space

Ayzenberg A., Beketov M., Burashnikova A. et al.

In bk.: Artificial Intelligence in Music, Sound, Art and Design: 12th International Conference, EvoMUSART 2023, Held as Part of EvoStar 2023, Brno, Czech Republic, April 12–14, 2023, Proceedings. Vol. 13988. Cham: Springer, 2023. Ch. 2. P. 20-33.

Препринт

On classification of non-abelian Painlevé type systems

Bobrova I., Sokolov V.

arxiv.org. math. Cornell University, 2023

Все публикации

Кто читает:: Кафедра высшей математики (Общеуниверситетские кафедры)

Статус:: Курс по выбору

Когда читается:: 3-й курс, 1 модуль

Преподаватели

Стукал Денис Константинович

Тамбовцева Алла Андреевна

Полная версия программы учебной дисциплины

Аннотация

Дисциплина нацелена на развитие навыков обработки количественных данных в Python без углубления в математические основы и статистическую теорию. Элементы статистической теории в этом курсе используются, однако акцент делается на процедурах подготовки данных к анализу (чистка данных, фильтрация, группировка, агрегирование, элементы визуализации), а также использовании и интерпретации коэффициентов корреляции и регрессии (линейной и логистической) - наиболее широко применяемых инструментах анализа данных в социальных науках.

Цель освоения дисциплины

Освоение базовых инструментов анализа данных в Python. Подготовка к независимому экзамену по анализу данных.

Планируемые результаты обучения

Умение вычислять с использованием Python и интерпретировать базовые описательные статистики. Умение осуществлять в Python основные операции по работе с массивами данных (датафреймами).
Умение вычислять с использованием Python и интерпретировать основные меры корреляции.
Умение выбирать корректные способы визуализации и интерпретировать типичные графики. Умение создавать и редактировать графики в Python.
Умение оценивать регрессионные модели в Python, проверять гипотезы и интерпретировать коэффициенты. Умение диагностировать нарушения базовых допущений. Умение оценивать качество моделей.

Содержание учебной дисциплины

Описательные статистики и статистический вывод
Корреляция
Визуализация
Линейная регрессия
Логистическая регрессия

Элементы контроля

Экзамен
Итоговый проект
Домашнее задание 1
Домашнее задание 2
Домашнее задание 3
Домашнее задание 4
Домашнее задание 5
Домашнее задание 6

Промежуточная аттестация

2022/2023 учебный год 1 модуль
0.08 * Домашнее задание 5 + 0.25 * Экзамен + 0.08 * Домашнее задание 4 + 0.25 * Итоговый проект + 0.1 * Домашнее задание 6 + 0.08 * Домашнее задание 3 + 0.08 * Домашнее задание 1 + 0.08 * Домашнее задание 2

Основы анализа данных в Python

Преподаватели

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература