Прикладной анализ данных

О курсе

Курс знакомит слушателей с инструментарием прикладного анализа данных и носит практикоориентированный характер. Его целью является дать студентам, исследователям, специалистам и руководителям различного уровня представление о современных методах и технологиях анализа управленческой информации и принятия на этой основе управленческих решений.

Слушатели курса должны, помимо основных представлений о базовых инструментах и технологиях прикладного анализа данных получить устойчивые навыки использования основных методов и инструментов интеллектуального анализа данных (статистики, решения задач интеллектуального анализа, использование машинного обучения). С целью получения таких навыков, предусматривается выполнение необходимого количества практических работ по решению конкретных аналитических и управленческих задач в социально-экономической сфере с использованием таблиц Excel (c элементами VBA и/или языка Python).

Формат

Курс включает 5 тематических разделов, состоящих из нескольких тем, каждая из которых содержит видеолекции, лекционные материалы, учебные и контрольные задания. Для более углубленного изучения вопросов курса предусмотрены дополнительные материалы в виде научных публикаций, полезных ссылок и др.

Пререквизиты (минимальные требования к уровню подготовки)

Для успешного освоения курса необходимы базовые знания алгебры и геометрии в объеме средней школы. Базовые представления о математической статистике и теории вероятности. Навыки программирования на Python и владение Excel приветствуются, но не обязательны.

Программа курса

Раздел 1. Концептуализация задач по интеллектуальному анализу данных
Тема 1.1. Цели и задачи интеллектуального анализа данных
Тема 1.2. Виды, типы, способы получения, хранения и подготовки данных для анализа (или что есть "Big Data")
Тема 1.3. Требования к информации для проведения социально-экономических исследований
Раздел 2. Методы и инструменты прикладного анализа данных (Data mining)
Тема 2.1 Классификация методов прикладного анализа данных
Тема 2.2. Обзор статистических методов анализа данных
Тема 2.3. Основы языка Python
Тема 2.4. Методы анализа данных на основе нейронных сетей
Раздел 3. Статистический прикладной анализ социально-экономических процессов (Novelty detection)
Тема 3.1.Основные представления о теории вероятностей и математической статистике
Тема 3.2. Корреляционно-регрессионный анализ данных на Python
Раздел 4. Интеллектуальный анализ данных социально-экономических систем
Тема 4.1. Методы классификации данных и их использование в принятии управленческих решений
Тема 4.2. Нейронные сети в анализе социально-экономических данных
Тема 4.3. Методы кластеризации данных. Нейросеть Кохонена и метод k-средних в анализе хозяйственных процессов
Тема 4.4. Ассоциативные правила и принятие управленческих решений на их основе
Раздел 5. Прогнозирования социально-экономических процессов
Тема 5.1. Теоретические основы прогнозирования процессов
Тема 5.2. Инструментарий предиктивной аналитики с использованием языка Python

Общая трудоемкость: 3 з. е.

Продолжительность изучения: 16 недель

Нагрузка в неделю: 6–7 часов

Результаты обучения

• Умение осуществлять сбор данных, выбирать методологию, работать с базами данных, обрабатывать и систематизировать информацию, представлять результаты проведенного исследования.
• Умение анализировать источники данных, информацию, представленную в базах данных, использовать комплексный подход с применением разных инструментов анализа, применять подходящие инструменты визуализации данных.
• Умение обосновано и результативно использовать, совершенствовать, разрабатывать и внедрять современные технологии и инструментальные средства анализа и работы с большими объемами данных.

Формируемые компетенции

Способен организовывать и проводить аналитические исследования на основе технологий интеллектуального анализа данных, методов машинного обучения и статистического анализа для решения практических задач экономики и управления.

Целевая аудитория

Студенты университетов, обучающиеся в бакалавриате и магистратуре нетехнических направлений подготовки, молодые ученые и научно-педагогические работники, занимающиеся прикладными социально-экономическими исследованиями, работники предприятий и организаций реального сектора экономики, интересующиеся вопросами новых подходов в региональном управлении на основе цифровых данных и нацеленные на получение дополнительного образования в этой сфере.