Основы анализа данных в Python

2023/2024

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Кафедра высшей математики (Общеуниверситетские кафедры)

Статус:

Курс обязательный

Когда читается:

3-й курс, 1, 2 модуль

Преподаватель

Тамбовцева Алла Андреевна

Программа 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

• определять шкалы данных и выбирать подходящие для них способы визуализации и анализа
• уметь вычислять описательные статистики в Python и интерпретировать их
• уметь интерпретировать различные виды графиков
• уметь строить доверительный интервал для доли и для среднего в Python и интерпретировать полученные интервалы
• уметь интерпретировать статистические выдачи из Python
• уметь проверять гипотезы о равенстве доли числу, о равенстве среднего числу и о равенстве средних средствами Python
• уметь вычислять в Python коэффициент корреляции Пирсона и проверять его статистическую значимость
• уметь реализовывать в Python проверку независимости признаков в качественной шкале с помощью критерия хи-квадрат Пирсона
• уметь реализовывать в Python метод k-ближайших соседей
• уметь оценивать в Python модель линейной регрессии и интерпретировать полученные результаты
• уметь оценивать в Python модель логистической регрессии и интерпретировать полученные результаты

Содержание учебной дисциплины

• Введение в выборочные обследования
• Описание данных
• Визуализация данных
• Выборочное оценивание
• Проверка статистических гипотез
• Меры связи
• Введение в машинное обучение
• Примеры прогнозирования в машинном обучении: линейная регрессия
• Примеры классификации в машинном обучении: логистическая регрессия

Элементы контроля

• Домашнее задание
  Набор заданий по обработке и анализу данных в Python (сдается в виде ipynb-файлов с кодом и текстом).
• Тест
  Письменный тест с заданиями в формате независимого экзамена по анализу данных по пройденным темам (вопросы с выбором ответа, вопросы на поиск соответствий, вопросы с кратким ответом). Во время выполнения теста нельзя пользоваться никакими материалами.
• Контрольная работа
  Письменная работа на 80 минут в формате независимого экзамена по пройденным темам. Включает две части: тестовая (задания на бумаге без использования компьютера) и практическая (задания на обработку и анализ данных в Python).
• Экзамен
  Письменный экзамен в формате независимого экзамена по анализу данных (офлайн). Продолжительность экзамена 150 минут.

Промежуточная аттестация

• 2023/2024 учебный год 2 модуль
  0.28 * Домашнее задание + 0.21 * Контрольная работа + 0.21 * Тест + 0.3 * Экзамен

Список литературы

Рекомендуемая основная литература

• AP Statistics : most up-to-date review and practice tests currently available, Sternstein, M., 2017
• Введение в статистическое обучение с примерами на языке R, Джеймс, Г., 2016
• Теория вероятностей и математическая статистика для социологов и менеджеров : учебник для вузов, Пашкевич, А. В., 2020

Рекомендуемая дополнительная литература

• Голая статистика : самая интересная книга о самой скучной науке, Уилан, Ч., 2016