Анализ данных в индустрии
Название спецкурса на английском языке
Industry data analysis
Пререквизиты
Входные требования для освоения дисциплины (модуля), предварительные условия.
Для того чтобы формирование данной компетенции было возможно, обучающийся, приступивший к освоению программы, должен
Знать: основные направления, проблемы, теории и методы современной математики, элементарные навыки программирования на языке Java.
Уметь: решать стандартные задачи по программированию и применять идеи, использованные в их решениях, для решения аналогичных задач.
Владеть: основными понятиями и теоремами из этих разделов математики.
Для того чтобы формирование данной компетенции было возможно, обучающийся, приступивший к освоению программы, должен
Знать: основные направления, проблемы, теории и методы современной математики, элементарные навыки программирования на языке Java.
Уметь: решать стандартные задачи по программированию и применять идеи, использованные в их решениях, для решения аналогичных задач.
Владеть: основными понятиями и теоремами из этих разделов математики.
Целевая аудитория
1-2 курс
3-6 курс, магистранты
Подразделение
[Кафедра МКМА]
Семестр
Полгода (весна)
Тип курса
Спецкурс по выбору студента
Учебный год
2024/25
Список тем
Знакомство с SQL.
Основные термины
Базовые элементы языка.
Синтаксис оператора SELECT.
Внесение изменений в БД.
Запросы на объединение.
Структура баз данных.
Ключи, историчность
Откуда берутся данные (источники)
Python
Знакомство с Python на примере jyputernotebook
Основные библиотеки работы с данными(PandasNumPy)
Python
Библиотеки для визуализация данных в Python
Визуализация данных
Способы представления информации.
Разновидности графиков, диаграмм
Применение
Визуализация данных
Визуализация в excel
Визуализация в питон
Практика
Как проводить тесты А-Б, что еще бывает
Что такое тесты и зачем они нужны
Простые примеры
Математика, статистические критерии, статистическая значимость
Как проводить тесты А-Б, что еще бывает
Что происходит на практике
Как сделать правильный тест
Множество примеров (хороших и плохих)
Что измерять – какие бывают метрики.
Как в зависимости от цели выбрать, на что смотреть.
Как делать выводы.
На какие конверсии можно смотреть
Примеры (с демонстрацией, что показательно, а что нет)
Как следить за изменениями
Мониторинг характеристик, отчеты
Примеры, когда что-то меняется ("что, почему и как засечь")
Модели
Какие используют аналитики и зачем (с примерами)
Простейшие прогнозирующие
Выбор параметров модели
Модели
Финансовые модели
Модели роста
Линейная и логистическая регрессии
Теория
Примеры
Построение логистической регрессии
Подготовка данных
Выбор признаков
AUC ROC, WoE
Основные термины
Базовые элементы языка.
Синтаксис оператора SELECT.
Внесение изменений в БД.
Запросы на объединение.
Структура баз данных.
Ключи, историчность
Откуда берутся данные (источники)
Python
Знакомство с Python на примере jyputernotebook
Основные библиотеки работы с данными(PandasNumPy)
Python
Библиотеки для визуализация данных в Python
Визуализация данных
Способы представления информации.
Разновидности графиков, диаграмм
Применение
Визуализация данных
Визуализация в excel
Визуализация в питон
Практика
Как проводить тесты А-Б, что еще бывает
Что такое тесты и зачем они нужны
Простые примеры
Математика, статистические критерии, статистическая значимость
Как проводить тесты А-Б, что еще бывает
Что происходит на практике
Как сделать правильный тест
Множество примеров (хороших и плохих)
Что измерять – какие бывают метрики.
Как в зависимости от цели выбрать, на что смотреть.
Как делать выводы.
На какие конверсии можно смотреть
Примеры (с демонстрацией, что показательно, а что нет)
Как следить за изменениями
Мониторинг характеристик, отчеты
Примеры, когда что-то меняется ("что, почему и как засечь")
Модели
Какие используют аналитики и зачем (с примерами)
Простейшие прогнозирующие
Выбор параметров модели
Модели
Финансовые модели
Модели роста
Линейная и логистическая регрессии
Теория
Примеры
Построение логистической регрессии
Подготовка данных
Выбор признаков
AUC ROC, WoE
Список источников
Энтони Молинаро «SQL. Сборник рецептов» (2009)
Mark Lutz, David Ascher "Learning Python"
Kahled, SalehandShukairy, Ayat (2011). Conversion Optimization: The Art and Science of Converting Prospects into Customers, p. 2. O'ReillyMedia, Sebastopol. ISBN978-1-449-37756-4
DeClerck, JP. "Customer intelligence: why and how a data-driven business is a customer-centric business". Retrieved 3 April 2012.
О.О. Замков, А.В. Толстопятенко, Ю.Н. Черемных "Математические методы в экономике"
Mark Lutz, David Ascher "Learning Python"
Kahled, SalehandShukairy, Ayat (2011). Conversion Optimization: The Art and Science of Converting Prospects into Customers, p. 2. O'ReillyMedia, Sebastopol. ISBN978-1-449-37756-4
DeClerck, JP. "Customer intelligence: why and how a data-driven business is a customer-centric business". Retrieved 3 April 2012.
О.О. Замков, А.В. Толстопятенко, Ю.Н. Черемных "Математические методы в экономике"
День недели
вторник
Время
18:30-20:05
Аудитория
Ещё не назначена
Дата первого занятия
Аудитория первого занятия
Ещё не назначена
Статус курса
Запись открыта
Форма записи на курс
Заполнение формы записи на курс доступно только студентам. Для записи на курс авторизуйтесь, пожалуйста, в студенческом аккаунте.