Wiki - Факультет компьютерных наук - Вклад [ru]

Data Science Case Studies (JD SAS) 21/22

2022-02-03T06:41:14Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Timetable of classes ===
Classes on '''saturday''' 

'''Link to all lectures and workshops:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Conference ID: 992 2034 9786 
Code: 476860 
 
'''''9:30''''' - Seminar in Russian - Economics 3 year (with GC "Open") 
'''''11:10''''' - Seminar in Russian - Economics 4 year (with GC "Open") 
'''''13:00''''' - English lecture (recording) - DSBA and ICEF 
'''''14:40''''' - Russian lecture (recording) - AMI, Economics, Economics and Statistics, Intercampus 
'''''16:20''''' - Russian seminar (recording) - AMI, Economics 
'''''18:10''''' - Russian seminar (recording) - DSBA1 and ICEF 
'''''19:40''''' - English seminar - DSBA2 
 

We ask you to '''rename''' and write your name as «Prefix_Last name First name» choosing prefix from (ICEF, DSBA, AMI, Economics), when attending lectures and seminars on Zoom. For example, "DSBA_Oxlong Mike".

=== About course ===
This page contains links to materials for 2021/2022 course for educational programs:
 

{| class="wikitable"
! Educational program !! Year !! Faculty !! Link to the DSCS page
|-
| [https://www.hse.ru/en/ba/ami/ Applied Mathematics and Computer Science] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339498590 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/data/about/ Bachelor’s Programme 'HSE University and University of London Double Degree Programme in Data Science and Business Analytics'] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339492551 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904614 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904606 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904618 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904610 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/icef/ Double Degree Program in Economics at the Higher School of Economics and the University of London] || 3 курс || International Institute of Economics and Finance NRU HSE || No
|}
 
Additional links:
*[https://cs.hse.ru/en/sas/ Joint Department with SAS at the HSE Faculty of Computer Science ]
*[https://cs.hse.ru/electives/sas_dscs Course card and program]
*[https://www.sas.com/ru_ru/home.html SAS website]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html Internship program calendar for 2021/2022]'''

== Course program==

'''The first module''' will be read for the 3rd and 4th courses - an overview of the sections:
* Client analytics;
* Text analytics;
* Tasks of data analysis in retail sales networks of goods;
* Fundamentals of risk assessment;
*Model Ops.

The first module will be able to immerse students in current business issues, as well as in particular data analysis and analytical model building for each section of the module.
In this module, students will be introduced to the SAS software.

'''The second module''' is a team project for the 3rd course only.

Students will be divided into groups of 2-7 people and each group will be given a practical task.
This module will allow students to gain practical experience in data analysis, development and building analytical models on real data.

== Studying and using SAS software in «Data Analytics in Business» course ==

To perform practical tasks, a student is free of choice to pick any of the given software tools: SAS, R, Python.

'''Students who plan to perform practical tasks on SAS platform''', may take advanced online courses for free.

''To access the course, you must contact the course instructor - Natalia Titova via Telegram.''

Links to access the software SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''If a student has completed all the practical tasks on the SAS and passed the course with excellence''', then he will receive:
*academic SAS program completion certificate
*Acclaim electronic badge confirming completion of the course and a list of technologies used by SAS

All interested students can take basic SAS online courses for free:
*basics of programming on SAS Base [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link to the course]
*basics of statistical analysis using SAS software[https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link to the course]

Students who are willing to spend extra time learning to program in SAS can try to take a professional certification within the SCYP program for free (SAS® Software Certified Young Professionals) [https://www.sas.com/sas/training/scyp.html link to the course].

== Lectures ==

'''суббота '''
{| class="wikitable"
''' 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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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 || ||
|}

== Course report and grade evaluation ==

The course includes several forms of knowledge control:
* 3 practical homework assignments
* Written exam, questions in the form of a test with multiple choice
* Team project (only for 3rd-year students)

'''Criteria for assessing knowledge, skills'''

*All homework assignments are graded on a 2-point scale, where «2» — task is fully completed, «1» — the task is not completely solved or with slight mistakes, «0» — task is not solved or solved incorrectly.

In case if the homework is divided into several parts, then each part is evaluated on a 2-point scale as described above, and then the marks are averaged with equal weights without rounding.

The transfer of grades for homework from a 2-point scale to a 10-point scale is done by means of multiplying the grade by 5 without any rounding.

*The grade for the exam is set on a 10-point scale.

*The grade for the team project is also set on a 10-point scale.

'''The order of the formation of grades for the discipline '''

Let's denote the grades for 3 homework assignments on a 10-point scale — '''O_1,O_2,O_3,''' and the grade for the exam at the end of the 1st module on a 10-point scale — '''O_ex'''.

The final grade for 4th-year students '''O_final''' is evaluated by the following formula

'''O_final = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_ex'''

The final grade for 3rd-year students in the 1st module '''O_mod''' is evaluated by the following formula

'''O_mod = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_ex'''

The grade for the project in the 2nd module '''O_prj''' is set on a 10-point scale by means of the project defense.

The final grade '''O_final''' is defined by the formula '''O_final = O_mod + 0.5 * O_prj'''

Rounding occurs only at the very end - in the final grade, i.e. arithmetic rounding.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks). For some tasks, it will be possible to receive bonus points, which will be announced when the task is issued.

== Home assignments ==

'''Home assignment #1'''

The home task #1 consists of 2 parts:

1. Data research and data processing for subsequent segmentation;

2. Making customer profiles based on segmentations (use at least 2 segmentation methods).

An example of a detailed description of Home assignment №1 2020-2021 with examples and results [https://drive.google.com/file/d/16WFqo1xfPvnlGLwyorWFGdiL2ZM8xp8D/view?usp=sharing read in the attached file]

Each student chooses the version that is indicated opposite his name in the list
[https://docs.google.com/spreadsheets/d/19HGjq6sUJ__0Cg0akOr7AIivKvIRh7ttas_9QE4Q3E0/edit?usp=sharing link]

Versions and data description are presented [https://drive.google.com/open?id=1jxwwFMEHVh91ZKx5_PqnMSUlsICytIbI in the folder at the link]

In order to receive an assessment, you need:

1. Send an archive with files where all calculations were made and a cover letter with conclusions and comments on
each part:

* Calculations can be done using code (python/sas/sql), pivot tables and formulas in excel or SAS Viya project;
* All conclusions must be supported by visually interpretable graphs and data.

2. The archive (.zip) with the files must be sent to ntitova@hse.ru with the email subject “FCS HSE”

3. The file name must be sent according to the template <First Name>_<Last name>_<group number>_hw1.zip.

For example, Alexander_Sharipov_156_hw1

'''Grade for Home assignment #1''' is given on a 10-point scale, where:

"8-10" - the task is completely solved, all 2 parts of homework are completed:
* data analysis was carried out, a code is working, and tables for data research were provided;
* constructed segmentation by 2 methods;
* provided clear conclusions with confirmed data (tables, graphs);

"6-7" - the task is solved incompletely or with shortcomings:
* data analysis was carried out, a working code and tables for data research were provided;
* built segmentation using at least one method;
* provided clear conclusions with confirmed data (tables, graphs);

"4-5" - the task was solved with significant shortcomings,
* data analysis was carried out, a working code and tables for data research were provided;
* revealed top-level dependencies and patterns for customers without building a segmentation model;

"0-3" - the task is not solved or solved incorrectly.

''Deadline – 2 weeks (February 19, 2022 23:59).''

'''Home assignment #2'''

Description of Home assignment #2 is in the file [https://drive.google.com/file/d/1R6BLH40CLk7uewRn02JlGj64Ov2peJgK/view?usp=sharing link]

''Deadline - March 12, 2022 23:59.''
Solutions should be sent to aromanenko@hse.ru

The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

'''Home assignment #3'''

It is necessary to build a scoring model that assesses the probability of a client default at the stage of making a loan application.
To do this you need:

0. Download data from the link https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ

Each student selects 2 data samples "accept" and "reject", which start with the student's HW version.
Version numbers for HW #3 must be taken the same as for HW #1.

The completed task must be sent in the following form:

1) File/scripts with built models (there must be comments, without comments the task is considered as unresolved)

2) Excel file with answers to the following questions:

1. What is the proportion of 1 in the "accept" sample?

2. It is necessary to calculate the following for all interval variables:
- Proportion of missing values
- Median
- Mean
- Standard deviation
- Are there any abnormal values, outliers?
- Information Value
3. It is necessary to calculate for all categorical variables the following:
- Mode
- Proportion of missing values
- Information Value
- Are there outliers, abnormal values?
4. Build logistic regression only on approved applications with transformed WoE variables. What is the meaning of GINI? F1 measure?

5. Conduct a Reject Inference analysis. What is the percentage of rejected applications?

6. Build a logistic regression on all applications with transformed WoE variables. What GINI, F1 mean? Has the model changed?

7. What model would you recommend for implementation in a productive environment? Give a detailed explanation

Assessment for HW #3 is set on a 2-point scale, where "2" - the task is solved completely, "1" - the task is not completely solved or with shortcomings, "0" - the task is not solved or solved incorrectly.
The transfer of grades for homework from a 2-point scale to a 10-point scale is carried out by multiplying the grade by 5 without rounding.

For HW #3, marks will be given:
"2" - the model is correctly built on both the accept and reject samples. Correct answers given.
"1.6" - the model is correctly built both on the accept sample and on the reject sample. 50% of answers are correct.
"1.4" - the model is correctly built both on the accept sample and on the reject sample. Wrong answers are given.
"1" are given - the model is built only on the accept sample.
"0.8" - the task is not completely solved. 50% of answers are correct.
"0" - the task is not solved or solved incorrectly.

Deadline - until 26.03.2022 (including 26.03.2022)

Decisions should be sent to msvorobeva@hse.ru
The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

If the works will repeat each other, both works will be considered unresolved.

== Team project for 3rd course ==

'''Choosing a topic for a team project on the course "Data Science Case Studies (JD SAS)" '''

Students are divided into groups of 3 people. In the future, 2-3 groups can be combined into one. Within the group, the team captain must be determined - the responsible person of the group.

The responsible person is responsible for the performance and result of the following main functions:
* sending an application for a project topic and agreeing on a project topic on behalf of the whole group with professors;
* providing information to the curator about the current status of the project: accounting, distribution and control of the implementation of the project task;
* sending reports, presentations, technical documentation on the work performed by the group in electronic form.

Project topic descriptions: [https://docs.google.com/document/d/1p_gECsEVi95_3-WW2eBJaA3yEGCJBzejDILSkPQDX7c/edit?usp=sharing link to file]

Link to the application form on the topic: [https://forms.gle/QG2SwvYZ5tN2Pwow5 link to file]

'''Topic selection deadlines:'''

'''Until April 17, the group must select two topics from the specified list''', indicating the first and second priority for these topics.

'''April 18 - each group that has applied for the project, through the specified form, will be assigned a project topic and curator.''' While assigning topics, the priorities indicated by the students will be taken into account, as well as the average score of students in the group for the first module of the course. No more than 3 groups of students are assigned to one topic.

If you have any questions, write to Natalia Titova on Telegram.

The result of each project should be a presentation of the results of the project for 10-15 minutes.

The defense of the project for DSBA and ICEF will be in mid-May (May 17-22), as well as for everyone who is ready to defend themselves.

The final defense for AMIS, Economics, Economics and Statistics will take place in mid-June (June 15-19) before the start of the session.

The assessment for the project in the second module is set on a 10-point scale based on the results of the defense of the project.

Those students who did not find a group for themselves also apply for a topic, but for themselves alone. We ourselves will connect with a group on a similar topic.

'''Dates for the defense of educational projects in module 4:'''

Project defenses will be held from 17 to 19 June 2021.

In the file you will find a link to the list of project groups with reference to the date and time of project defense, as well as links to defenses.

[https://docs.google.com/spreadsheets/d/127uq1MwiwZlPahfLj1AwBAuxMdpp44EM6hlYiLnYKyI/edit?usp=sharing Team projects - dates for defenses by groups and links to join.]

== How to ask a question about the course ==

'''Questions''' about the course can be asked in the telegram chat of the course, the course professor Natalia Titova @Natalitics or the manager of the SAS department Tatiana Lobok @tatianalobok (tlobok@hse.ru).

Telegram channel for announcements: https://t.me/+Lj-yHhfNJTQxYWEy

Chat in telegram for discussions: https://t.me/+a1VMTe2xwNA5Mzcy

''' All announcements and course materials will be posted in the telegram chat and in the telegram channel! '''
There are professors in the chat, but not always.
For all important questions, you should write to Natalia Titova in the telegram chat @Natalitics or mail Natalia.Titova@sas.com. Be sure to add the tag [AMIS FCS HSE/DSBA FCS HSE/ICEF FCS HSE/Ec FES HSE/EcSt FES HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
If you find any typos, inaccuracies, malfunctions of the page, please send email tlobok@hse.ru.

== Course materials ==
'''Documents and program of the course'''
''Attention: files are being updated!''

*The working program of the discipline for the 3rd and 4th courses document is located at the following [https://docs.google.com/document/d/1Sh-KjlZlAmk1kIEndmM7mF7nAj6iL6ZI/edit?usp=sharing&ouid=109416058723510784590&rtpof=true&sd=true link].

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instructions for connecting to SAS OnDemand and downloading SAS software]'''

*[https://drive.google.com/open?id=1ANDlimb5hp4ds0sUcReR6xq5sVrcX5n9 Lectures and seminars] ''Attention: files in the folder are being updated!''

== Recommended literature and useful additional materials ==

'''Useful materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials Training portal with additional literature for working with SAS Enterprise Guide]
*[https://habr.com/company/sas/blog/ SAS Company's block on Habr (Basics of programming on SAS Base)]

'''Useful literature'''

''Section 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]

''Section 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.]

''Section 3:''

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

''Section 4:''

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

== Contacts ==

[[Файл:Титова Наталья Николаевна.jpg|микро|70px|безрамки|слева]] '''Titova Natalia Nikolaevna''' - Senior tutor
Natalia.Titova@sas.com

[[Файл:Лобок Татьяна Сергеевна.jpg|микро|70px|безрамки|слева]] '''Lobok Tatiana Sergeevna''' - Manager of the basic SAS Department
tlobok@hse.ru

Data Science Case Studies (JD SAS) 21/22

2022-02-03T06:37:11Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Timetable of classes ===
Classes on '''saturday''' 

'''Link to all lectures and workshops:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Conference ID: 992 2034 9786 
Code: 476860 
 
'''''9:30''''' - Seminar in Russian - Economics 3 year (with GC "Open") 
'''''11:10''''' - Seminar in Russian - Economics 4 year (with GC "Open") 
'''''13:00''''' - English lecture (recording) - DSBA and ICEF 
'''''14:40''''' - Russian lecture (recording) - AMI, Economics, Economics and Statistics 
'''''16:20''''' - Russian seminar (recording) - AMI, Economics 
'''''18:10''''' - Russian seminar (recording) - DSBA1 and ICEF 
'''''19:40''''' - English seminar - DSBA2 
 

We ask you to '''rename''' and write your name as «Prefix_Last name First name» choosing prefix from (ICEF, DSBA, AMI, Economics), when attending lectures and seminars on Zoom. For example, "DSBA_Oxlong Mike".

=== About course ===
This page contains links to materials for 2021/2022 course for educational programs:
 

{| class="wikitable"
! Educational program !! Year !! Faculty !! Link to the DSCS page
|-
| [https://www.hse.ru/en/ba/ami/ Applied Mathematics and Computer Science] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339498590 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/data/about/ Bachelor’s Programme 'HSE University and University of London Double Degree Programme in Data Science and Business Analytics'] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339492551 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904614 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904606 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904618 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904610 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/icef/ Double Degree Program in Economics at the Higher School of Economics and the University of London] || 3 курс || International Institute of Economics and Finance NRU HSE || No
|}
 
Additional links:
*[https://cs.hse.ru/en/sas/ Joint Department with SAS at the HSE Faculty of Computer Science ]
*[https://cs.hse.ru/electives/sas_dscs Course card and program]
*[https://www.sas.com/ru_ru/home.html SAS website]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html Internship program calendar for 2021/2022]'''

== Course program==

'''The first module''' will be read for the 3rd and 4th courses - an overview of the sections:
* Client analytics;
* Text analytics;
* Tasks of data analysis in retail sales networks of goods;
* Fundamentals of risk assessment;
*Model Ops.

The first module will be able to immerse students in current business issues, as well as in particular data analysis and analytical model building for each section of the module.
In this module, students will be introduced to the SAS software.

'''The second module''' is a team project for the 3rd course only.

Students will be divided into groups of 2-7 people and each group will be given a practical task.
This module will allow students to gain practical experience in data analysis, development and building analytical models on real data.

== Studying and using SAS software in «Data Analytics in Business» course ==

To perform practical tasks, a student is free of choice to pick any of the given software tools: SAS, R, Python.

'''Students who plan to perform practical tasks on SAS platform''', may take advanced online courses for free.

''To access the course, you must contact the course instructor - Natalia Titova via Telegram.''

Links to access the software SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''If a student has completed all the practical tasks on the SAS and passed the course with excellence''', then he will receive:
*academic SAS program completion certificate
*Acclaim electronic badge confirming completion of the course and a list of technologies used by SAS

All interested students can take basic SAS online courses for free:
*basics of programming on SAS Base [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link to the course]
*basics of statistical analysis using SAS software[https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link to the course]

Students who are willing to spend extra time learning to program in SAS can try to take a professional certification within the SCYP program for free (SAS® Software Certified Young Professionals) [https://www.sas.com/sas/training/scyp.html link to the course].

== Lectures ==

'''суббота '''
{| class="wikitable"
''' 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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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 || ||
|}

== Course report and grade evaluation ==

The course includes several forms of knowledge control:
* 3 practical homework assignments
* Written exam, questions in the form of a test with multiple choice
* Team project (only for 3rd-year students)

'''Criteria for assessing knowledge, skills'''

*All homework assignments are graded on a 2-point scale, where «2» — task is fully completed, «1» — the task is not completely solved or with slight mistakes, «0» — task is not solved or solved incorrectly.

In case if the homework is divided into several parts, then each part is evaluated on a 2-point scale as described above, and then the marks are averaged with equal weights without rounding.

The transfer of grades for homework from a 2-point scale to a 10-point scale is done by means of multiplying the grade by 5 without any rounding.

*The grade for the exam is set on a 10-point scale.

*The grade for the team project is also set on a 10-point scale.

'''The order of the formation of grades for the discipline '''

Let's denote the grades for 3 homework assignments on a 10-point scale — '''O_1,O_2,O_3,''' and the grade for the exam at the end of the 1st module on a 10-point scale — '''O_ex'''.

The final grade for 4th-year students '''O_final''' is evaluated by the following formula

'''O_final = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_ex'''

The final grade for 3rd-year students in the 1st module '''O_mod''' is evaluated by the following formula

'''O_mod = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_ex'''

The grade for the project in the 2nd module '''O_prj''' is set on a 10-point scale by means of the project defense.

The final grade '''O_final''' is defined by the formula '''O_final = O_mod + 0.5 * O_prj'''

Rounding occurs only at the very end - in the final grade, i.e. arithmetic rounding.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks). For some tasks, it will be possible to receive bonus points, which will be announced when the task is issued.

== Home assignments ==

'''Home assignment #1'''

The home task #1 consists of 2 parts:

1. Data research and data processing for subsequent segmentation;

2. Making customer profiles based on segmentations (use at least 2 segmentation methods).

An example of a detailed description of Home assignment №1 2020-2021 with examples and results [https://drive.google.com/file/d/16WFqo1xfPvnlGLwyorWFGdiL2ZM8xp8D/view?usp=sharing read in the attached file]

Each student chooses the version that is indicated opposite his name in the list
[https://docs.google.com/spreadsheets/d/19HGjq6sUJ__0Cg0akOr7AIivKvIRh7ttas_9QE4Q3E0/edit?usp=sharing link]

Versions and data description are presented [https://drive.google.com/open?id=1jxwwFMEHVh91ZKx5_PqnMSUlsICytIbI in the folder at the link]

In order to receive an assessment, you need:

1. Send an archive with files where all calculations were made and a cover letter with conclusions and comments on
each part:

* Calculations can be done using code (python/sas/sql), pivot tables and formulas in excel or SAS Viya project;
* All conclusions must be supported by visually interpretable graphs and data.

2. The archive (.zip) with the files must be sent to ntitova@hse.ru with the email subject “FCS HSE”

3. The file name must be sent according to the template <First Name>_<Last name>_<group number>_hw1.zip.

For example, Alexander_Sharipov_156_hw1

'''Grade for Home assignment #1''' is given on a 10-point scale, where:

"8-10" - the task is completely solved, all 2 parts of homework are completed:
* data analysis was carried out, a code is working, and tables for data research were provided;
* constructed segmentation by 2 methods;
* provided clear conclusions with confirmed data (tables, graphs);

"6-7" - the task is solved incompletely or with shortcomings:
* data analysis was carried out, a working code and tables for data research were provided;
* built segmentation using at least one method;
* provided clear conclusions with confirmed data (tables, graphs);

"4-5" - the task was solved with significant shortcomings,
* data analysis was carried out, a working code and tables for data research were provided;
* revealed top-level dependencies and patterns for customers without building a segmentation model;

"0-3" - the task is not solved or solved incorrectly.

''Deadline – 2 weeks (February 19, 2022 23:59).''

'''Home assignment #2'''

Description of Home assignment #2 is in the file [https://drive.google.com/file/d/1R6BLH40CLk7uewRn02JlGj64Ov2peJgK/view?usp=sharing link]

''Deadline - March 12, 2022 23:59.''
Solutions should be sent to aromanenko@hse.ru

The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

'''Home assignment #3'''

It is necessary to build a scoring model that assesses the probability of a client default at the stage of making a loan application.
To do this you need:

0. Download data from the link https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ

Each student selects 2 data samples "accept" and "reject", which start with the student's HW version.
Version numbers for HW #3 must be taken the same as for HW #1.

The completed task must be sent in the following form:

1) File/scripts with built models (there must be comments, without comments the task is considered as unresolved)

2) Excel file with answers to the following questions:

1. What is the proportion of 1 in the "accept" sample?

2. It is necessary to calculate the following for all interval variables:
- Proportion of missing values
- Median
- Mean
- Standard deviation
- Are there any abnormal values, outliers?
- Information Value
3. It is necessary to calculate for all categorical variables the following:
- Mode
- Proportion of missing values
- Information Value
- Are there outliers, abnormal values?
4. Build logistic regression only on approved applications with transformed WoE variables. What is the meaning of GINI? F1 measure?

5. Conduct a Reject Inference analysis. What is the percentage of rejected applications?

6. Build a logistic regression on all applications with transformed WoE variables. What GINI, F1 mean? Has the model changed?

7. What model would you recommend for implementation in a productive environment? Give a detailed explanation

Assessment for HW #3 is set on a 2-point scale, where "2" - the task is solved completely, "1" - the task is not completely solved or with shortcomings, "0" - the task is not solved or solved incorrectly.
The transfer of grades for homework from a 2-point scale to a 10-point scale is carried out by multiplying the grade by 5 without rounding.

For HW #3, marks will be given:
"2" - the model is correctly built on both the accept and reject samples. Correct answers given.
"1.6" - the model is correctly built both on the accept sample and on the reject sample. 50% of answers are correct.
"1.4" - the model is correctly built both on the accept sample and on the reject sample. Wrong answers are given.
"1" are given - the model is built only on the accept sample.
"0.8" - the task is not completely solved. 50% of answers are correct.
"0" - the task is not solved or solved incorrectly.

Deadline - until 26.03.2022 (including 26.03.2022)

Decisions should be sent to msvorobeva@hse.ru
The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

If the works will repeat each other, both works will be considered unresolved.

== Team project for 3rd course ==

'''Choosing a topic for a team project on the course "Data Science Case Studies (JD SAS)" '''

Students are divided into groups of 3 people. In the future, 2-3 groups can be combined into one. Within the group, the team captain must be determined - the responsible person of the group.

The responsible person is responsible for the performance and result of the following main functions:
* sending an application for a project topic and agreeing on a project topic on behalf of the whole group with professors;
* providing information to the curator about the current status of the project: accounting, distribution and control of the implementation of the project task;
* sending reports, presentations, technical documentation on the work performed by the group in electronic form.

Project topic descriptions: [https://docs.google.com/document/d/1p_gECsEVi95_3-WW2eBJaA3yEGCJBzejDILSkPQDX7c/edit?usp=sharing link to file]

Link to the application form on the topic: [https://forms.gle/QG2SwvYZ5tN2Pwow5 link to file]

'''Topic selection deadlines:'''

'''Until April 17, the group must select two topics from the specified list''', indicating the first and second priority for these topics.

'''April 18 - each group that has applied for the project, through the specified form, will be assigned a project topic and curator.''' While assigning topics, the priorities indicated by the students will be taken into account, as well as the average score of students in the group for the first module of the course. No more than 3 groups of students are assigned to one topic.

If you have any questions, write to Natalia Titova on Telegram.

The result of each project should be a presentation of the results of the project for 10-15 minutes.

The defense of the project for DSBA and ICEF will be in mid-May (May 17-22), as well as for everyone who is ready to defend themselves.

The final defense for AMIS, Economics, Economics and Statistics will take place in mid-June (June 15-19) before the start of the session.

The assessment for the project in the second module is set on a 10-point scale based on the results of the defense of the project.

Those students who did not find a group for themselves also apply for a topic, but for themselves alone. We ourselves will connect with a group on a similar topic.

'''Dates for the defense of educational projects in module 4:'''

Project defenses will be held from 17 to 19 June 2021.

In the file you will find a link to the list of project groups with reference to the date and time of project defense, as well as links to defenses.

[https://docs.google.com/spreadsheets/d/127uq1MwiwZlPahfLj1AwBAuxMdpp44EM6hlYiLnYKyI/edit?usp=sharing Team projects - dates for defenses by groups and links to join.]

== How to ask a question about the course ==

'''Questions''' about the course can be asked in the telegram chat of the course, the course professor Natalia Titova @Natalitics or the manager of the SAS department Tatiana Lobok @tatianalobok (tlobok@hse.ru).

Telegram channel for announcements: https://t.me/+Lj-yHhfNJTQxYWEy

Chat in telegram for discussions: https://t.me/+a1VMTe2xwNA5Mzcy

''' All announcements and course materials will be posted in the telegram chat and in the telegram channel! '''
There are professors in the chat, but not always.
For all important questions, you should write to Natalia Titova in the telegram chat @Natalitics or mail Natalia.Titova@sas.com. Be sure to add the tag [AMIS FCS HSE/DSBA FCS HSE/ICEF FCS HSE/Ec FES HSE/EcSt FES HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
If you find any typos, inaccuracies, malfunctions of the page, please send email tlobok@hse.ru.

== Course materials ==
'''Documents and program of the course'''
''Attention: files are being updated!''

*The working program of the discipline for the 3rd and 4th courses document is located at the following [https://docs.google.com/document/d/1Sh-KjlZlAmk1kIEndmM7mF7nAj6iL6ZI/edit?usp=sharing&ouid=109416058723510784590&rtpof=true&sd=true link].

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instructions for connecting to SAS OnDemand and downloading SAS software]'''

*[https://drive.google.com/open?id=1ANDlimb5hp4ds0sUcReR6xq5sVrcX5n9 Lectures and seminars] ''Attention: files in the folder are being updated!''

== Recommended literature and useful additional materials ==

'''Useful materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials Training portal with additional literature for working with SAS Enterprise Guide]
*[https://habr.com/company/sas/blog/ SAS Company's block on Habr (Basics of programming on SAS Base)]

'''Useful literature'''

''Section 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]

''Section 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.]

''Section 3:''

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

''Section 4:''

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

== Contacts ==

[[Файл:Титова Наталья Николаевна.jpg|микро|70px|безрамки|слева]] '''Titova Natalia Nikolaevna''' - Senior tutor
Natalia.Titova@sas.com

[[Файл:Лобок Татьяна Сергеевна.jpg|микро|70px|безрамки|слева]] '''Lobok Tatiana Sergeevna''' - Manager of the basic SAS Department
tlobok@hse.ru

Data Science Case Studies (JD SAS) 21/22

2022-02-03T06:36:21Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Timetable of classes ===
Classes on '''saturday''' 

'''Link to all lectures and workshops:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Conference ID: 992 2034 9786 
Code: 476860 
 
'''''9:30''''' - Seminar in Russian - Economics 3 year (with GC "Open") 
'''''11:10''''' - Seminar in Russian - Economics 4 year (with GC "Open") 
'''''13:00''''' - English lecture (recording) - DSBA and ICEF 
'''''14:40''''' - Russian lecture (recording) - AMI, Economics, Economics and Statistics 
'''''16:20''''' - Russian seminar (recording) - AMI, Economics 
'''''18:10''''' - Russian seminar (recording) - DSBA1 and ICEF 
'''''19:40''''' - English seminar - DSBA2 
 

We ask you to '''rename''' and write your name as «Prefix_Last name First name» choosing prefix from (ICEF, DSBA, AMI, Economics), when attending lectures and seminars on Zoom. For example, "DSBA_Oxlong Mike".

=== About course ===
This page contains links to materials for 2021/2022 course for educational programs:
 

{| class="wikitable"
! Educational program !! Year !! Faculty !! Link to the DSCS page
|-
| [https://www.hse.ru/en/ba/ami/ Applied Mathematics and Computer Science] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339498590 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/data/about/ Bachelor’s Programme 'HSE University and University of London Double Degree Programme in Data Science and Business Analytics'] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339492551 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904614 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904606 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904618 Business Data Analytics]
|-
| https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904610 Business Data Analytics]
|-
| https://www.hse.ru/en/ba/icef/ Double Degree Program in Economics at the Higher School of Economics and the University of London] || 3 курс || International Institute of Economics and Finance NRU HSE || No
|}
 
Additional links:
*[https://cs.hse.ru/en/sas/ Joint Department with SAS at the HSE Faculty of Computer Science ]
*[https://cs.hse.ru/electives/sas_dscs Course card and program]
*[https://www.sas.com/ru_ru/home.html SAS website]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html Internship program calendar for 2021/2022]'''

== Course program==

'''The first module''' will be read for the 3rd and 4th courses - an overview of the sections:
* Client analytics;
* Text analytics;
* Tasks of data analysis in retail sales networks of goods;
* Fundamentals of risk assessment;
*Model Ops.

The first module will be able to immerse students in current business issues, as well as in particular data analysis and analytical model building for each section of the module.
In this module, students will be introduced to the SAS software.

'''The second module''' is a team project for the 3rd course only.

Students will be divided into groups of 2-7 people and each group will be given a practical task.
This module will allow students to gain practical experience in data analysis, development and building analytical models on real data.

== Studying and using SAS software in «Data Analytics in Business» course ==

To perform practical tasks, a student is free of choice to pick any of the given software tools: SAS, R, Python.

'''Students who plan to perform practical tasks on SAS platform''', may take advanced online courses for free.

''To access the course, you must contact the course instructor - Natalia Titova via Telegram.''

Links to access the software SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''If a student has completed all the practical tasks on the SAS and passed the course with excellence''', then he will receive:
*academic SAS program completion certificate
*Acclaim electronic badge confirming completion of the course and a list of technologies used by SAS

All interested students can take basic SAS online courses for free:
*basics of programming on SAS Base [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link to the course]
*basics of statistical analysis using SAS software[https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link to the course]

Students who are willing to spend extra time learning to program in SAS can try to take a professional certification within the SCYP program for free (SAS® Software Certified Young Professionals) [https://www.sas.com/sas/training/scyp.html link to the course].

== Lectures ==

'''суббота '''
{| class="wikitable"
''' 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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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 || ||
|}

== Course report and grade evaluation ==

The course includes several forms of knowledge control:
* 3 practical homework assignments
* Written exam, questions in the form of a test with multiple choice
* Team project (only for 3rd-year students)

'''Criteria for assessing knowledge, skills'''

*All homework assignments are graded on a 2-point scale, where «2» — task is fully completed, «1» — the task is not completely solved or with slight mistakes, «0» — task is not solved or solved incorrectly.

In case if the homework is divided into several parts, then each part is evaluated on a 2-point scale as described above, and then the marks are averaged with equal weights without rounding.

The transfer of grades for homework from a 2-point scale to a 10-point scale is done by means of multiplying the grade by 5 without any rounding.

*The grade for the exam is set on a 10-point scale.

*The grade for the team project is also set on a 10-point scale.

'''The order of the formation of grades for the discipline '''

Let's denote the grades for 3 homework assignments on a 10-point scale — '''O_1,O_2,O_3,''' and the grade for the exam at the end of the 1st module on a 10-point scale — '''O_ex'''.

The final grade for 4th-year students '''O_final''' is evaluated by the following formula

'''O_final = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_ex'''

The final grade for 3rd-year students in the 1st module '''O_mod''' is evaluated by the following formula

'''O_mod = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_ex'''

The grade for the project in the 2nd module '''O_prj''' is set on a 10-point scale by means of the project defense.

The final grade '''O_final''' is defined by the formula '''O_final = O_mod + 0.5 * O_prj'''

Rounding occurs only at the very end - in the final grade, i.e. arithmetic rounding.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks). For some tasks, it will be possible to receive bonus points, which will be announced when the task is issued.

== Home assignments ==

'''Home assignment #1'''

The home task #1 consists of 2 parts:

1. Data research and data processing for subsequent segmentation;

2. Making customer profiles based on segmentations (use at least 2 segmentation methods).

An example of a detailed description of Home assignment №1 2020-2021 with examples and results [https://drive.google.com/file/d/16WFqo1xfPvnlGLwyorWFGdiL2ZM8xp8D/view?usp=sharing read in the attached file]

Each student chooses the version that is indicated opposite his name in the list
[https://docs.google.com/spreadsheets/d/19HGjq6sUJ__0Cg0akOr7AIivKvIRh7ttas_9QE4Q3E0/edit?usp=sharing link]

Versions and data description are presented [https://drive.google.com/open?id=1jxwwFMEHVh91ZKx5_PqnMSUlsICytIbI in the folder at the link]

In order to receive an assessment, you need:

1. Send an archive with files where all calculations were made and a cover letter with conclusions and comments on
each part:

* Calculations can be done using code (python/sas/sql), pivot tables and formulas in excel or SAS Viya project;
* All conclusions must be supported by visually interpretable graphs and data.

2. The archive (.zip) with the files must be sent to ntitova@hse.ru with the email subject “FCS HSE”

3. The file name must be sent according to the template <First Name>_<Last name>_<group number>_hw1.zip.

For example, Alexander_Sharipov_156_hw1

'''Grade for Home assignment #1''' is given on a 10-point scale, where:

"8-10" - the task is completely solved, all 2 parts of homework are completed:
* data analysis was carried out, a code is working, and tables for data research were provided;
* constructed segmentation by 2 methods;
* provided clear conclusions with confirmed data (tables, graphs);

"6-7" - the task is solved incompletely or with shortcomings:
* data analysis was carried out, a working code and tables for data research were provided;
* built segmentation using at least one method;
* provided clear conclusions with confirmed data (tables, graphs);

"4-5" - the task was solved with significant shortcomings,
* data analysis was carried out, a working code and tables for data research were provided;
* revealed top-level dependencies and patterns for customers without building a segmentation model;

"0-3" - the task is not solved or solved incorrectly.

''Deadline – 2 weeks (February 19, 2022 23:59).''

'''Home assignment #2'''

Description of Home assignment #2 is in the file [https://drive.google.com/file/d/1R6BLH40CLk7uewRn02JlGj64Ov2peJgK/view?usp=sharing link]

''Deadline - March 12, 2022 23:59.''
Solutions should be sent to aromanenko@hse.ru

The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

'''Home assignment #3'''

It is necessary to build a scoring model that assesses the probability of a client default at the stage of making a loan application.
To do this you need:

0. Download data from the link https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ

Each student selects 2 data samples "accept" and "reject", which start with the student's HW version.
Version numbers for HW #3 must be taken the same as for HW #1.

The completed task must be sent in the following form:

1) File/scripts with built models (there must be comments, without comments the task is considered as unresolved)

2) Excel file with answers to the following questions:

1. What is the proportion of 1 in the "accept" sample?

2. It is necessary to calculate the following for all interval variables:
- Proportion of missing values
- Median
- Mean
- Standard deviation
- Are there any abnormal values, outliers?
- Information Value
3. It is necessary to calculate for all categorical variables the following:
- Mode
- Proportion of missing values
- Information Value
- Are there outliers, abnormal values?
4. Build logistic regression only on approved applications with transformed WoE variables. What is the meaning of GINI? F1 measure?

5. Conduct a Reject Inference analysis. What is the percentage of rejected applications?

6. Build a logistic regression on all applications with transformed WoE variables. What GINI, F1 mean? Has the model changed?

7. What model would you recommend for implementation in a productive environment? Give a detailed explanation

Assessment for HW #3 is set on a 2-point scale, where "2" - the task is solved completely, "1" - the task is not completely solved or with shortcomings, "0" - the task is not solved or solved incorrectly.
The transfer of grades for homework from a 2-point scale to a 10-point scale is carried out by multiplying the grade by 5 without rounding.

For HW #3, marks will be given:
"2" - the model is correctly built on both the accept and reject samples. Correct answers given.
"1.6" - the model is correctly built both on the accept sample and on the reject sample. 50% of answers are correct.
"1.4" - the model is correctly built both on the accept sample and on the reject sample. Wrong answers are given.
"1" are given - the model is built only on the accept sample.
"0.8" - the task is not completely solved. 50% of answers are correct.
"0" - the task is not solved or solved incorrectly.

Deadline - until 26.03.2022 (including 26.03.2022)

Decisions should be sent to msvorobeva@hse.ru
The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

If the works will repeat each other, both works will be considered unresolved.

== Team project for 3rd course ==

'''Choosing a topic for a team project on the course "Data Science Case Studies (JD SAS)" '''

Students are divided into groups of 3 people. In the future, 2-3 groups can be combined into one. Within the group, the team captain must be determined - the responsible person of the group.

The responsible person is responsible for the performance and result of the following main functions:
* sending an application for a project topic and agreeing on a project topic on behalf of the whole group with professors;
* providing information to the curator about the current status of the project: accounting, distribution and control of the implementation of the project task;
* sending reports, presentations, technical documentation on the work performed by the group in electronic form.

Project topic descriptions: [https://docs.google.com/document/d/1p_gECsEVi95_3-WW2eBJaA3yEGCJBzejDILSkPQDX7c/edit?usp=sharing link to file]

Link to the application form on the topic: [https://forms.gle/QG2SwvYZ5tN2Pwow5 link to file]

'''Topic selection deadlines:'''

'''Until April 17, the group must select two topics from the specified list''', indicating the first and second priority for these topics.

'''April 18 - each group that has applied for the project, through the specified form, will be assigned a project topic and curator.''' While assigning topics, the priorities indicated by the students will be taken into account, as well as the average score of students in the group for the first module of the course. No more than 3 groups of students are assigned to one topic.

If you have any questions, write to Natalia Titova on Telegram.

The result of each project should be a presentation of the results of the project for 10-15 minutes.

The defense of the project for DSBA and ICEF will be in mid-May (May 17-22), as well as for everyone who is ready to defend themselves.

The final defense for AMIS, Economics, Economics and Statistics will take place in mid-June (June 15-19) before the start of the session.

The assessment for the project in the second module is set on a 10-point scale based on the results of the defense of the project.

Those students who did not find a group for themselves also apply for a topic, but for themselves alone. We ourselves will connect with a group on a similar topic.

'''Dates for the defense of educational projects in module 4:'''

Project defenses will be held from 17 to 19 June 2021.

In the file you will find a link to the list of project groups with reference to the date and time of project defense, as well as links to defenses.

[https://docs.google.com/spreadsheets/d/127uq1MwiwZlPahfLj1AwBAuxMdpp44EM6hlYiLnYKyI/edit?usp=sharing Team projects - dates for defenses by groups and links to join.]

== How to ask a question about the course ==

'''Questions''' about the course can be asked in the telegram chat of the course, the course professor Natalia Titova @Natalitics or the manager of the SAS department Tatiana Lobok @tatianalobok (tlobok@hse.ru).

Telegram channel for announcements: https://t.me/+Lj-yHhfNJTQxYWEy

Chat in telegram for discussions: https://t.me/+a1VMTe2xwNA5Mzcy

''' All announcements and course materials will be posted in the telegram chat and in the telegram channel! '''
There are professors in the chat, but not always.
For all important questions, you should write to Natalia Titova in the telegram chat @Natalitics or mail Natalia.Titova@sas.com. Be sure to add the tag [AMIS FCS HSE/DSBA FCS HSE/ICEF FCS HSE/Ec FES HSE/EcSt FES HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
If you find any typos, inaccuracies, malfunctions of the page, please send email tlobok@hse.ru.

== Course materials ==
'''Documents and program of the course'''
''Attention: files are being updated!''

*The working program of the discipline for the 3rd and 4th courses document is located at the following [https://docs.google.com/document/d/1Sh-KjlZlAmk1kIEndmM7mF7nAj6iL6ZI/edit?usp=sharing&ouid=109416058723510784590&rtpof=true&sd=true link].

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instructions for connecting to SAS OnDemand and downloading SAS software]'''

*[https://drive.google.com/open?id=1ANDlimb5hp4ds0sUcReR6xq5sVrcX5n9 Lectures and seminars] ''Attention: files in the folder are being updated!''

== Recommended literature and useful additional materials ==

'''Useful materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials Training portal with additional literature for working with SAS Enterprise Guide]
*[https://habr.com/company/sas/blog/ SAS Company's block on Habr (Basics of programming on SAS Base)]

'''Useful literature'''

''Section 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]

''Section 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.]

''Section 3:''

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

''Section 4:''

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

== Contacts ==

[[Файл:Титова Наталья Николаевна.jpg|микро|70px|безрамки|слева]] '''Titova Natalia Nikolaevna''' - Senior tutor
Natalia.Titova@sas.com

[[Файл:Лобок Татьяна Сергеевна.jpg|микро|70px|безрамки|слева]] '''Lobok Tatiana Sergeevna''' - Manager of the basic SAS Department
tlobok@hse.ru

Data Science Case Studies (JD SAS) 21/22

2022-02-03T06:35:58Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Timetable of classes ===
Classes on '''saturday''' 

'''Link to all lectures and workshops:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Conference ID: 992 2034 9786 
Code: 476860 
 
'''''9:30''''' - Seminar in Russian - Economics 3 year (with GC "Open") 
'''''11:10''''' - Seminar in Russian - Economics 4 year (with GC "Open") 
'''''13:00''''' - English lecture (recording) - DSBA and ICEF 
'''''14:40''''' - Russian lecture (recording) - AMI, Economics, Economics and Statistics 
'''''16:20''''' - Russian seminar (recording) - AMI, Economics 
'''''18:10''''' - Russian seminar (recording) - DSBA1 and ICEF 
'''''19:40''''' - English seminar - DSBA2 
 

We ask you to '''rename''' and write your name as «Prefix_Last name First name» choosing prefix from (ICEF, DSBA, AMI, Economics), when attending lectures and seminars on Zoom. For example, "DSBA_Oxlong Mike".

=== About course ===
This page contains links to materials for 2021/2022 course for educational programs:
 

{| class="wikitable"
! Educational program !! Year !! Faculty !! Link to the DSCS page
|-
| [https://www.hse.ru/en/ba/ami/ Applied Mathematics and Computer Science] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339498590 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/data/about/ Bachelor’s Programme 'HSE University and University of London Double Degree Programme in Data Science and Business Analytics'] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339492551 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904614 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904606 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904618 Business Data Analytics]
|-
| https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904610 Business Data Analytics]
|-
| https://www.hse.ru/en/ba/icef/ Double Degree Program in Economics at the Higher School of Economics and the University of London] || 3 курс || International Institute of Economics and Finance NRU HSE || No
|}
 
Additional links:
*[https://cs.hse.ru/en/sas/ Joint Department with SAS at the HSE Faculty of Computer Science ]
*[https://cs.hse.ru/electives/sas_dscs Course card and program]
*[https://www.sas.com/ru_ru/home.html SAS website]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html Internship program calendar for 2021/2022]'''

== Course program==

'''The first module''' will be read for the 3rd and 4th courses - an overview of the sections:
* Client analytics;
* Text analytics;
* Tasks of data analysis in retail sales networks of goods;
* Fundamentals of risk assessment;
*Model Ops.

The first module will be able to immerse students in current business issues, as well as in particular data analysis and analytical model building for each section of the module.
In this module, students will be introduced to the SAS software.

'''The second module''' is a team project for the 3rd course only.

Students will be divided into groups of 2-7 people and each group will be given a practical task.
This module will allow students to gain practical experience in data analysis, development and building analytical models on real data.

== Studying and using SAS software in «Data Analytics in Business» course ==

To perform practical tasks, a student is free of choice to pick any of the given software tools: SAS, R, Python.

'''Students who plan to perform practical tasks on SAS platform''', may take advanced online courses for free.

''To access the course, you must contact the course instructor - Natalia Titova via Telegram.''

Links to access the software SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''If a student has completed all the practical tasks on the SAS and passed the course with excellence''', then he will receive:
*academic SAS program completion certificate
*Acclaim electronic badge confirming completion of the course and a list of technologies used by SAS

All interested students can take basic SAS online courses for free:
*basics of programming on SAS Base [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link to the course]
*basics of statistical analysis using SAS software[https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link to the course]

Students who are willing to spend extra time learning to program in SAS can try to take a professional certification within the SCYP program for free (SAS® Software Certified Young Professionals) [https://www.sas.com/sas/training/scyp.html link to the course].

== Лекции ==

'''суббота '''
{| class="wikitable"
''' 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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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 || ||
|}

== Course report and grade evaluation ==

The course includes several forms of knowledge control:
* 3 practical homework assignments
* Written exam, questions in the form of a test with multiple choice
* Team project (only for 3rd-year students)

'''Criteria for assessing knowledge, skills'''

*All homework assignments are graded on a 2-point scale, where «2» — task is fully completed, «1» — the task is not completely solved or with slight mistakes, «0» — task is not solved or solved incorrectly.

In case if the homework is divided into several parts, then each part is evaluated on a 2-point scale as described above, and then the marks are averaged with equal weights without rounding.

The transfer of grades for homework from a 2-point scale to a 10-point scale is done by means of multiplying the grade by 5 without any rounding.

*The grade for the exam is set on a 10-point scale.

*The grade for the team project is also set on a 10-point scale.

'''The order of the formation of grades for the discipline '''

Let's denote the grades for 3 homework assignments on a 10-point scale — '''O_1,O_2,O_3,''' and the grade for the exam at the end of the 1st module on a 10-point scale — '''O_ex'''.

The final grade for 4th-year students '''O_final''' is evaluated by the following formula

'''O_final = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_ex'''

The final grade for 3rd-year students in the 1st module '''O_mod''' is evaluated by the following formula

'''O_mod = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_ex'''

The grade for the project in the 2nd module '''O_prj''' is set on a 10-point scale by means of the project defense.

The final grade '''O_final''' is defined by the formula '''O_final = O_mod + 0.5 * O_prj'''

Rounding occurs only at the very end - in the final grade, i.e. arithmetic rounding.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks). For some tasks, it will be possible to receive bonus points, which will be announced when the task is issued.

== Home assignments ==

'''Home assignment #1'''

The home task #1 consists of 2 parts:

1. Data research and data processing for subsequent segmentation;

2. Making customer profiles based on segmentations (use at least 2 segmentation methods).

An example of a detailed description of Home assignment №1 2020-2021 with examples and results [https://drive.google.com/file/d/16WFqo1xfPvnlGLwyorWFGdiL2ZM8xp8D/view?usp=sharing read in the attached file]

Each student chooses the version that is indicated opposite his name in the list
[https://docs.google.com/spreadsheets/d/19HGjq6sUJ__0Cg0akOr7AIivKvIRh7ttas_9QE4Q3E0/edit?usp=sharing link]

Versions and data description are presented [https://drive.google.com/open?id=1jxwwFMEHVh91ZKx5_PqnMSUlsICytIbI in the folder at the link]

In order to receive an assessment, you need:

1. Send an archive with files where all calculations were made and a cover letter with conclusions and comments on
each part:

* Calculations can be done using code (python/sas/sql), pivot tables and formulas in excel or SAS Viya project;
* All conclusions must be supported by visually interpretable graphs and data.

2. The archive (.zip) with the files must be sent to ntitova@hse.ru with the email subject “FCS HSE”

3. The file name must be sent according to the template <First Name>_<Last name>_<group number>_hw1.zip.

For example, Alexander_Sharipov_156_hw1

'''Grade for Home assignment #1''' is given on a 10-point scale, where:

"8-10" - the task is completely solved, all 2 parts of homework are completed:
* data analysis was carried out, a code is working, and tables for data research were provided;
* constructed segmentation by 2 methods;
* provided clear conclusions with confirmed data (tables, graphs);

"6-7" - the task is solved incompletely or with shortcomings:
* data analysis was carried out, a working code and tables for data research were provided;
* built segmentation using at least one method;
* provided clear conclusions with confirmed data (tables, graphs);

"4-5" - the task was solved with significant shortcomings,
* data analysis was carried out, a working code and tables for data research were provided;
* revealed top-level dependencies and patterns for customers without building a segmentation model;

"0-3" - the task is not solved or solved incorrectly.

''Deadline – 2 weeks (February 19, 2022 23:59).''

'''Home assignment #2'''

Description of Home assignment #2 is in the file [https://drive.google.com/file/d/1R6BLH40CLk7uewRn02JlGj64Ov2peJgK/view?usp=sharing link]

''Deadline - March 12, 2022 23:59.''
Solutions should be sent to aromanenko@hse.ru

The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

'''Home assignment #3'''

It is necessary to build a scoring model that assesses the probability of a client default at the stage of making a loan application.
To do this you need:

0. Download data from the link https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ

Each student selects 2 data samples "accept" and "reject", which start with the student's HW version.
Version numbers for HW #3 must be taken the same as for HW #1.

The completed task must be sent in the following form:

1) File/scripts with built models (there must be comments, without comments the task is considered as unresolved)

2) Excel file with answers to the following questions:

1. What is the proportion of 1 in the "accept" sample?

2. It is necessary to calculate the following for all interval variables:
- Proportion of missing values
- Median
- Mean
- Standard deviation
- Are there any abnormal values, outliers?
- Information Value
3. It is necessary to calculate for all categorical variables the following:
- Mode
- Proportion of missing values
- Information Value
- Are there outliers, abnormal values?
4. Build logistic regression only on approved applications with transformed WoE variables. What is the meaning of GINI? F1 measure?

5. Conduct a Reject Inference analysis. What is the percentage of rejected applications?

6. Build a logistic regression on all applications with transformed WoE variables. What GINI, F1 mean? Has the model changed?

7. What model would you recommend for implementation in a productive environment? Give a detailed explanation

Assessment for HW #3 is set on a 2-point scale, where "2" - the task is solved completely, "1" - the task is not completely solved or with shortcomings, "0" - the task is not solved or solved incorrectly.
The transfer of grades for homework from a 2-point scale to a 10-point scale is carried out by multiplying the grade by 5 without rounding.

For HW #3, marks will be given:
"2" - the model is correctly built on both the accept and reject samples. Correct answers given.
"1.6" - the model is correctly built both on the accept sample and on the reject sample. 50% of answers are correct.
"1.4" - the model is correctly built both on the accept sample and on the reject sample. Wrong answers are given.
"1" are given - the model is built only on the accept sample.
"0.8" - the task is not completely solved. 50% of answers are correct.
"0" - the task is not solved or solved incorrectly.

Deadline - until 26.03.2022 (including 26.03.2022)

Decisions should be sent to msvorobeva@hse.ru
The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

If the works will repeat each other, both works will be considered unresolved.

== Team project for 3rd course ==

'''Choosing a topic for a team project on the course "Data Science Case Studies (JD SAS)" '''

Students are divided into groups of 3 people. In the future, 2-3 groups can be combined into one. Within the group, the team captain must be determined - the responsible person of the group.

The responsible person is responsible for the performance and result of the following main functions:
* sending an application for a project topic and agreeing on a project topic on behalf of the whole group with professors;
* providing information to the curator about the current status of the project: accounting, distribution and control of the implementation of the project task;
* sending reports, presentations, technical documentation on the work performed by the group in electronic form.

Project topic descriptions: [https://docs.google.com/document/d/1p_gECsEVi95_3-WW2eBJaA3yEGCJBzejDILSkPQDX7c/edit?usp=sharing link to file]

Link to the application form on the topic: [https://forms.gle/QG2SwvYZ5tN2Pwow5 link to file]

'''Topic selection deadlines:'''

'''Until April 17, the group must select two topics from the specified list''', indicating the first and second priority for these topics.

'''April 18 - each group that has applied for the project, through the specified form, will be assigned a project topic and curator.''' While assigning topics, the priorities indicated by the students will be taken into account, as well as the average score of students in the group for the first module of the course. No more than 3 groups of students are assigned to one topic.

If you have any questions, write to Natalia Titova on Telegram.

The result of each project should be a presentation of the results of the project for 10-15 minutes.

The defense of the project for DSBA and ICEF will be in mid-May (May 17-22), as well as for everyone who is ready to defend themselves.

The final defense for AMIS, Economics, Economics and Statistics will take place in mid-June (June 15-19) before the start of the session.

The assessment for the project in the second module is set on a 10-point scale based on the results of the defense of the project.

Those students who did not find a group for themselves also apply for a topic, but for themselves alone. We ourselves will connect with a group on a similar topic.

'''Dates for the defense of educational projects in module 4:'''

Project defenses will be held from 17 to 19 June 2021.

In the file you will find a link to the list of project groups with reference to the date and time of project defense, as well as links to defenses.

[https://docs.google.com/spreadsheets/d/127uq1MwiwZlPahfLj1AwBAuxMdpp44EM6hlYiLnYKyI/edit?usp=sharing Team projects - dates for defenses by groups and links to join.]

== How to ask a question about the course ==

'''Questions''' about the course can be asked in the telegram chat of the course, the course professor Natalia Titova @Natalitics or the manager of the SAS department Tatiana Lobok @tatianalobok (tlobok@hse.ru).

Telegram channel for announcements: https://t.me/+Lj-yHhfNJTQxYWEy

Chat in telegram for discussions: https://t.me/+a1VMTe2xwNA5Mzcy

''' All announcements and course materials will be posted in the telegram chat and in the telegram channel! '''
There are professors in the chat, but not always.
For all important questions, you should write to Natalia Titova in the telegram chat @Natalitics or mail Natalia.Titova@sas.com. Be sure to add the tag [AMIS FCS HSE/DSBA FCS HSE/ICEF FCS HSE/Ec FES HSE/EcSt FES HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
If you find any typos, inaccuracies, malfunctions of the page, please send email tlobok@hse.ru.

== Course materials ==
'''Documents and program of the course'''
''Attention: files are being updated!''

*The working program of the discipline for the 3rd and 4th courses document is located at the following [https://docs.google.com/document/d/1Sh-KjlZlAmk1kIEndmM7mF7nAj6iL6ZI/edit?usp=sharing&ouid=109416058723510784590&rtpof=true&sd=true link].

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instructions for connecting to SAS OnDemand and downloading SAS software]'''

*[https://drive.google.com/open?id=1ANDlimb5hp4ds0sUcReR6xq5sVrcX5n9 Lectures and seminars] ''Attention: files in the folder are being updated!''

== Recommended literature and useful additional materials ==

'''Useful materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials Training portal with additional literature for working with SAS Enterprise Guide]
*[https://habr.com/company/sas/blog/ SAS Company's block on Habr (Basics of programming on SAS Base)]

'''Useful literature'''

''Section 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]

''Section 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.]

''Section 3:''

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

''Section 4:''

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

== Contacts ==

[[Файл:Титова Наталья Николаевна.jpg|микро|70px|безрамки|слева]] '''Titova Natalia Nikolaevna''' - Senior tutor
Natalia.Titova@sas.com

[[Файл:Лобок Татьяна Сергеевна.jpg|микро|70px|безрамки|слева]] '''Lobok Tatiana Sergeevna''' - Manager of the basic SAS Department
tlobok@hse.ru

Data Science Case Studies (JD SAS) 21/22

2022-02-03T06:31:19Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Timetable of classes ===
Classes on '''saturday''' 

'''Link to all lectures and workshops:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Conference ID: 992 2034 9786 
Code: 476860 
 
'''''9:30''''' - Seminar in Russian - Economics 3 year (with GC "Open") 
'''''11:10''''' - Seminar in Russian - Economics 4 year (with GC "Open") 
'''''13:00''''' - English lecture (recording) - DSBA and ICEF 
'''''14:40''''' - Russian lecture (recording) - AMI, Economics, Economics and Statistics 
'''''16:20''''' - Russian seminar (recording) - AMI, Economics 
'''''18:10''''' - Russian seminar (recording) - DSBA1 and ICEF 
'''''19:40''''' - English seminar - DSBA2 
 

We ask you to '''rename''' and write your name as «Prefix_Last name First name» choosing prefix from (ICEF, DSBA, AMI, Economics), when attending lectures and seminars on Zoom. For example, "DSBA_Oxlong Mike".

=== About course ===
This page contains links to materials for 2021/2022 course for educational programs:
 

{| class="wikitable"
! Educational program !! Year !! Faculty !! Link to the DSCS page
|-
| [https://www.hse.ru/en/ba/ami/ Applied Mathematics and Computer Science] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339498590 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/data/about/ Bachelor’s Programme 'HSE University and University of London Double Degree Programme in Data Science and Business Analytics'] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/en/edu/courses/339492551 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904614 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/economics/ Economics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904606 Business Data Analytics]
|-
| [https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904618 Business Data Analytics]
|-
| https://www.hse.ru/en/ba/stat/ Economics and Statistics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/en/edu/courses/470904610 Business Data Analytics]
|-
| https://www.hse.ru/en/ba/icef/ Double Degree Program in Economics at the Higher School of Economics and the University of London] || 3 курс || International Institute of Economics and Finance NRU HSE || No
|}
 
Additional links:
*[https://cs.hse.ru/sas/ Founding Chair of SAS at the HSE Faculty of Computer Science ]
*[https://cs.hse.ru/electives/sas_dscs Course card and program]
*[https://www.sas.com/ru_ru/home.html SAS website]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html Internship program calendar for 2021/2022]'''

== Course program==

'''The first module''' will be read for the 3rd and 4th courses - an overview of the sections:
* Client analytics;
* Text analytics;
* Tasks of data analysis in retail sales networks of goods;
* Fundamentals of risk assessment;
*Model Ops.

The first module will be able to immerse students in current business issues, as well as in particular data analysis and analytical model building for each section of the module.
In this module, students will be introduced to the SAS software.

'''The second module''' is a team project for the 3rd course only.

Students will be divided into groups of 2-7 people and each group will be given a practical task.
This module will allow students to gain practical experience in data analysis, development and building analytical models on real data.

== Studying and using SAS software in «Data Analytics in Business» course ==

To perform practical tasks, a student is free of choice to pick any of the given software tools: SAS, R, Python.

'''Students who plan to perform practical tasks on SAS platform''', may take advanced online courses for free.

''To access the course, you must contact the course instructor - Natalia Titova via Telegram.''

Links to access the software SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''If a student has completed all the practical tasks on the SAS and passed the course with excellence''', then he will receive:
*academic SAS program completion certificate
*Acclaim electronic badge confirming completion of the course and a list of technologies used by SAS

All interested students can take basic SAS online courses for free:
*basics of programming on SAS Base [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link to the course]
*basics of statistical analysis using SAS software[https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link to the course]

Students who are willing to spend extra time learning to program in SAS can try to take a professional certification within the SCYP program for free (SAS® Software Certified Young Professionals) [https://www.sas.com/sas/training/scyp.html link to the course].

== Лекции ==

'''суббота '''
{| class="wikitable"
''' 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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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 || ||
|}

== Course report and grade evaluation ==

The course includes several forms of knowledge control:
* 3 practical homework assignments
* Written exam, questions in the form of a test with multiple choice
* Team project (only for 3rd-year students)

'''Criteria for assessing knowledge, skills'''

*All homework assignments are graded on a 2-point scale, where «2» — task is fully completed, «1» — the task is not completely solved or with slight mistakes, «0» — task is not solved or solved incorrectly.

In case if the homework is divided into several parts, then each part is evaluated on a 2-point scale as described above, and then the marks are averaged with equal weights without rounding.

The transfer of grades for homework from a 2-point scale to a 10-point scale is done by means of multiplying the grade by 5 without any rounding.

*The grade for the exam is set on a 10-point scale.

*The grade for the team project is also set on a 10-point scale.

'''The order of the formation of grades for the discipline '''

Let's denote the grades for 3 homework assignments on a 10-point scale — '''O_1,O_2,O_3,''' and the grade for the exam at the end of the 1st module on a 10-point scale — '''O_ex'''.

The final grade for 4th-year students '''O_final''' is evaluated by the following formula

'''O_final = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_ex'''

The final grade for 3rd-year students in the 1st module '''O_mod''' is evaluated by the following formula

'''O_mod = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_ex'''

The grade for the project in the 2nd module '''O_prj''' is set on a 10-point scale by means of the project defense.

The final grade '''O_final''' is defined by the formula '''O_final = O_mod + 0.5 * O_prj'''

Rounding occurs only at the very end - in the final grade, i.e. arithmetic rounding.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks). For some tasks, it will be possible to receive bonus points, which will be announced when the task is issued.

== Home assignments ==

'''Home assignment #1'''

The home task #1 consists of 2 parts:

1. Data research and data processing for subsequent segmentation;

2. Making customer profiles based on segmentations (use at least 2 segmentation methods).

An example of a detailed description of Home assignment №1 2020-2021 with examples and results [https://drive.google.com/file/d/16WFqo1xfPvnlGLwyorWFGdiL2ZM8xp8D/view?usp=sharing read in the attached file]

Each student chooses the version that is indicated opposite his name in the list
[https://docs.google.com/spreadsheets/d/19HGjq6sUJ__0Cg0akOr7AIivKvIRh7ttas_9QE4Q3E0/edit?usp=sharing link]

Versions and data description are presented [https://drive.google.com/open?id=1jxwwFMEHVh91ZKx5_PqnMSUlsICytIbI in the folder at the link]

In order to receive an assessment, you need:

1. Send an archive with files where all calculations were made and a cover letter with conclusions and comments on
each part:

* Calculations can be done using code (python/sas/sql), pivot tables and formulas in excel or SAS Viya project;
* All conclusions must be supported by visually interpretable graphs and data.

2. The archive (.zip) with the files must be sent to ntitova@hse.ru with the email subject “FCS HSE”

3. The file name must be sent according to the template <First Name>_<Last name>_<group number>_hw1.zip.

For example, Alexander_Sharipov_156_hw1

'''Grade for Home assignment #1''' is given on a 10-point scale, where:

"8-10" - the task is completely solved, all 2 parts of homework are completed:
* data analysis was carried out, a code is working, and tables for data research were provided;
* constructed segmentation by 2 methods;
* provided clear conclusions with confirmed data (tables, graphs);

"6-7" - the task is solved incompletely or with shortcomings:
* data analysis was carried out, a working code and tables for data research were provided;
* built segmentation using at least one method;
* provided clear conclusions with confirmed data (tables, graphs);

"4-5" - the task was solved with significant shortcomings,
* data analysis was carried out, a working code and tables for data research were provided;
* revealed top-level dependencies and patterns for customers without building a segmentation model;

"0-3" - the task is not solved or solved incorrectly.

''Deadline – 2 weeks (February 19, 2022 23:59).''

'''Home assignment #2'''

Description of Home assignment #2 is in the file [https://drive.google.com/file/d/1R6BLH40CLk7uewRn02JlGj64Ov2peJgK/view?usp=sharing link]

''Deadline - March 12, 2022 23:59.''
Solutions should be sent to aromanenko@hse.ru

The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

'''Home assignment #3'''

It is necessary to build a scoring model that assesses the probability of a client default at the stage of making a loan application.
To do this you need:

0. Download data from the link https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ

Each student selects 2 data samples "accept" and "reject", which start with the student's HW version.
Version numbers for HW #3 must be taken the same as for HW #1.

The completed task must be sent in the following form:

1) File/scripts with built models (there must be comments, without comments the task is considered as unresolved)

2) Excel file with answers to the following questions:

1. What is the proportion of 1 in the "accept" sample?

2. It is necessary to calculate the following for all interval variables:
- Proportion of missing values
- Median
- Mean
- Standard deviation
- Are there any abnormal values, outliers?
- Information Value
3. It is necessary to calculate for all categorical variables the following:
- Mode
- Proportion of missing values
- Information Value
- Are there outliers, abnormal values?
4. Build logistic regression only on approved applications with transformed WoE variables. What is the meaning of GINI? F1 measure?

5. Conduct a Reject Inference analysis. What is the percentage of rejected applications?

6. Build a logistic regression on all applications with transformed WoE variables. What GINI, F1 mean? Has the model changed?

7. What model would you recommend for implementation in a productive environment? Give a detailed explanation

Assessment for HW #3 is set on a 2-point scale, where "2" - the task is solved completely, "1" - the task is not completely solved or with shortcomings, "0" - the task is not solved or solved incorrectly.
The transfer of grades for homework from a 2-point scale to a 10-point scale is carried out by multiplying the grade by 5 without rounding.

For HW #3, marks will be given:
"2" - the model is correctly built on both the accept and reject samples. Correct answers given.
"1.6" - the model is correctly built both on the accept sample and on the reject sample. 50% of answers are correct.
"1.4" - the model is correctly built both on the accept sample and on the reject sample. Wrong answers are given.
"1" are given - the model is built only on the accept sample.
"0.8" - the task is not completely solved. 50% of answers are correct.
"0" - the task is not solved or solved incorrectly.

Deadline - until 26.03.2022 (including 26.03.2022)

Decisions should be sent to msvorobeva@hse.ru
The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

If the works will repeat each other, both works will be considered unresolved.

== Team project for 3rd course ==

'''Choosing a topic for a team project on the course "Data Science Case Studies (JD SAS)" '''

Students are divided into groups of 3 people. In the future, 2-3 groups can be combined into one. Within the group, the team captain must be determined - the responsible person of the group.

The responsible person is responsible for the performance and result of the following main functions:
* sending an application for a project topic and agreeing on a project topic on behalf of the whole group with professors;
* providing information to the curator about the current status of the project: accounting, distribution and control of the implementation of the project task;
* sending reports, presentations, technical documentation on the work performed by the group in electronic form.

Project topic descriptions: [https://docs.google.com/document/d/1p_gECsEVi95_3-WW2eBJaA3yEGCJBzejDILSkPQDX7c/edit?usp=sharing link to file]

Link to the application form on the topic: [https://forms.gle/QG2SwvYZ5tN2Pwow5 link to file]

'''Topic selection deadlines:'''

'''Until April 17, the group must select two topics from the specified list''', indicating the first and second priority for these topics.

'''April 18 - each group that has applied for the project, through the specified form, will be assigned a project topic and curator.''' While assigning topics, the priorities indicated by the students will be taken into account, as well as the average score of students in the group for the first module of the course. No more than 3 groups of students are assigned to one topic.

If you have any questions, write to Natalia Titova on Telegram.

The result of each project should be a presentation of the results of the project for 10-15 minutes.

The defense of the project for DSBA and ICEF will be in mid-May (May 17-22), as well as for everyone who is ready to defend themselves.

The final defense for AMIS, Economics, Economics and Statistics will take place in mid-June (June 15-19) before the start of the session.

The assessment for the project in the second module is set on a 10-point scale based on the results of the defense of the project.

Those students who did not find a group for themselves also apply for a topic, but for themselves alone. We ourselves will connect with a group on a similar topic.

'''Dates for the defense of educational projects in module 4:'''

Project defenses will be held from 17 to 19 June 2021.

In the file you will find a link to the list of project groups with reference to the date and time of project defense, as well as links to defenses.

[https://docs.google.com/spreadsheets/d/127uq1MwiwZlPahfLj1AwBAuxMdpp44EM6hlYiLnYKyI/edit?usp=sharing Team projects - dates for defenses by groups and links to join.]

== How to ask a question about the course ==

'''Questions''' about the course can be asked in the telegram chat of the course, the course professor Natalia Titova @Natalitics or the manager of the SAS department Tatiana Lobok @tatianalobok (tlobok@hse.ru).

Telegram channel for announcements: https://t.me/+Lj-yHhfNJTQxYWEy

Chat in telegram for discussions: https://t.me/+a1VMTe2xwNA5Mzcy

''' All announcements and course materials will be posted in the telegram chat and in the telegram channel! '''
There are professors in the chat, but not always.
For all important questions, you should write to Natalia Titova in the telegram chat @Natalitics or mail Natalia.Titova@sas.com. Be sure to add the tag [AMIS FCS HSE/DSBA FCS HSE/ICEF FCS HSE/Ec FES HSE/EcSt FES HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
If you find any typos, inaccuracies, malfunctions of the page, please send email tlobok@hse.ru.

== Course materials ==
'''Documents and program of the course'''
''Attention: files are being updated!''

*The working program of the discipline for the 3rd and 4th courses document is located at the following [https://docs.google.com/document/d/1Sh-KjlZlAmk1kIEndmM7mF7nAj6iL6ZI/edit?usp=sharing&ouid=109416058723510784590&rtpof=true&sd=true link].

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instructions for connecting to SAS OnDemand and downloading SAS software]'''

*[https://drive.google.com/open?id=1ANDlimb5hp4ds0sUcReR6xq5sVrcX5n9 Lectures and seminars] ''Attention: files in the folder are being updated!''

== Recommended literature and useful additional materials ==

'''Useful materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials Training portal with additional literature for working with SAS Enterprise Guide]
*[https://habr.com/company/sas/blog/ SAS Company's block on Habr (Basics of programming on SAS Base)]

'''Useful literature'''

''Section 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]

''Section 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.]

''Section 3:''

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

''Section 4:''

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

== Contacts ==

[[Файл:Титова Наталья Николаевна.jpg|микро|70px|безрамки|слева]] '''Titova Natalia Nikolaevna''' - Senior tutor
Natalia.Titova@sas.com

[[Файл:Лобок Татьяна Сергеевна.jpg|микро|70px|безрамки|слева]] '''Lobok Tatiana Sergeevna''' - Manager of the basic SAS Department
tlobok@hse.ru

Data Science Case Studies (JD SAS) 21/22

2022-02-03T06:16:56Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Timetable of classes ===
Classes on '''saturday''' 

'''Link to all lectures and workshops:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Conference ID: 992 2034 9786 
Code: 476860 
 
'''''9:30''''' - Seminar in Russian - Economics 3 year (with "Открытие") 
'''''11:10''''' - Seminar in Russian - Economics 4 year (with "Открытие") 
'''''13:00''''' - English lecture (recording) - DSBA and ICEF 
'''''14:40''''' - Russian lecture (recording) - AMI, Economics 
'''''16:20''''' - Russian seminar (recording) - AMI, Economics 
'''''18:10''''' - Russian seminar (recording) - DSBA1 and ICEF 
'''''19:40''''' - English seminar - DSBA2 
 

We ask you to '''rename''' and write your name as «Prefix_Last name First name» choosing prefix from (ICEF, DSBA, AMI, Economics), when attending lectures and seminars on Zoom. For example, "DSBA_Oxlong Mike".

=== About course ===
This page contains links to materials for 2021/2022 course for educational programs:
 

{| class="wikitable"
! Educational program !! Year !! Faculty !! Link to the DSCS page
|-
| [https://cs.hse.ru/ami Applied Mathematics and Computer Science] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/edu/courses/339498590 Business Data Analytics]
|-
| [https://www.hse.ru/ba/data/about Applied Data Analysis] || 3 year || Faculty of Computer Science, NRU HSE || [https://www.hse.ru/edu/courses/339492551 Business Data Analytics]
|-
| [https://www.hse.ru/ba/economics/ Economics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/edu/courses/470904614 Business Data Analytics]
|-
| [https://www.hse.ru/ba/economics/ Economics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/edu/courses/470904606 Business Data Analytics]
|-
| [https://www.hse.ru/ba/stat/ Economics and Statistics] || 3 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/edu/courses/470904618 Business Data Analytics]
|-
| [https://www.hse.ru/ba/stat/ Economics and Statistics] || 4 year || Faculty of Economic Sciences, NRU HSE || [https://www.hse.ru/edu/courses/470904610 Business Data Analytics]
|-
| [https://www.hse.ru/ba/icef// Double Degree Program in Economics at the Higher School of Economics and the University of London] || 3 курс || International Institute of Economics and Finance NRU HSE || No
|}
 
Additional links:
*[https://cs.hse.ru/sas/ Founding Chair of SAS at the HSE Faculty of Computer Science ]
*[https://cs.hse.ru/electives/sas_dscs Course card and program]
*[https://www.sas.com/ru_ru/home.html SAS website]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html Internship program calendar for 2021/2022]'''

== Course program==

'''The first module''' will be read for the 3rd and 4th courses - an overview of the sections:
* Client analytics;
* Text analytics;
* Tasks of data analysis in retail sales networks of goods;
* Fundamentals of risk assessment;
*Model Ops.

The first module will be able to immerse students in current business issues, as well as in particular data analysis and analytical model building for each section of the module.
In this module, students will be introduced to the SAS software.

'''The second module''' is a team project for the 3rd course only.

Students will be divided into groups of 2-7 people and each group will be given a practical task.
This module will allow students to gain practical experience in data analysis, development and building analytical models on real data.

== Studying and using SAS software in «Data Analytics in Business» course ==

To perform practical tasks, a student is free of choice to pick any of the given software tools: SAS, R, Python.

'''Students who plan to perform practical tasks on SAS platform''', may take advanced online courses for free.

''To access the course, you must contact the course instructor - Natalia Titova via Telegram.''

Links to access the software SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''If a student has completed all the practical tasks on the SAS and passed the course with excellence''', then he will receive:
*academic SAS program completion certificate
*Acclaim electronic badge confirming completion of the course and a list of technologies used by SAS

All interested students can take basic SAS online courses for free:
*basics of programming on SAS Base [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link to the course]
*basics of statistical analysis using SAS software[https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link to the course]

Students who are willing to spend extra time learning to program in SAS can try to take a professional certification within the SCYP program for free (SAS® Software Certified Young Professionals) [https://www.sas.com/sas/training/scyp.html link to the course].

== Лекции ==

'''суббота '''
{| class="wikitable"
''' 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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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 || ||
|}

== Course report and grade evaluation ==

The course includes several forms of knowledge control:
* 3 practical homework assignments
* Written exam, questions in the form of a test with multiple choice
* Team project (only for 3rd-year students)

'''Criteria for assessing knowledge, skills'''

*All homework assignments are graded on a 2-point scale, where «2» — task is fully completed, «1» — the task is not completely solved or with slight mistakes, «0» — task is not solved or solved incorrectly.

In case if the homework is divided into several parts, then each part is evaluated on a 2-point scale as described above, and then the marks are averaged with equal weights without rounding.

The transfer of grades for homework from a 2-point scale to a 10-point scale is done by means of multiplying the grade by 5 without any rounding.

*The grade for the exam is set on a 10-point scale.

*The grade for the team project is also set on a 10-point scale.

'''The order of the formation of grades for the discipline '''

Let's denote the grades for 3 homework assignments on a 10-point scale — '''O_1,O_2,O_3,''' and the grade for the exam at the end of the 1st module on a 10-point scale — '''O_ex'''.

The final grade for 4th-year students '''O_final''' is evaluated by the following formula

'''O_final = 0.225 * O_1 + 0.225 * O_2 + 0.225 * O_3 + 0.325 * O_ex'''

The final grade for 3rd-year students in the 1st module '''O_mod''' is evaluated by the following formula

'''O_mod = 0.1 * O_1 + 0.1 * O_2 + 0.1 * O_3 + 0.2 * O_ex'''

The grade for the project in the 2nd module '''O_prj''' is set on a 10-point scale by means of the project defense.

The final grade '''O_final''' is defined by the formula '''O_final = O_mod + 0.5 * O_prj'''

Rounding occurs only at the very end - in the final grade, i.e. arithmetic rounding.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks). For some tasks, it will be possible to receive bonus points, which will be announced when the task is issued.

== Home assignments ==

'''Home assignment #1'''

The home task #1 consists of 2 parts:

1. Data research and data processing for subsequent segmentation;

2. Making customer profiles based on segmentations (use at least 2 segmentation methods).

An example of a detailed description of Home assignment №1 2020-2021 with examples and results [https://drive.google.com/file/d/16WFqo1xfPvnlGLwyorWFGdiL2ZM8xp8D/view?usp=sharing read in the attached file]

Each student chooses the version that is indicated opposite his name in the list
[https://docs.google.com/spreadsheets/d/19HGjq6sUJ__0Cg0akOr7AIivKvIRh7ttas_9QE4Q3E0/edit?usp=sharing link]

Versions and data description are presented [https://drive.google.com/open?id=1jxwwFMEHVh91ZKx5_PqnMSUlsICytIbI in the folder at the link]

In order to receive an assessment, you need:

1. Send an archive with files where all calculations were made and a cover letter with conclusions and comments on
each part:

* Calculations can be done using code (python/sas/sql), pivot tables and formulas in excel or SAS Viya project;
* All conclusions must be supported by visually interpretable graphs and data.

2. The archive (.zip) with the files must be sent to ntitova@hse.ru with the email subject “FCS HSE”

3. The file name must be sent according to the template <First Name>_<Last name>_<group number>_hw1.zip.

For example, Alexander_Sharipov_156_hw1

'''Grade for Home assignment #1''' is given on a 10-point scale, where:

"8-10" - the task is completely solved, all 2 parts of homework are completed:
* data analysis was carried out, a code is working, and tables for data research were provided;
* constructed segmentation by 2 methods;
* provided clear conclusions with confirmed data (tables, graphs);

"6-7" - the task is solved incompletely or with shortcomings:
* data analysis was carried out, a working code and tables for data research were provided;
* built segmentation using at least one method;
* provided clear conclusions with confirmed data (tables, graphs);

"4-5" - the task was solved with significant shortcomings,
* data analysis was carried out, a working code and tables for data research were provided;
* revealed top-level dependencies and patterns for customers without building a segmentation model;

"0-3" - the task is not solved or solved incorrectly.

''Deadline – 2 weeks (February 19, 2022 23:59).''

'''Home assignment #2'''

Description of Home assignment #2 is in the file [https://drive.google.com/file/d/1R6BLH40CLk7uewRn02JlGj64Ov2peJgK/view?usp=sharing link]

''Deadline - March 12, 2022 23:59.''
Solutions should be sent to aromanenko@hse.ru

The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

'''Home assignment #3'''

It is necessary to build a scoring model that assesses the probability of a client default at the stage of making a loan application.
To do this you need:

0. Download data from the link https://drive.google.com/drive/u/0/folders/16CMyPnLu7Fv7IgsYOZimQK-7MaFZEWEZ

Each student selects 2 data samples "accept" and "reject", which start with the student's HW version.
Version numbers for HW #3 must be taken the same as for HW #1.

The completed task must be sent in the following form:

1) File/scripts with built models (there must be comments, without comments the task is considered as unresolved)

2) Excel file with answers to the following questions:

1. What is the proportion of 1 in the "accept" sample?

2. It is necessary to calculate the following for all interval variables:
- Proportion of missing values
- Median
- Mean
- Standard deviation
- Are there any abnormal values, outliers?
- Information Value
3. It is necessary to calculate for all categorical variables the following:
- Mode
- Proportion of missing values
- Information Value
- Are there outliers, abnormal values?
4. Build logistic regression only on approved applications with transformed WoE variables. What is the meaning of GINI? F1 measure?

5. Conduct a Reject Inference analysis. What is the percentage of rejected applications?

6. Build a logistic regression on all applications with transformed WoE variables. What GINI, F1 mean? Has the model changed?

7. What model would you recommend for implementation in a productive environment? Give a detailed explanation

Assessment for HW #3 is set on a 2-point scale, where "2" - the task is solved completely, "1" - the task is not completely solved or with shortcomings, "0" - the task is not solved or solved incorrectly.
The transfer of grades for homework from a 2-point scale to a 10-point scale is carried out by multiplying the grade by 5 without rounding.

For HW #3, marks will be given:
"2" - the model is correctly built on both the accept and reject samples. Correct answers given.
"1.6" - the model is correctly built both on the accept sample and on the reject sample. 50% of answers are correct.
"1.4" - the model is correctly built both on the accept sample and on the reject sample. Wrong answers are given.
"1" are given - the model is built only on the accept sample.
"0.8" - the task is not completely solved. 50% of answers are correct.
"0" - the task is not solved or solved incorrectly.

Deadline - until 26.03.2022 (including 26.03.2022)

Decisions should be sent to msvorobeva@hse.ru
The subject of the letter must contain the following: HSE + Course number + version_number + full name.

The file name must include:

*Course number
*Version number
*Full name

Example: "AMIS_3course_Version_8_IvanovIvanIvanovich"

If the works will repeat each other, both works will be considered unresolved.

== Team project for 3rd course ==

'''Choosing a topic for a team project on the course "Data Science Case Studies (JD SAS)" '''

Students are divided into groups of 3 people. In the future, 2-3 groups can be combined into one. Within the group, the team captain must be determined - the responsible person of the group.

The responsible person is responsible for the performance and result of the following main functions:
* sending an application for a project topic and agreeing on a project topic on behalf of the whole group with professors;
* providing information to the curator about the current status of the project: accounting, distribution and control of the implementation of the project task;
* sending reports, presentations, technical documentation on the work performed by the group in electronic form.

Project topic descriptions: [https://docs.google.com/document/d/1p_gECsEVi95_3-WW2eBJaA3yEGCJBzejDILSkPQDX7c/edit?usp=sharing link to file]

Link to the application form on the topic: [https://forms.gle/QG2SwvYZ5tN2Pwow5 link to file]

'''Topic selection deadlines:'''

'''Until April 17, the group must select two topics from the specified list''', indicating the first and second priority for these topics.

'''April 18 - each group that has applied for the project, through the specified form, will be assigned a project topic and curator.''' While assigning topics, the priorities indicated by the students will be taken into account, as well as the average score of students in the group for the first module of the course. No more than 3 groups of students are assigned to one topic.

If you have any questions, write to Natalia Titova on Telegram.

The result of each project should be a presentation of the results of the project for 10-15 minutes.

The defense of the project for DSBA and ICEF will be in mid-May (May 17-22), as well as for everyone who is ready to defend themselves.

The final defense for AMIS, Economics, Economics and Statistics will take place in mid-June (June 15-19) before the start of the session.

The assessment for the project in the second module is set on a 10-point scale based on the results of the defense of the project.

Those students who did not find a group for themselves also apply for a topic, but for themselves alone. We ourselves will connect with a group on a similar topic.

'''Dates for the defense of educational projects in module 4:'''

Project defenses will be held from 17 to 19 June 2021.

In the file you will find a link to the list of project groups with reference to the date and time of project defense, as well as links to defenses.

[https://docs.google.com/spreadsheets/d/127uq1MwiwZlPahfLj1AwBAuxMdpp44EM6hlYiLnYKyI/edit?usp=sharing Team projects - dates for defenses by groups and links to join.]

== How to ask a question about the course ==

'''Questions''' about the course can be asked in the telegram chat of the course, the course professor Natalia Titova @Natalitics or the manager of the SAS department Tatiana Lobok @tatianalobok (tlobok@hse.ru).

Telegram channel for announcements: https://t.me/+Lj-yHhfNJTQxYWEy

Chat in telegram for discussions: https://t.me/+a1VMTe2xwNA5Mzcy

''' All announcements and course materials will be posted in the telegram chat and in the telegram channel! '''
There are professors in the chat, but not always.
For all important questions, you should write to Natalia Titova in the telegram chat @Natalitics or mail Natalia.Titova@sas.com. Be sure to add the tag [AMIS FCS HSE/DSBA FCS HSE/ICEF FCS HSE/Ec FES HSE/EcSt FES HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
If you find any typos, inaccuracies, malfunctions of the page, please send email tlobok@hse.ru.

== Course materials ==
'''Documents and program of the course'''
''Attention: files are being updated!''

*The working program of the discipline for the 3rd and 4th courses document is located at the following [https://docs.google.com/document/d/1Sh-KjlZlAmk1kIEndmM7mF7nAj6iL6ZI/edit?usp=sharing&ouid=109416058723510784590&rtpof=true&sd=true link].

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instructions for connecting to SAS OnDemand and downloading SAS software]'''

*[https://drive.google.com/open?id=1ANDlimb5hp4ds0sUcReR6xq5sVrcX5n9 Lectures and seminars] ''Attention: files in the folder are being updated!''

== Recommended literature and useful additional materials ==

'''Useful materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials Training portal with additional literature for working with SAS Enterprise Guide]
*[https://habr.com/company/sas/blog/ SAS Company's block on Habr (Basics of programming on SAS Base)]

'''Useful literature'''

''Section 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]

''Section 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.]

''Section 3:''

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

''Section 4:''

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

== Contacts ==

[[Файл:Титова Наталья Николаевна.jpg|микро|70px|безрамки|слева]] '''Titova Natalia Nikolaevna''' - Senior tutor
Natalia.Titova@sas.com

[[Файл:Лобок Татьяна Сергеевна.jpg|микро|70px|безрамки|слева]] '''Lobok Tatiana Sergeevna''' - Manager of the basic SAS Department
tlobok@hse.ru

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-22T17:43:59Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1400px|безрамки|центр]]
 
 
 
 
 
=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

[[Файл:Расписание занятий.jpeg|1400px|безрамки|центр]] 
 
 
 

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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

Data Science Case Studies (JD SAS) 21/22

2022-01-22T17:43:46Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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

Data Science Case Studies (JD SAS) 21/22

2022-01-22T17:43:06Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-22T17:42:50Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1400px|безрамки|центр]]
 
 
 
 
 
=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

[[Файл:Расписание занятий.jpeg|1400px|безрамки|центр]] 
 
 
 

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

'''ссылка на доп.материалы''' - [https://drive.google.com/drive/folders/1UNGRXQLbulMkvc-yexPHqZauGvwVJF17?usp=sharing к семинарским занятиям] 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-22T17:40:46Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1400px|безрамки|центр]]
 
 
 
 
 
=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

[[Файл:Расписание занятий.jpeg|1400px|безрамки|центр]] 
 
 
 

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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

Data Science Case Studies (JD SAS) 21/22

2022-01-22T17:40:36Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

{| 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 || || [https://drive.google.com/file/d/1j9-eoZSxLfprqsg_cpqnUfTNLwt_Rhpn/view?usp=sharing Семинар №1 - рус]
|-
| 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

Data Science Case Studies (JD SAS) 21/22

2022-01-22T17:39:17Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

{| 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

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-22T17:39:03Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1400px|безрамки|центр]]
 
 
 
 
 
=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

[[Файл:Расписание занятий.jpeg|1400px|безрамки|центр]] 
 
 
 

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 || || [https://drive.google.com/file/d/1nEbogpqbZBBrjOJy-sVmq4SdVn_svef6/view?usp=sharing Лекция №1 - рус]
|-
| 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 

{| 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

Data Science Case Studies (JD SAS) 21/22

2022-01-22T13:51:43Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 

{| 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

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-22T13:51:28Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1400px|безрамки|центр]]
 
 
 
 
 
=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

[[Файл:Расписание занятий.jpeg|1400px|безрамки|центр]] 
 
 
 

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US 
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 

{| 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

Data Science Case Studies (JD SAS) 21/22

2022-01-22T13:50:33Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 

{| 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

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-22T13:49:46Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1400px|безрамки|центр]]
 
 
 
 
 
=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

[[Файл:Расписание занятий.jpeg|1400px|безрамки|центр]] 
 
 
 

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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.''

Ссылки на доступ к ПО SAS - https://sas-viya.cs.hse.ru/SASStudioV/main?locale=en_US
https://sas-viya.cs.hse.ru/SASStudioV/main?locale=ru_RU

'''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; 
'''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 

{| 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

Технологии прикладного анализа данных SAS

2022-01-17T02:58:22Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== 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 дисциплина ставит своей целью изучение базовых сведений по анализу данных в среде SAS. Эти знания и навыки необходимы в профессиональной деятельности специалистов по математическому моделированию и информатике.

В результате изучения дисциплины студенты должны:
* Знать основы языка SAS Base и уметь записывать и понимать простые про-граммы на этом языке;
* Владеть основами макропрограммирования на языке SAS Base;
* Понимать принципы работы основных статистических методов анализа данных на платформе SAS;
* Уметь запускать и анализировать результаты выполнения основных стати-стических методов анализа данных на платформе SAS;
* Знать список основных методов анализа данных, реализованных на платформе SAS.

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

{| class="wikitable"
|-
| Преподаватели || Ильвовский Дмитрий Алексеевич, Титова Наталия Николаевна
|-
| Число кредитов || 5
|-
| Контактная работа (час.) || 60
|-
| Самостоятельная работа (час.) || 130
|-
| Курс || 3
|-
| Формат изучения дисциплины || full-time
|}
 
дополнительные ссылки:
*[https://cs.hse.ru/sas/ Базовая кафедра компании SAS на факультете компьютерных наук ВШЭ ]
*[https://cs.hse.ru/electives/sas 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==

{| class="wikitable"
|-
! Номер раздела !! Тема
|-
| 1 || Аналитическая платформа SAS. Обзор технологий.
|-
| 2 || Язык программирования SAS BASE
|-
| 2.1 || Основы программирования на SAS BASE
|-
| 2.2 || Макросы, SQL
|-
| 3 || Библиотека методов статистического анализа SAS STAT
|-
| 3.1 || Введение в SAS STAT, дисперсионный анализ
|-
| 3.2 || Линейная регрессия
|-
| 3.3 || Логистическая регрессия
|-
| 3.4 || Обобщенные линейные модели
|-
| 3.5 || Визуализация данных
|-
| 3.6 || Методы кластеризации
|-
| 3.7 || Деревья решений
|-
| 3.8 || Композиции прогнозирующих алгоритмов. Случайный лес, бустинг.
|-
| 3.9 || Нелинейный модели. Нейронные сети.
|}

== Использование и изучение ПО SAS в рамках курса==
'''Программная среда для работы:''' студенты будут работать с платформой SAS Viya. Все необходимое ПО размещается в облаке, предоставляемом SAS, для доступа достаточно браузера.

Информация по использованию ПО SAS при выполнении заданий, а также ваши личные логины и пароли для доступа к серверу будут направлены вам позднее на ваши студенческие почты (в домене edu.hse.ru).

'''Студенты, выполняющие 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.

'''''Сертификат вручается студентам, имеющим итоговую оценку не ниже 9 баллов.'''''

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].

== Отчётность по курсу и критерии оценки ==

В курсе предусмотрено несколько форм контроля знания:
* 4 практических домашних задания;
* Экзамен.

'''Критерии оценки знаний, навыков'''

*Оценки за все домашние задания выставляются по 10-балльной шкале, проходной минимум - 4 балла.

*Оценка за экзамен также выставляется по 10-балльной шкале.

'''Порядок формирования оценок по дисциплине'''

'''Оценка итогового контроля''' в конце 2-го модуля выставляется по следующей формуле:

'''Оитог = 0,5·О_экзамен + 0,5·О_ДЗ'''

и округляется до целого числа арифметическим способом,
где
* О_экзамен – оценка за работу непосредственно на экзамене по десятибалльной системе.
* О_ДЗ – средняя оценка за все домашние задания по десятибалльной системе.

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).

Экзамен проходит в форме защиты домашних заданий: студенты отвечают на вопросы преподавателя по сделанным задачам и, в случае необходимости, выполняют дополнительное письменное задание. Если студент по какой-то причине не может или отказывается от защиты, ему необходимо пройти письменный экзамен.

== Домашние задания ==

'''Домашнее задание №1'''

''Информация появится позднее.''

'''Домашнее задание №2'''

''Информация появится позднее.''

'''Домашнее задание №3'''

''Информация появится позднее.''

'''Домашнее задание №4'''

''Информация появится позднее.''

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать в Telegram-чате курса, преподавателю курса Ильвовскому Дмитрию @dilv_ru dilvovsky@hse.ru или менеджеру кафедры SAS Лобок Татьяне (@tatianalobok) tlobok@hse.ru.
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.

Канал в Telegram для объявлений: https://t.me/+gI3IA1ucpok3MGUy

Чат в Telegram для обсуждений: https://t.me/+hSmHk-PTzXszOTk6

''' Все объявления и материалы по курсу будут выкладываться в чате и в канале Telegram! '''
Преподаватели в чате бывают, но не всегда.

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!''

*'''[https://sas-viya.cs.hse.ru Доступ к ПО SAS]'''

*[https://drive.google.com/drive/folders/1_ZcBAXDaAGRHL1TPjFTJIHyEtmu9sQeS?usp=sharing 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'''

*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Мортон С. (2016) Лаборатория презентаций. Формула идеального выступления. Альпина Паблишер.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.
* Математическая статистика : учеб. пособие для вузов, Ивченко, Г. И., Медведев, Ю. И., 1992

SAS Technologies for Data Mining

2022-01-17T02:57:53Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== Schedule ==

'''Link for all lectures and seminars:''' 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

'''Schedule from 10.01.2022 to 28.02.2022 (incl.):'''

every Monday, 14:40 - 16:00 - lecture (online), Dmitriy Ilvovskiy.

every Monday, 16:20 - 17:40 - seminar (online), Dmitriy Ilvovskiy.

'''Schedule from 05.03.2022 to 02.04.2022 (incl.):'''

every Saturday, 14:40 - 16:00 - lecture (online), Nataliya Titova.

every Saturday, 16:20 - 17:40 - seminar (online), Nataliya Titova.

== About this course ==
This course is aimed to study the basics of data analysis using SAS software. These knowledge and skills are necessary in the professional activities of specialists in mathematical modeling and computer science.

As a result of studying the course, students should:
* Know the basics of the SAS Base language and be able to write and understand simple programs in this language;
* Study the basics of macro programming in SAS Base;
* Understand the principles of application of the main statistical methods of data analysis using SAS Software;
* Be able to launch and analyze the results of the implementation of the main statistical methods of data analysis on the SAS platform;
* Know the list of basic data analysis methods implemented on the SAS platform.

Course description (HSE) - https://www.hse.ru/edu/courses/470995302
 

{| class="wikitable"
|-
| Tutors || Dmitriy Ilvovskiy, Nataliya Titova
|-
| Credits || 5
|-
| Supervised study (h.) || 60
|-
| Self-study (h.) || 130
|-
| Year || 3
|-
| Format || full-time
|}
 
additional links:
*[https://cs.hse.ru/sas/ SAS-HSE department ]
*[https://cs.hse.ru/electives/sas Course program]
*[https://www.sas.com/ru_ru/home.html SAS Institute]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html SAS Internship 2021/2022]'''

== Curriculum ==

{| class="wikitable"
|-
! # !! Topic
|-
| 1 || SAS analytical platform. Technology review.
|-
| 2 || SAS BASE programming language
|-
| 2.1 || SAS BASE programming
|-
| 2.2 || Macros, SQL
|-
| 3 || Statistical analysis using SAS STAT
|-
| 3.1 || SAS STAT intro, ANOVA
|-
| 3.2 || Linear regression
|-
| 3.3 || Logistic regression
|-
| 3.4 || Generalized linear models
|-
| 3.5 || Data visualization
|-
| 3.6 || Clustering methods
|-
| 3.7 || Decision tree
|-
| 3.8 || Ensemble methods. Random forest, boosting.
|-
| 3.9 || Non-linear models. Neural networks.
|}

== SAS software ==
'''SAS environment:''' students are supposed to do tasks with SAS Viya. All software tools are cloud-based, it is enough to have an Internet browser.

SAS environment instruction and your personal access login and password will be sent to your student e-mails (in the "edu.hse.ru" domain).

'''Students who in-time and successfully do all tasks using SAS''', may attend to free online courses on additional topics.

''If you are interested in it, please, write to Nataliya Titova or send a request to the Telegram-chat.''

'''If a student have successfully done all homeworks (with excellence)''', he or she may receive:
* SAS academic program certificate
* Acclaim e-badge, confirming successful passing of this course (with the list of SAS technologies used).

'''''It is required to have a final grade at least 9 points.'''''

The following online courses are freely available:
*SAS Base programming [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link]
*Statistical analysis using SAS [https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link]

Moreover, students who are willing to spend extra time learning to program in SAS can try to pass a professional certification within the program SCYP (SAS® Software Certified Young Professionals) for free [https://www.sas.com/sas/training/scyp.html link].

== Assessment criteria ==

The course provides several forms of knowledge control:
* 4 homeworks;
* Exam.

'''Criteria'''

*All homework assignments are graded on a 10-point scale, minimum passing grade - 4.

*Exam grade is also given on a 10-point scale.

'''Final grade'''

'''Final grade''' formula:

'''О_final = 0,5·О_exam + 0,5·О_HW'''

где
* О_exam – grade for the exam on a ten-point scale.
* О_HW – average grade for all homework assignments on a ten-point scale.

Rounding occurs only at the very end - in the final assessment. Rounding is arithmetic.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks).

The exam is held in the form of homework defense: students answer the questions on the tasks they have completed and, if necessary, perform an additional written task. If a student for some reason cannot or refuses to defend himself or herself, he or she must pass a written exam.

== Homework ==

'''Homework №1'''

''To be announced later''

'''Homework №2'''

''To be announced later.''

'''Homework №3'''

''To be announced later''

'''Homework №4'''

''To be announced later.''

== Contacts ==
'''Questions''' may be addressed in Telegram-chat, to Dmitry Ilvovsky @dilv_ru dilvovsky@hse.ru or SAS-HSE department manager Tatiana Lobok (@tatianalobok) tlobok@hse.ru.
Be sure to add the tag [PMI FKN HSE / PAD FKN HSE / MIEF FKN HSE / Ek FEN HSE / Ext FEN HSE] to the title of the letter, and also indicate your last name and first name.

Telegram channel for announcements: https://t.me/+gI3IA1ucpok3MGUy

Telegram chat for discussions: https://t.me/+hSmHk-PTzXszOTk6

''' All announcements and materials will be available in Telegram chat! '''

All files provided are intended for use by students during their studies and are updated throughout the year.
For found typos, inaccuracies, malfunctions of the page, please write to e-mail tlobok@hse.ru.

== Additional materials ==
'''Course documents'''
''NB: the content may be updated!''

*'''[https://sas-viya.cs.hse.ru Access to SAS software]'''

*[https://drive.google.com/drive/folders/1_ZcBAXDaAGRHL1TPjFTJIHyEtmu9sQeS?usp=sharing Lectures and seminars] ''NB: the content may be updated!''

== Bibliography ==

'''Materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials SAS Enterprise Guide educational portal]
*[https://habr.com/company/sas/blog/ SAS Institute blog (SAS Base programming)]

'''Literature'''

*[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. ]
*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.

SAS Technologies for Data Mining

2022-01-17T02:53:12Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== Schedule ==

'''Link for all lectures and seminars:''' 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

'''Schedule from 10.01.2022 to 28.02.2022 (incl.):'''

every Monday, 14:40 - 16:00 - lecture (online), Dmitriy Ilvovskiy.

every Monday, 16:20 - 17:40 - seminar (online), Dmitriy Ilvovskiy.

'''Schedule from 05.03.2022 to 02.04.2022 (incl.):'''

every Saturday, 14:40 - 16:00 - lecture (online), Nataliya Titova.

every Saturday, 16:20 - 17:40 - seminar (online), Nataliya Titova.

== About this course ==
This course is aimed to study the basics of data analysis using SAS software. These knowledge and skills are necessary in the professional activities of specialists in mathematical modeling and computer science.

As a result of studying the course, students should:
* Know the basics of the SAS Base language and be able to write and understand simple programs in this language;
* Study the basics of macro programming in SAS Base;
* Understand the principles of application of the main statistical methods of data analysis using SAS Software;
* Be able to launch and analyze the results of the implementation of the main statistical methods of data analysis on the SAS platform;
* Know the list of basic data analysis methods implemented on the SAS platform.

Course description (HSE) - https://www.hse.ru/edu/courses/470995302
 

{| class="wikitable"
|-
| Tutors || Dmitriy Ilvovskiy, Nataliya Titova
|-
| Credits || 5
|-
| Supervised study (h.) || 60
|-
| Self-study (h.) || 130
|-
| Year || 3
|-
| Format || full-time
|}
 
additional links:
*[https://cs.hse.ru/sas/ SAS-HSE department ]
*[https://cs.hse.ru/electives/sas Course program]
*[https://www.sas.com/ru_ru/home.html SAS Institute]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html SAS Internship 2021/2022]'''

== Curriculum ==

{| class="wikitable"
|-
! # !! Topic
|-
| 1 || SAS analytical platform. Technology review.
|-
| 2 || SAS BASE programming language
|-
| 2.1 || SAS BASE programming
|-
| 2.2 || Macros, SQL
|-
| 3 || Statistical analysis using SAS STAT
|-
| 3.1 || SAS STAT intro, ANOVA
|-
| 3.2 || Linear regression
|-
| 3.3 || Logistic regression
|-
| 3.4 || Generalized linear models
|-
| 3.5 || Data visualization
|-
| 3.6 || Clustering methods
|-
| 3.7 || Decision tree
|-
| 3.8 || Ensemble methods. Random forest, boosting.
|-
| 3.9 || Non-linear models. Neural networks.
|}

== SAS software ==
'''SAS environment:''' students are supposed to do tasks with SAS Viya. All software tools are cloud-based, it is enough to have an Internet browser.

SAS environment instruction and your personal access login and password will be sent to your student e-mails (in the "edu.hse.ru" domain).

'''Students who in-time and successfully do all tasks using SAS''', may attend to free online courses on additional topics.

''If you are interested in it, please, write to Nataliya Titova or send a request to the Telegram-chat.''

'''If a student have successfully done all homeworks (with excellence)''', he or she may receive:
* SAS academic program certificate
* Acclaim e-badge, confirming successful passing of this course (with the list of SAS technologies used).

'''''It is required to have a final grade at least 9 points.'''''

The following online courses are freely available:
*SAS Base programming [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link]
*Statistical analysis using SAS [https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link]

Moreover, students who are willing to spend extra time learning to program in SAS can try to pass a professional certification within the program SCYP (SAS® Software Certified Young Professionals) for free [https://www.sas.com/sas/training/scyp.html link].

== Assessment criteria ==

The course provides several forms of knowledge control:
* 4 homeworks;
* Exam.

'''Criteria'''

*All homework assignments are graded on a 10-point scale, minimum passing grade - 4.

*Exam grade is also given on a 10-point scale.

'''Final grade'''

'''Final grade''' formula:

'''О_final = 0,5·О_exam + 0,5·О_HW'''

где
* О_exam – grade for the exam on a ten-point scale.
* О_HW – average grade for all homework assignments on a ten-point scale.

Rounding occurs only at the very end - in the final assessment. Rounding is arithmetic.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks).

The exam is held in the form of homework defense: students answer the questions on the tasks they have completed and, if necessary, perform an additional written task. If a student for some reason cannot or refuses to defend himself or herself, he or she must pass a written exam.

== Homework ==

'''Homework №1'''

''To be announced later''

'''Homework №2'''

''To be announced later.''

'''Homework №3'''

''To be announced later''

'''Homework №4'''

''To be announced later.''

== Contacts ==
'''Questions''' may be addressed in Telegram-chat, to Dmitry Ilvovsky @dilv_ru dilvovsky@hse.ru or SAS-HSE department manager Tatiana Lobok (@tatianalobok) tlobok@hse.ru.
Be sure to add the tag [PMI FKN HSE / PAD FKN HSE / MIEF FKN HSE / Ek FEN HSE / Ext FEN HSE] to the title of the letter, and also indicate your last name and first name.

Telegram channel for announcements: https://t.me/+gI3IA1ucpok3MGUy

Telegram chat for discussions: https://t.me/+hSmHk-PTzXszOTk6

''' All announcements and materials will be available in Telegram chat! '''

All files provided are intended for use by students during their studies and are updated throughout the year.
For found typos, inaccuracies, malfunctions of the page, please write to e-mail tlobok@hse.ru.

== Additional materials ==
'''Course documents'''
''NB: the content may be updated!''

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instruction for connection to SAS OnDemand and SAS software downloading]'''

*[https://drive.google.com/drive/folders/1_ZcBAXDaAGRHL1TPjFTJIHyEtmu9sQeS?usp=sharing Lectures and seminars] ''NB: the content may be updated!''

== Bibliography ==

'''Materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials SAS Enterprise Guide educational portal]
*[https://habr.com/company/sas/blog/ SAS Institute blog (SAS Base programming)]

'''Literature'''

*[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. ]
*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.

Технологии прикладного анализа данных SAS

2022-01-17T02:07:42Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== 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 дисциплина ставит своей целью изучение базовых сведений по анализу данных в среде SAS. Эти знания и навыки необходимы в профессиональной деятельности специалистов по математическому моделированию и информатике.

В результате изучения дисциплины студенты должны:
* Знать основы языка SAS Base и уметь записывать и понимать простые про-граммы на этом языке;
* Владеть основами макропрограммирования на языке SAS Base;
* Понимать принципы работы основных статистических методов анализа данных на платформе SAS;
* Уметь запускать и анализировать результаты выполнения основных стати-стических методов анализа данных на платформе SAS;
* Знать список основных методов анализа данных, реализованных на платформе SAS.

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

{| class="wikitable"
|-
| Преподаватели || Ильвовский Дмитрий Алексеевич, Титова Наталия Николаевна
|-
| Число кредитов || 5
|-
| Контактная работа (час.) || 60
|-
| Самостоятельная работа (час.) || 130
|-
| Курс || 3
|-
| Формат изучения дисциплины || full-time
|}
 
дополнительные ссылки:
*[https://cs.hse.ru/sas/ Базовая кафедра компании SAS на факультете компьютерных наук ВШЭ ]
*[https://cs.hse.ru/electives/sas 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==

{| class="wikitable"
|-
! Номер раздела !! Тема
|-
| 1 || Аналитическая платформа SAS. Обзор технологий.
|-
| 2 || Язык программирования SAS BASE
|-
| 2.1 || Основы программирования на SAS BASE
|-
| 2.2 || Макросы, SQL
|-
| 3 || Библиотека методов статистического анализа SAS STAT
|-
| 3.1 || Введение в SAS STAT, дисперсионный анализ
|-
| 3.2 || Линейная регрессия
|-
| 3.3 || Логистическая регрессия
|-
| 3.4 || Обобщенные линейные модели
|-
| 3.5 || Визуализация данных
|-
| 3.6 || Методы кластеризации
|-
| 3.7 || Деревья решений
|-
| 3.8 || Композиции прогнозирующих алгоритмов. Случайный лес, бустинг.
|-
| 3.9 || Нелинейный модели. Нейронные сети.
|}

== Использование и изучение ПО SAS в рамках курса==
'''Программная среда для работы:''' студенты будут работать с платформой SAS Viya. Все необходимое ПО размещается в облаке, предоставляемом SAS, для доступа достаточно браузера.

Информация по использованию ПО SAS при выполнении заданий, а также ваши личные логины и пароли для доступа к серверу будут направлены вам позднее на ваши студенческие почты (в домене edu.hse.ru).

'''Студенты, выполняющие 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.

'''''Сертификат вручается студентам, имеющим итоговую оценку не ниже 9 баллов.'''''

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].

== Отчётность по курсу и критерии оценки ==

В курсе предусмотрено несколько форм контроля знания:
* 4 практических домашних задания;
* Экзамен.

'''Критерии оценки знаний, навыков'''

*Оценки за все домашние задания выставляются по 10-балльной шкале, проходной минимум - 4 балла.

*Оценка за экзамен также выставляется по 10-балльной шкале.

'''Порядок формирования оценок по дисциплине'''

'''Оценка итогового контроля''' в конце 2-го модуля выставляется по следующей формуле:

'''Оитог = 0,5·О_экзамен + 0,5·О_ДЗ'''

и округляется до целого числа арифметическим способом,
где
* О_экзамен – оценка за работу непосредственно на экзамене по десятибалльной системе.
* О_ДЗ – средняя оценка за все домашние задания по десятибалльной системе.

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).

Экзамен проходит в форме защиты домашних заданий: студенты отвечают на вопросы преподавателя по сделанным задачам и, в случае необходимости, выполняют дополнительное письменное задание. Если студент по какой-то причине не может или отказывается от защиты, ему необходимо пройти письменный экзамен.

== Домашние задания ==

'''Домашнее задание №1'''

''Информация появится позднее.''

'''Домашнее задание №2'''

''Информация появится позднее.''

'''Домашнее задание №3'''

''Информация появится позднее.''

'''Домашнее задание №4'''

''Информация появится позднее.''

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать в Telegram-чате курса, преподавателю курса Ильвовскому Дмитрию @dilv_ru dilvovsky@hse.ru или менеджеру кафедры SAS Лобок Татьяне (@tatianalobok) tlobok@hse.ru.
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.

Канал в Telegram для объявлений: https://t.me/+gI3IA1ucpok3MGUy

Чат в Telegram для обсуждений: https://t.me/+hSmHk-PTzXszOTk6

''' Все объявления и материалы по курсу будут выкладываться в чате и в канале Telegram! '''
Преподаватели в чате бывают, но не всегда.

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!''

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Инструкция по подключению к SAS OnDemand и скачиванию ПО SAS]'''

*[https://drive.google.com/drive/folders/1_ZcBAXDaAGRHL1TPjFTJIHyEtmu9sQeS?usp=sharing 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'''

*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Мортон С. (2016) Лаборатория презентаций. Формула идеального выступления. Альпина Паблишер.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.
* Математическая статистика : учеб. пособие для вузов, Ивченко, Г. И., Медведев, Ю. И., 1992

SAS Technologies for Data Mining

2022-01-17T02:07:26Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== Schedule ==

'''Link for all lectures and seminars:''' 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

'''Schedule from 10.01.2022 to 28.02.2022 (incl.):'''

every Monday, 14:40 - 16:00 - lecture (online), Dmitriy Ilvovskiy.

every Monday, 16:20 - 17:40 - seminar (online), Dmitriy Ilvovskiy.

'''Schedule from 05.03.2022 to 02.04.2022 (incl.):'''

every Saturday, 14:40 - 16:00 - lecture (online), Nataliya Titova.

every Saturday, 16:20 - 17:40 - seminar (online), Nataliya Titova.

== About this course ==
This course is aimed to study the basics of data analysis using SAS software. These knowledge and skills are necessary in the professional activities of specialists in mathematical modeling and computer science.

As a result of studying the course, students should:
* Know the basics of the SAS Base language and be able to write and understand simple programs in this language;
* Study the basics of macro programming in SAS Base;
* Understand the principles of application of the main statistical methods of data analysis using SAS Software;
* Be able to launch and analyze the results of the implementation of the main statistical methods of data analysis on the SAS platform;
* Know the list of basic data analysis methods implemented on the SAS platform.

Course description (HSE) - https://www.hse.ru/edu/courses/470995302
 

{| class="wikitable"
|-
| Tutors || Dmitriy Ilvovskiy, Nataliya Titova
|-
| Credits || 5
|-
| Supervised study (h.) || 60
|-
| Self-study (h.) || 130
|-
| Year || 3
|-
| Format || full-time
|}
 
additional links:
*[https://cs.hse.ru/sas/ SAS-HSE department ]
*[https://cs.hse.ru/electives/sas Course program]
*[https://www.sas.com/ru_ru/home.html SAS Institute]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html SAS Internship 2021/2022]'''

== Curriculum ==

{| class="wikitable"
|-
! # !! Topic
|-
| 1 || SAS analytical platform. Technology review.
|-
| 2 || SAS BASE programming language
|-
| 2.1 || SAS BASE programming
|-
| 2.2 || Macros, SQL
|-
| 3 || Statistical analysis using SAS STAT
|-
| 3.1 || SAS STAT intro, ANOVA
|-
| 3.2 || Linear regression
|-
| 3.3 || Logistic regression
|-
| 3.4 || Generalized linear models
|-
| 3.5 || Data visualization
|-
| 3.6 || Clustering methods
|-
| 3.7 || Decision tree
|-
| 3.8 || Ensemble methods. Random forest, boosting.
|-
| 3.9 || Non-linear models. Neural networks.
|}

== SAS software ==
'''SAS environment:''' students are supposed to do tasks with SAS Viya. All software tools are cloud-based, it is enough to have an Internet browser.

SAS environment instruction and your personal access login and password will be sent to your student e-mails (in the "edu.hse.ru" domain).

'''Students who in-time and successfully do all tasks using SAS''', may attend to free online courses on additional topics.

''If you are interested in it, please, write to Nataliya Titova or send a request to the Telegram-chat.''

'''If a student have successfully done all homeworks (with excellence)''', he or she may receive:
* SAS academic program certificate
* Acclaim e-badge, confirming successful passing of this course (with the list of SAS technologies used).

'''''It is required to have a final grade at least 9 points.'''''

The following online courses are freely available:
*SAS Base programming [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link]
*Statistical analysis using SAS [https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link]

Moreover, students who are willing to spend extra time learning to program in SAS can try to pass a professional certification within the program SCYP (SAS® Software Certified Young Professionals) for free [https://www.sas.com/sas/training/scyp.html link].

== Assessment criteria ==

The course provides several forms of knowledge control:
* 4 homeworks;
* Exam.

'''Criteria'''

*All homework assignments are graded on a 10-point scale, minimum passing grade - 4.

*Exam grade is also given on a 10-point scale.

'''Final grade'''

'''Final grade''' formula:

'''О_final = 0,5·О_exam + 0,5·О_HW'''

где
* О_exam – grade for the exam on a ten-point scale.
* О_HW – average grade for all homework assignments on a ten-point scale.

Rounding occurs only at the very end - in the final assessment. Rounding is arithmetic.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks).

The exam is held in the form of homework defense: students answer the questions on the tasks they have completed and, if necessary, perform an additional written task. If a student for some reason cannot or refuses to defend himself or herself, he or she must pass a written exam.

== Homework ==

'''Homework №1'''

''To be announced later''

'''Homework №2'''

''To be announced later.''

'''Homework №3'''

''To be announced later''

'''Homework №4'''

''To be announced later.''

== Contacts ==
'''Questions''' may be addressed in Telegram-chat, to Dmitry Ilvovsky @dilv_ru dilvovsky@hse.ru or SAS-HSE department manager Tatiana Lobok (@tatianalobok) tlobok@hse.ru.

Telegram channel for announcements: https://t.me/+gI3IA1ucpok3MGUy

Telegram chat for discussions: https://t.me/+hSmHk-PTzXszOTk6

''' All announcements and materials will be available in Telegram chat! '''
For all important questions, you can write Nataliya Titova in the Telegram chat @Natalitics or email Natalia.Titova@sas.com. Be sure to add the tag [PMI FKN HSE / PAD FKN HSE / MIEF FKN HSE / Ek FEN HSE / Ext FEN HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
For found typos, inaccuracies, malfunctions of the page, please write to e-mail tlobok@hse.ru.

== Additional materials ==
'''Course documents'''
''NB: the content may be updated!''

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instruction for connection to SAS OnDemand and SAS software downloading]'''

*[https://drive.google.com/drive/folders/1_ZcBAXDaAGRHL1TPjFTJIHyEtmu9sQeS?usp=sharing Lectures and seminars] ''NB: the content may be updated!''

== Bibliography ==

'''Materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials SAS Enterprise Guide educational portal]
*[https://habr.com/company/sas/blog/ SAS Institute blog (SAS Base programming)]

'''Literature'''

*[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. ]
*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.

SAS Technologies for Data Mining

2022-01-17T02:05:13Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== Schedule ==

'''Link for all lectures and seminars:''' 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

'''Schedule from 10.01.2022 to 28.02.2022 (incl.):'''

every Monday, 14:40 - 16:00 - lecture (online), Dmitriy Ilvovskiy.

every Monday, 16:20 - 17:40 - seminar (online), Dmitriy Ilvovskiy.

'''Schedule from 05.03.2022 to 02.04.2022 (incl.):'''

every Saturday, 14:40 - 16:00 - lecture (online), Nataliya Titova.

every Saturday, 16:20 - 17:40 - seminar (online), Nataliya Titova.

== About this course ==
This course is aimed to study the basics of data analysis using SAS software. These knowledge and skills are necessary in the professional activities of specialists in mathematical modeling and computer science.

As a result of studying the course, students should:
* Know the basics of the SAS Base language and be able to write and understand simple programs in this language;
* Study the basics of macro programming in SAS Base;
* Understand the principles of application of the main statistical methods of data analysis using SAS Software;
* Be able to launch and analyze the results of the implementation of the main statistical methods of data analysis on the SAS platform;
* Know the list of basic data analysis methods implemented on the SAS platform.

Course description (HSE) - https://www.hse.ru/edu/courses/470995302
 

{| class="wikitable"
|-
| Tutors || Dmitriy Ilvovskiy, Nataliya Titova
|-
| Credits || 5
|-
| Supervised study (h.) || 60
|-
| Self-study (h.) || 130
|-
| Year || 3
|-
| Format || full-time
|}
 
additional links:
*[https://cs.hse.ru/sas/ SAS-HSE department ]
*[https://cs.hse.ru/electives/sas Course program]
*[https://www.sas.com/ru_ru/home.html SAS Institute]

*'''[https://www.sas.com/ru_ru/careers/internship-program.html SAS Internship 2021/2022]'''

== Curriculum ==

{| class="wikitable"
|-
! # !! Topic
|-
| 1 || SAS analytical platform. Technology review.
|-
| 2 || SAS BASE programming language
|-
| 2.1 || SAS BASE programming
|-
| 2.2 || Macros, SQL
|-
| 3 || Statistical analysis using SAS STAT
|-
| 3.1 || SAS STAT intro, ANOVA
|-
| 3.2 || Linear regression
|-
| 3.3 || Logistic regression
|-
| 3.4 || Generalized linear models
|-
| 3.5 || Data visualization
|-
| 3.6 || Clustering methods
|-
| 3.7 || Decision tree
|-
| 3.8 || Ensemble methods. Random forest, boosting.
|-
| 3.9 || Non-linear models. Neural networks.
|}

== SAS software ==
'''SAS environment:''' students are supposed to do tasks with SAS Viya. All software tools are cloud-based, it is enough to have an Internet browser.

SAS environment instruction and your personal access login and password will be sent to your student e-mails (in the "edu.hse.ru" domain).

'''Students who in-time and successfully do all tasks using SAS''', may attend to free online courses on additional topics.

''If you are interested in it, please, write to Nataliya Titova or send a request to the Telegram-chat.''

'''If a student have successfully done all homeworks (with excellence)''', he or she may receive:
* SAS academic program certificate
* Acclaim e-badge, confirming successful passing of this course (with the list of SAS technologies used).

'''''It is required to have a final grade at least 9 points.'''''

The following online courses are freely available:
*SAS Base programming [https://support.sas.com/edu/schedules.html?id=2588&ctry=RU link]
*Statistical analysis using SAS [https://support.sas.com/edu/schedules.html?id=5235&ctry=RU link]

Moreover, students who are willing to spend extra time learning to program in SAS can try to pass a professional certification within the program SCYP (SAS® Software Certified Young Professionals) for free [https://www.sas.com/sas/training/scyp.html link].

== Assessment criteria ==

The course provides several forms of knowledge control:
* 4 homeworks;
* Exam.

'''Criteria'''

*All homework assignments are graded on a 10-point scale, minimum passing grade - 4.

*Exam grade is also given on a 10-point scale.

'''Final grade'''

'''Final grade''' formula:

'''О_final = 0,5·О_exam + 0,5·О_HW'''

где
* О_exam – grade for the exam on a ten-point scale.
* О_HW – average grade for all homework assignments on a ten-point scale.

Rounding occurs only at the very end - in the final assessment. Rounding is arithmetic.

Each task and exam is evaluated on a 10-point scale (fractional marks are allowed for tasks).

The exam is held in the form of homework defense: students answer the questions on the tasks they have completed and, if necessary, perform an additional written task. If a student for some reason cannot or refuses to defend himself or herself, he or she must pass a written exam.

== Homework ==

'''Homework №1'''

''To be announced later''

'''Homework №2'''

''To be announced later.''

'''Homework №3'''

''To be announced later''

'''Homework №4'''

''To be announced later.''

== Contacts ==
'''Questions''' may be addressed in Telegram-chat, to Dmitry Ilvovsky @dilv_ru dilvovsky@hse.ru or SAS-HSE department manager Tatiana Lobok (@tatianalobok) tlobok@hse.ru.

Telegram channel for announcements: https://t.me/+gI3IA1ucpok3MGUy

Telegram chat for discussions: https://t.me/+hSmHk-PTzXszOTk6

''' All announcements and materials will be available in Telegram chat! '''
For all important questions, you can write Nataliya Titova in the Telegram chat @Natalitics or email Natalia.Titova@sas.com. Be sure to add the tag [PMI FKN HSE / PAD FKN HSE / MIEF FKN HSE / Ek FEN HSE / Ext FEN HSE] to the title of the letter, and also indicate your last name and first name.

All files provided are intended for use by students during their studies and are updated throughout the year.
For found typos, inaccuracies, malfunctions of the page, please write to e-mail tlobok@hse.ru.

== Additional materials ==
'''Course documents'''
''NB: the content may be updated!''

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Instruction for connection to SAS OnDemand and SAS software downloading]'''

*[https://drive.google.com/drive/folders/11TA3RZ5Wmua3KtbqJrW_c68oq3SosgaI Lectures and seminars] ''NB: the content may be updated!''

== Bibliography ==

'''Materials'''

*[https://support.sas.com/en/software/enterprise-guide.html#freetutorials SAS Enterprise Guide educational portal]
*[https://habr.com/company/sas/blog/ SAS Institute blog (SAS Base programming)]

'''Literature'''

*[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. ]
*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.

Технологии прикладного анализа данных SAS

2022-01-17T02:01:50Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== 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 дисциплина ставит своей целью изучение базовых сведений по анализу данных в среде SAS. Эти знания и навыки необходимы в профессиональной деятельности специалистов по математическому моделированию и информатике.

В результате изучения дисциплины студенты должны:
* Знать основы языка SAS Base и уметь записывать и понимать простые про-граммы на этом языке;
* Владеть основами макропрограммирования на языке SAS Base;
* Понимать принципы работы основных статистических методов анализа данных на платформе SAS;
* Уметь запускать и анализировать результаты выполнения основных стати-стических методов анализа данных на платформе SAS;
* Знать список основных методов анализа данных, реализованных на платформе SAS.

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

{| class="wikitable"
|-
| Преподаватели || Ильвовский Дмитрий Алексеевич, Титова Наталия Николаевна
|-
| Число кредитов || 5
|-
| Контактная работа (час.) || 60
|-
| Самостоятельная работа (час.) || 130
|-
| Курс || 3
|-
| Формат изучения дисциплины || full-time
|}
 
дополнительные ссылки:
*[https://cs.hse.ru/sas/ Базовая кафедра компании SAS на факультете компьютерных наук ВШЭ ]
*[https://cs.hse.ru/electives/sas 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==

{| class="wikitable"
|-
! Номер раздела !! Тема
|-
| 1 || Аналитическая платформа SAS. Обзор технологий.
|-
| 2 || Язык программирования SAS BASE
|-
| 2.1 || Основы программирования на SAS BASE
|-
| 2.2 || Макросы, SQL
|-
| 3 || Библиотека методов статистического анализа SAS STAT
|-
| 3.1 || Введение в SAS STAT, дисперсионный анализ
|-
| 3.2 || Линейная регрессия
|-
| 3.3 || Логистическая регрессия
|-
| 3.4 || Обобщенные линейные модели
|-
| 3.5 || Визуализация данных
|-
| 3.6 || Методы кластеризации
|-
| 3.7 || Деревья решений
|-
| 3.8 || Композиции прогнозирующих алгоритмов. Случайный лес, бустинг.
|-
| 3.9 || Нелинейный модели. Нейронные сети.
|}

== Использование и изучение ПО SAS в рамках курса==
'''Программная среда для работы:''' студенты будут работать с платформой SAS Viya. Все необходимое ПО размещается в облаке, предоставляемом SAS, для доступа достаточно браузера.

Информация по использованию ПО SAS при выполнении заданий, а также ваши личные логины и пароли для доступа к серверу будут направлены вам позднее на ваши студенческие почты (в домене edu.hse.ru).

'''Студенты, выполняющие 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.

'''''Сертификат вручается студентам, имеющим итоговую оценку не ниже 9 баллов.'''''

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].

== Отчётность по курсу и критерии оценки ==

В курсе предусмотрено несколько форм контроля знания:
* 4 практических домашних задания;
* Экзамен.

'''Критерии оценки знаний, навыков'''

*Оценки за все домашние задания выставляются по 10-балльной шкале, проходной минимум - 4 балла.

*Оценка за экзамен также выставляется по 10-балльной шкале.

'''Порядок формирования оценок по дисциплине'''

'''Оценка итогового контроля''' в конце 2-го модуля выставляется по следующей формуле:

'''Оитог = 0,5·О_экзамен + 0,5·О_ДЗ'''

и округляется до целого числа арифметическим способом,
где
* О_экзамен – оценка за работу непосредственно на экзамене по десятибалльной системе.
* О_ДЗ – средняя оценка за все домашние задания по десятибалльной системе.

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).

Экзамен проходит в форме защиты домашних заданий: студенты отвечают на вопросы преподавателя по сделанным задачам и, в случае необходимости, выполняют дополнительное письменное задание. Если студент по какой-то причине не может или отказывается от защиты, ему необходимо пройти письменный экзамен.

== Домашние задания ==

'''Домашнее задание №1'''

''Информация появится позднее.''

'''Домашнее задание №2'''

''Информация появится позднее.''

'''Домашнее задание №3'''

''Информация появится позднее.''

'''Домашнее задание №4'''

''Информация появится позднее.''

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать в Telegram-чате курса, преподавателю курса Ильвовскому Дмитрию @dilv_ru dilvovsky@hse.ru или менеджеру кафедры SAS Лобок Татьяне (@tatianalobok) tlobok@hse.ru.
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.

Канал в Telegram для объявлений: https://t.me/+gI3IA1ucpok3MGUy

Чат в Telegram для обсуждений: https://t.me/+hSmHk-PTzXszOTk6

''' Все объявления и материалы по курсу будут выкладываться в чате и в канале Telegram! '''
Преподаватели в чате бывают, но не всегда.

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!''

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Инструкция по подключению к SAS OnDemand и скачиванию ПО SAS]'''

*[https://drive.google.com/drive/folders/11TA3RZ5Wmua3KtbqJrW_c68oq3SosgaI 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'''

*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Мортон С. (2016) Лаборатория презентаций. Формула идеального выступления. Альпина Паблишер.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.
* Математическая статистика : учеб. пособие для вузов, Ивченко, Г. И., Медведев, Ю. И., 1992

Технологии прикладного анализа данных SAS

2022-01-17T02:00:50Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

== 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 дисциплина ставит своей целью изучение базовых сведений по анализу данных в среде SAS. Эти знания и навыки необходимы в профессиональной деятельности специалистов по математическому моделированию и информатике.

В результате изучения дисциплины студенты должны:
* Знать основы языка SAS Base и уметь записывать и понимать простые про-граммы на этом языке;
* Владеть основами макропрограммирования на языке SAS Base;
* Понимать принципы работы основных статистических методов анализа данных на платформе SAS;
* Уметь запускать и анализировать результаты выполнения основных стати-стических методов анализа данных на платформе SAS;
* Знать список основных методов анализа данных, реализованных на платформе SAS.

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

{| class="wikitable"
|-
| Преподаватели || Ильвовский Дмитрий Алексеевич, Титова Наталия Николаевна
|-
| Число кредитов || 5
|-
| Контактная работа (час.) || 60
|-
| Самостоятельная работа (час.) || 130
|-
| Курс || 3
|-
| Формат изучения дисциплины || full-time
|}
 
дополнительные ссылки:
*[https://cs.hse.ru/sas/ Базовая кафедра компании SAS на факультете компьютерных наук ВШЭ ]
*[https://cs.hse.ru/electives/sas 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==

{| class="wikitable"
|-
! Номер раздела !! Тема
|-
| 1 || Аналитическая платформа SAS. Обзор технологий.
|-
| 2 || Язык программирования SAS BASE
|-
| 2.1 || Основы программирования на SAS BASE
|-
| 2.2 || Макросы, SQL
|-
| 3 || Библиотека методов статистического анализа SAS STAT
|-
| 3.1 || Введение в SAS STAT, дисперсионный анализ
|-
| 3.2 || Линейная регрессия
|-
| 3.3 || Логистическая регрессия
|-
| 3.4 || Обобщенные линейные модели
|-
| 3.5 || Визуализация данных
|-
| 3.6 || Методы кластеризации
|-
| 3.7 || Деревья решений
|-
| 3.8 || Композиции прогнозирующих алгоритмов. Случайный лес, бустинг.
|-
| 3.9 || Нелинейный модели. Нейронные сети.
|}

== Использование и изучение ПО SAS в рамках курса==
'''Программная среда для работы:''' студенты будут работать с платформой SAS Viya. Все необходимое ПО размещается в облаке, предоставляемом SAS, для доступа достаточно браузера.

Информация по использованию ПО SAS при выполнении заданий, а также ваши личные логины и пароли для доступа к серверу будут направлены вам позднее на ваши студенческие почты (в домене edu.hse.ru).

'''Студенты, выполняющие 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.

'''''Сертификат вручается студентам, имеющим итоговую оценку не ниже 9 баллов.'''''

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].

== Отчётность по курсу и критерии оценки ==

В курсе предусмотрено несколько форм контроля знания:
* 4 практических домашних задания;
* Экзамен.

'''Критерии оценки знаний, навыков'''

*Оценки за все домашние задания выставляются по 10-балльной шкале, проходной минимум - 4 балла.

*Оценка за экзамен также выставляется по 10-балльной шкале.

'''Порядок формирования оценок по дисциплине'''

'''Оценка итогового контроля''' в конце 2-го модуля выставляется по следующей формуле:

'''Оитог = 0,5·О_экзамен + 0,5·О_ДЗ'''

и округляется до целого числа арифметическим способом,
где
* О_экзамен – оценка за работу непосредственно на экзамене по десятибалльной системе.
* О_ДЗ – средняя оценка за все домашние задания по десятибалльной системе.

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).

Экзамен проходит в форме защиты домашних заданий: студенты отвечают на вопросы преподавателя по сделанным задачам и, в случае необходимости, выполняют дополнительное письменное задание. Если студент по какой-то причине не может или отказывается от защиты, ему необходимо пройти письменный экзамен.

== Домашние задания ==

'''Домашнее задание №1'''

''Информация появится позднее.''

'''Домашнее задание №2'''

''Информация появится позднее.''

'''Домашнее задание №3'''

''Информация появится позднее.''

'''Домашнее задание №4'''

''Информация появится позднее.''

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать в Telegram-чате курса, преподавателю курса Ильвовскому Дмитрию @dilv_ru dilvovsky@hse.ru или менеджеру кафедры SAS Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в Telegram для объявлений: https://t.me/+gI3IA1ucpok3MGUy

Чат в Telegram для обсуждений: https://t.me/+hSmHk-PTzXszOTk6

''' 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!''

*'''[https://drive.google.com/open?id=1J7MHkux4wBq828_6Lg3trCmkxdutXV1K Инструкция по подключению к SAS OnDemand и скачиванию ПО SAS]'''

*[https://drive.google.com/drive/folders/11TA3RZ5Wmua3KtbqJrW_c68oq3SosgaI 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'''

*[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]
* 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.]
* Christoffersen P. (2012) Elements of Financial Risk Management. 2nd ed. Elseiver Academic Press.
* Мортон С. (2016) Лаборатория презентаций. Формула идеального выступления. Альпина Паблишер.
* Institute, SAS. Base SAS 9.4 Procedures Guide. SAS Institute, 2013. – 2050 pp.
* Institute, SAS. SAS 9.4 Functions and CALL Routines: Reference, Third Edition. SAS Institute, 2014. – 1100 pp.
* Institute, SAS. SAS 9.4 SQL Procedure User's Guide. SAS Institute, 2013. – 478 pp.
* Littell, R. C., Schlotzhauer, S. D. SAS System for Elementary Statistical Analysis. – SAS Institute, 1997. – 456 pp.
* Математическая статистика : учеб. пособие для вузов, Ивченко, Г. И., Медведев, Ю. И., 1992

Wiki ФКН

2022-01-12T08:02:15Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[DM1-2021-22 | Дискретная математика на ПМИ]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования на ПМИ 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных 1 основной поток 2021/2022]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ]

'''ПАД'''

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Theory of Computation 2021 | Theory of Computation]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы(2022)]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

'''ПМИ / МОП'''

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[Технологии прикладного анализа данных SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[SAS Technologies for Data Mining | SAS Technologies for Data Mining]]

||

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||
[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

[https://rroll.to/2D8yXl Основы и методология пикапа на ПМИ 2021/2022]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020 Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2020/21 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Математический_анализ_1_2020/2021_(пилотный_поток) | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2020/2021_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2020/2021_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2020/2021_(основной_поток) | Алгебра (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(пилотный_поток) | Основы и методология программирования на ПМИ 2020/2021 (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(основной_поток)_3_модуль | Основы и методология программирования на ПМИ 2020/2021 (основной поток, III модуль)]]

[[DM1-2020-21 | Дискретная математика-1 ПМИ]]

[[Алгоритмы_и_структуры_данных_1_2020/2021_(4_модуль) | Алгоритмы и структуры данных – 1 (4 модуль) на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (пилотный поток)]]

'''ПИ'''

[[DM1-SE-2020-21 | Дискретная математика-1 ПИ]]

[http://hsealgebra21.wikidot.com/ Алгебра ПИ]

'''ПАД'''

[[Discrete_Mathematics_DSBA2020/2021 | Discrete Mathematics (DSBA) ]]

[[LAaG_DSBA_2020/2021 | Linear Algebra and Geometry (DSBA)]]

[[English_DSBA_2020/2021 | English DSBA (DSBA)]]

[[Introduction_to_programming_DSBA_2020/2021 | Introduction to Programming (DSBA)]]

[[ Calculus_2020/21 | Calculus (DSBA) ]]

[[Algebra_DSBA_2020/2021 | Algebra DSBA]]

[[Introduction_to_Economics_2020/21 | Introduction to Economics ]]

||
'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2020/2021_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_2020/2021_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_-_2_(основной_поток) | Математический анализ - 2 на ПМИ (основной поток)]]

[[MissingSemester2020/2021 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[АКОС ПМИ 2020/2021 | Архитектура компьютеров и операционные системы]]

[[Основы матричных вычислений 2020/2021]]

[[Дифференциальные уравнения (ПМИ)]]

[[DM2-pilot2020/2021 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-base2020/2021 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных - 2 на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_2_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

'''ПАД'''

[[Calculus-2_DSBA_2020_(ПАД) | Calculus-2 (DSBA) ]]

[[Discrete_Mathematics_-_2_DSBA2020/2021 | Discrete Mathematics - 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2020/21 | Business and Management in Global Context (DSBA)]]

[[Principles_of_micro_and_macro-economics_2020/21 | Principles of micro and macro-economics (DSBA)]]

[[Algorithms_and_data_structures_2_2020/21 | Algorithms and data structures 2 (DSBA)]]

[[Statistics_DSBA_2020/2021 | Probability and Statistics (DSBA)]]

[[ACOS_DSBA_2020/2021 | Computer Architecture and Operating Systems (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

'''ПМИ'''

[[Машинное_обучение_1/2020_2021 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Прикладная статистика в машинном обучении 20/21]]

[[Безопасность компьютерных систем 20/21]]

[[Theory of computing, AMI]]

[[Матричные вычисления 20/21]]

[[НИС_Машинное_обучение_и_приложения_2020/2021|НИС Машинное обучение и приложения]]

[[Методы оптимизации в машинном обучении|Методы оптимизации в машинном обучении]]

[[Моделирование временных рядов 20/21]]

[[Высокопроизводительные вычисления 20/21]]

[[ Сбор и обработка данных с помощью краудсорсинга 20/21 ]]

[[ Распределённые системы ]]

[[ Компьютерные сети 2021 ]]

[[НИС_РС|НИС Распределенные системы]]

[[Анализ данных в бизнесе (Кафедра SAS)]]

[[Дополнительные главы прикладной статистики (2020/21)]]

[[Comb2020_2021 | Комбинаторные конструкции в теоретической информатике]]

[[Численные Методы 2021]]

[[Методы оптимизации 20/21]]

[[Математическое моделирование]]

'''ПАД'''

[[ MachineLearning1_DSBA2020 | Machine Learning 1 (DSBA)]]

[[ Time_Series_and_Stochastic_Processes_ada_20_21 | Time Series and Stochastic Processes (DSBA) ]]

[[ST2187 Business analytics, applied modelling and prediction | Business analytics, applied modelling and prediction (DSBA)]]

[[Data_Base_2020/2021_DSBA | Data Base (DSBA)]]

[[Social_History_of_Science_2020/21 | Social History of Science (DSBA)]]

[[Elements_of_Econometrics_2020/21 | Elements of Econometrics (DSBA)]]

[[Data Science Case Studies / Анализ данных в бизнесе (Кафедра SAS)]]

[[ Optimization_methods | Optimizaton Methods (DSBA) ]]

||

[[Философия_науки_2020 | Философия науки]]

[[Символьные вычисления]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_2020/2021 | НИС Машинное обучение и приложения]]

[[Глубинное обучение в обработке звука 20/21]]

[[Байесовские методы машинного обучения 2020 | Байесовские методы машинного обучения]]

[[Машинное обучение на больших данных 2021]]

[[Генеративные модели в машинном обучении 2021 | Генеративные модели в машинном обучении 2021]]

'''ПМИ / РС'''

[[НИС_РС_2 | НИС Распределенные системы]]

[[msbdp_20 | Методы и системы обработки больших данных]]

[[ Облачные вычисления]]

'''ПМИ / ТИ'''

[[Statistical_learning_theory_2020 | Statistical learning theory]]

[[InfTheo2020-2021|Теория информации]]

[[A_Theorist's_Toolkit_2020_2021 | A Theorist's Toolkit, AMI]]

||

[[ Майнор Биоинформатика 1 год ]]

[[ Майнор Биоинформатика 2 год ]]

[[ Введение в программирование (майнор ИАД) ]]

[[Введение в анализ данных (майнор ИАД)]]

[[Современные_методы_машинного_обучения|Современные методы машинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных|Прикладные задачи анализа данных (майнор ИАД)]]

[[ ОУФ Машинное Обучение в Питоне ]]

[[ Факультатив "Теория вычислений и логика" (Осень 2020)]]

[[dopglavy_DM_2021|Допглавы дискретной математики]]

[[Adaptation_DM_20-21 |Adaptation course in DM]]

[[Функциональный анализ (осень 2020)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ Факультатив "Теория вычислений и логика" | Факультатив "Теория вычислений" (Весна 2021)]]

[[Дополнительные_главы_теории_вероятностей_2021 | ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-3_2019/2020 | ДГТВ-3]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс
|-
| [[Stochastic_analysis_2020_2021 | Stochastic Analysis ]] || Statistical Learning Theory || 1 year
|-
| [[Econometrics_fall_2020 | Эконометрика ]] || ФТИАД || 1 year
|-
| [[Recsys_2020_2021 | Рекомендательные системы]] || ФТИАД|| 2 year
|-
| [[Into_to_DataMining_and_Machine_Learning_2020_2021 | Introduction to Data Mining and Machine Learning]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2020_2021 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Цифровая грамотность ИЯиМК 2020-2021|Цифровая грамотность ИЯиМК 2020-2021]] || ИЯиМК || 1 курс || 3-4 модули
|-
| [[Data Analysis in Python 2020-2021|Data Analysis in Python]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 2 курс || 3-4 модули
|-
| [[Машинное обучение на матфаке 2021 |Машинное обучение]] || Математика || 1-4 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/Анализ_данных_на_python,_фэн,_2020_spring Анализ данных на python] || Факультет экономических наук || 1 курс || 3-4 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 3-4 модули
|-
| [[Python для ОП "Психология" |Python для ОП "Психология" ]] ||Психология || 1 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_Python_2020-2021_%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в Python] || Политолгия || 3 курс || 3-4 модули
|-
| [[Цифровая грамотность История искусств 2020-2021]] || История искусств || 1 курс || 3-4 модули
|-
| [[Excel для анализа данных , 20-21|Excel для анализа данных , 20-21]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ СДиА_Матфак_1_курс_2020/2021 | Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[ Python для ГМУ, 20-21 | Python для ГМУ, 2020-2021 ]] || Государственное и муниципальное управление || 1 курс || 4 модуль
|-
| [[ Python для ИЯиМК, 2020-2021 | Python для ИЯиМК, 2020-2021 ]] || ИЯиМК || 2 курс || 4 модуль
|-
| [[ Информационные технологии (факультет химии) | Информационные технологии. Data Culture ]] || Химия || 2 курс || 4 модуль
|-
| [[ Введение_в_анализ_данных_2021_МирЭк | Введение в анализ данных ]] || МирЭк || 1 курс || 4 модуль
|-
| [[ Python для анализа данных (МирЭк) 2020-2021 | Python для анализа данных ]] || МирЭк || 2 курс || 3-4 модуль
|-

|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Основы программирования на Python осень 2020 матфак|Основы программирования на Python-1]] || Математика || 3 курс || 1-2 модули
|-
| [[Анализ_данных_в_Python_2020-2021|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы_анализа_и_визуализация_данных_для_медиа_2020/2021|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии 2020|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Проектный семинар медиаком 2020|Проектный семинар]] || Медиакоммуникации || 3 курс || 1 модуль
|-
| [[Основы анализа и визуализации данных ДИЯ 2020-2021|Основы анализа и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 1-2 модули
|-
| [[Основы программирования в Python (Политология 2020)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Data Analysis in Journalism and Political Science 2020-2021|Data Analysis in Journalism & Political Science]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Data Analysis in Economics and Finance 2020-2021|Data Analysis in Economics & Finance]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Прикладные исследования в культурологии 2020 1модуль|Прикладные исследования в культурологии]] || Прикладная культурология || 1 курс || 1 модуль
|-
| [[Основы анализа данных в международных отношениях 20/21|Основы анализа данных в международных отношениях 20/21]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Анализ данных в R, Социология|Анализ данных в R]] || Социология || 4 курс || 1-2 модуль
|-
| [[Анализ данных на python, фэн, 2020 fall|Анализ данных на Python]] || Факультет экономических наук || 2 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ЭиАМ|Цифровая грамотность, ЭиАМ]] || Эфиопия и арабский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, Античность|Цифровая грамотность, Античность]] || Античность || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ТиТМ|Цифровая грамотность, ТиТМ]] || Турция и Тюркский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность История 2020/2021|Цифровая грамотность, История]] || История || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_2020_(Востоковедение)|Цифровая грамотность, Востоковедение]] || Востоковедение || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_География_2020/21|Цифровая грамотность, География]] || География || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_(филология)_2020|Цифровая грамотность, Филология]] || Филология|| 1 курс || 1-2 модуль
|-
| [[Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020)|Машинное обучение]] || Совместная программа по экономике НИУ ВШЭ и РЭШ || 3 курс || 1-2 модуль
|-
| [[Машинное_обучение_(ФЭН)_-_2020|Машинное обучение]] || Экономика || 3-4 курс || 1-2 модуль
|-
| [[Python: работа с данными и текстом|Python: работа с данными и текстом]] || Медиакоммуникации || 2-3 курс || 1-2 модуль
|-
| [[Phyton_для_извлечения_и_обработки_данных|Phyton для извлечения и обработки данных]] || Молекулярная и клеточная биотехнология || 1 курс || 1-2 модуль
|-
| [[ПМСАР-2_2020| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Основы_программирования_на_Python2020/2021|Основы программирования на Python]] || Экономика и статистика || 2-3 курс || 1-2 модули
|-
| [[Извлечение и анализ интернет-данных (2020)|Извлечение и анализ интернет-данных]] || Экономика и статистика || 2-4 курс || 2 модуль

|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2020-2021|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Эконометрика, фэн, 2020-2021|Эконометрика]] || фэн, 3 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2020-2021|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

=Архив=

== Курсы за 2019/20 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_1_2019/2020 | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток,_2_семестр) | Математический анализ на ПМИ (основной поток, 2 семестр)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Дискретная_математика_1_2019/2020 | Дискретная математика-1 на ПМИ]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2019/2020_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2019/2020_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_2019/2020 | Основы и методология программирования на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_1_2019/2020_(пилотный_поток) | Основы и методология программирования-1 на ПМИ (пилотный поток)]]

[[Discrete_Mathematics_DSBA2019/2020 | Discrete Mathematics DSBA (ПАД)]]

[[Calculus_DSBA2019/2020 | Calculus DSBA (ПАД) 1st module]]

[[Calculus_DSBA2020 | Calculus DSBA (ПАД) 2nd module]]

[[LAaG_DSBA_2019/2020 | Linear Algebra and Geometry (ПАД)]]

[[Introduction_to_programming_DSBA_2019/2020 | Introduction to Programming (ПАД)]]

[[English_DSBA_2019/2020 | English DSBA (ПАД)]]

[[Algorithms_and_Data_Structures_DSBA_2020 | Algorithms and Data Structures DSBA ]]

[[Algebra_DSBA_2019/2020 | Algebra DSBA]]

[[Алгоритмы_и_структуры_данных_1_основной_поток_2019/202 | Алгоритмы и структуры данных-1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[[DM2-basic2019/2020 | Дискретная математика-2 на ПМИ (основной поток)]]

[[DM2-pilot2019/2020 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Теория_вероятностей_2019/2020_(основной_поток)| Теория_вероятностей_2019/2020 на ПМИ (основной поток)]]

[[Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_2019/2020_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2_2019/2020_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2019/2020 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Calculus_2_2019 | Calculus-2 DBSA (ПАД)]]

[[Statistics_DSBA_2019/2020 | Statistics DSBA (ПАД)]]

[[DM2 | Дискретная Математика-2 (ПАД)]]

[[ADS2 | Алгоритмы и Структуры Данных-2 (ПАД)]]

[[Introduction_to_Economics | Introduction to Economics DSBA ]]

[[Business_and_Management_in_Global_Context_2019-2020| Business and Management in Global Context DSBA ]]

[[ACOS_DSBA_2019/2020 | Computer Architecture and Operating Systems (ПАД)]]

[[Differential_Equations_2020 | Differential Equations DSBA ]]

[[Факультатив Теория вычислений_2020 | Факультатив Теория вычислений]]

[[Дифференциальные_уравнения_2020 | Дифференциальные уравнения 2020 ]]

||

[[Машинное_обучение_1/2019_2020 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2019_2020 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2020 | Численные методы]]

[[Прикладная_статистика_в_машинном_обучении(2019)|Прикладная статистика в машинном обучении]]

[[Theory_of_Computing_2019_2020 | Theory of Computing, AMI]]

[[Компьютерные_Сети | Компьютерные сети]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Непрерывная_оптимизация_(МОП)/2020| Непрерывная оптимизация (МОП)]]

[[%D0%9D%D0%B5%D0%BF%D1%80%D0%B5%D1%80%D1%8B%D0%B2%D0%BD%D0%B0%D1%8F_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_(%D0%A2%D0%98,_%D0%90%D0%94%D0%98%D0%A1,_%D0%90%D0%9F%D0%A0,_%D0%A0%D0%A1)| Непрерывная оптимизация (ТИ, АДИС, АПР, РС) ]]

[[Data_analysis_(Software_Engineering)_2020|Data Analysis]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[CCTI_2020|Сложность вычислений и логика в теоретической информатике]]

||

[[InfTheo2019-2020|Теория информации]]

[[Байесовские_методы_машинного_обучения_2019|Байесовские методы машинного обучения]]

[[НИС Науки о данных]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Философия_науки_2019|Философия науки]]

[[Глубинное обучение|Глубинное обучение]]

[[NLP 2019|NLP Анализ данных]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Генеративные_модели_в_машинном_обучении_2020|Генеративные модели в машинном обучении]]

[[Компьютерные Сети 4 курс| Компьютерные сети]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[Машинное_обучение_на_больших_данных_2020|Машинное обучение на больших данных]]

[[Основы_обработки_больших_данных_2020|Основы обработки больших данных]]

||
[[MinorBioinformatics|Биоинформатика]]

[[Майнор Интеллектуальный анализ данных/Современные_методы_машинного_обучения | Современные методы машинного обучения (ИАД)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ISDElective|Факультатив "Методы разработки программного обеспечения" (1-2 модули)]]

[[Введение в программирование (курс майнора)]]

[[dopglavy_DM_1920|Допглавы дискретной математики]]

[[Дополнительные_главы_теории_вероятностей-2_2019/2020|ДГТВ-2]]

[[Дополнительные_главы_теории_вероятностей_2020|ДГТВ]]

[[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020|Введение в анализ данных (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных_(майнор_ИАД)|Прикладные задачи анализа данных (майнор ИАД)]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс

|-
| [[Theory_of_Computing_2019_2020 | Theory of Computing]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Project_Seminar_2019_2020 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Stochastic_analysis_2019_2020 | Stochastic Calculus ]] || Statistical Learning Theory || 1 year
|-
| [[A_Theorist's_Toolkit_2019_2020 | A Theorist's Toolkit, AMI]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Neurobayesian_models_2020 | Neurobayesian models ]] || Statistical Learning Theory || 2 year
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Введение в анализ данных 2020 МирЭк| Введение в анализ данных]] || Мировая экономика || 1 курс || 3-4 модуль
|-
|[[ Основы программирования в Python (Мирэк) | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ИЯиМК| Цифровая грамотность ]] || Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[ Цифровая_грамотность_(филология)_2020| Цифровая грамотность ]] || Филология || 1 курс || 3-4 модуль
|-
| [[Цифровая_грамотность_(ФиКЛ)_2020| Цифровая грамотность ]] || Фундаментальная и компьютерная лингвистика || 1 курс || 4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (История искусств)| Цифровая грамотность ]] || История искусств || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (Культурология)| Цифровая грамотность ]] || Культурология || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛ_ЮВА| Цифровая грамотность ]] || Языки и литература Юго-Восточной Азии || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛЯ| Цифровая грамотность ]] || Языки и литература Японии || 1 курс || 3-4 модуль
|-
| [[ ППО Социология 1 курс 2019/2020| ППО (Python для извлечения и обработки данных) ]] || Социология || 1 курс || 3 модуль
|-
|[[ Машинное обучение на матфаке 2020 | Машинное обучение]] || Математика || 2-4 курс || 3-4 модуль
|-
|[[ Excel для анализа данных | Excel для анализа данных]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 2 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 2 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 1 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 1 курс || 4 модуль
|-
| [[ СДиА Матфак 1 курс 2019/2020| Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Наука о данных (Экономика)|Наука о данных]] || Экономика || 2 курс || 3-4 модули
|-
| [[Основы программирования на Python весна 2021 матфак|Основы программирования на Python, 2 часть]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Культура работы с данными, КМБТ|Культура работы с данными, КМБТ]] || Клеточная и молекулярная биотехнология || 1 курс || 3-4 модули
|-
| [[Natural_Language_Processing_Blended_2020_module4 | Natural Language Processing (blended)]] || Прикладная политология || 1 г.о. || 4 модуль
|-
| [[ПМСАР-1 2019/2020|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Введение в Data Science]] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме || 1 г.о. || 3 модуль
|-
| [[Принципы построения математических моделей]] || МИЭМ || 1 г.о. || 4 модуль
|-
| [[Python для извлечения и обработки данных Психология 1 курс 2019/2020]] || Психология || 1 г.о. || 4 модуль
|-
| [[Технологии анализа больших данных ГМУ 1 курс 2019/2020]] || ГМУ || 1 г.о. || 4 модуль
|-
| [[Городское планирование | Цифровая грамотность]] || Городское планирование || 1 г.о. || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[ Основы анализа и визуализация данных для медиа 2019/2020 | Основы анализа и визуализации данных для медиа ]] || Журналистика || 4 курс || 1 модуль
|-
| [[ Анализ данных в Python 2019-2020 | Анализ данных в Python ]] || Политология || 4 курс || 1-2 модули
|-
| [[Introduction to Data Culture 2019-2020 | Introduction to Data Culture ]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[ Основы анализа данных в международных отношениях | Основы анализа данных в международных отношениях ]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Основы программирования в Python (Политология)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Основы программирования на Python осень 2019 матфак|Основы программирования на Python-1]] || Математика || 1-4 курс || 1-2 модули
|-
| [[ Цифровая грамотность (История 2019) | Цифровая грамотность ]] || История || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (Востоковедение 2019) | Цифровая грамотность ]] || Востоковедение|| 1 курс || 1-2 модули
|-
| [[ Цифровая_грамотность_2019-2020(философия) | Цифровая грамотность ]] || Философия || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (ассириология и античность 2019) | Цифровая грамотность ]] || Ассириология и античность|| 1 курс || 1-2 модули
|-
| [[ПМСАР-2_2019| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Работа с данными]] || Медиакоммуникации || 4 курс || 1 модуль
|-
| [[Машинное обучение (фэн 2019)]] || ФЭН || 3 курс || 1-2 модули
|-
| [[Natural_Language_Processing_Blended_2019_module1 | Natural Language Processing (blended)]] || Прикладная политология || 2 г.о. || 1 модуль
|-
| [[ ML_HSE_NES_2019 | Машинное обучение (ВШЭ-РЭШ)]] || Совместный бакалавриат ВШЭ-РЭШ || 3-4 курс || 1-2 модули
|-
| [[ Основы_анализа_и_визуализации_данных_ДИЯ_2019/2020 | Основы анализа и визуализации данных ]] || ДИЯ || 2 курс || 1,2 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_на_Python2019/2020|Основы программирования на Python]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2019-2020|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 3-4 модуль
|-
| [[Микроэконометрика качественных данных, фэн, 2020|Микроэконометрика качественных данных 2020]] || фэн, 4 курс || 1-2 модуль
|}

== Курсы за 2018/19 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2018/2019_(пилотный_поток) | Математический анализ на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2018/2019_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Calculus_DSBA_2018/2019 | Calculus I DSBA (ПАД)]]

[[Основы_и_методология_программирования_на_ПМИ_2018/2019_(пилотный_поток) | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2019_(С%2B%2B,_основной_поток) | Основы и методология программирования на ПМИ (С++, основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

[[Дискретная_математика_1_2018/2019 | Дискретная математика-1 на ПМИ]]

[[Discrete_Mathematics_DSBA2018/2019 |Discrete Mathematics DSBA (ПАД)]]

[[Introduction_to_programming | Introduction to programming DSBA (ПАД)]]

[[Introduction_to_programming_2 | Introduction to programming 2 DSBA (ПАД)]]

[[Алгебра_на_ПМИ_2018/2019_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2018/2019_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Algebra_DSBA_2018/2019 | Algebra DSBA]]

[http://hsealgebra19.wikidot.com Алгебра на ПИ]

[[Алгоритмы_и_структуры_данных_2018/2019 | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[http://math-info.hse.ru/2018-19/Дифференциальные_уравнения_(ФКН) Дифференциальные уравнения]

[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2018/2019 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Факультатив Теория вычислений]]

||

[[Машинное_обучение_1/2018_2019 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[Прикладная_статистика_в_машинном_обучении(2018)|Прикладная статистика в машинном обучении]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

[[Непрерывная оптимизация/2019|Непрерывная оптимизация (161-162)]]

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

[[Data analysis (Software Engineering) 2019|Data analysis]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

[[Intro to DL Blended | Intro to DL Blended]]

[[Дискретная оптимизация 2019 | Дискретная оптимизация 2019]]

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[НИС_Науки_о_данных_2018/2019|НИС Науки о данных]]

[[НИС_Распределенные_системы_(4_курс,_2018)|НИС Распределенные системы]]

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Методы_и_системы_обработки_больших_данных_(осень_2018)|Методы и системы обработки больших данных]]

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

[[ConvAppr19 | Выпуклое программирование и аппроксимационные алгоритмы (ТИ)]]

[[Функциональное программирование 2019 | Функциональное программирование]]

[[A_Theorist's_Toolkit_2018_2019 | A Theorist's Toolkit, AMI]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

||
[[Дополнительные главы теории вероятностей 2019 | Дополнительные главы теории вероятностей 2019]]

[[Дополнительные главы математической статистики 2019 | Дополнительные главы математической статистики 2019]]

[[Введение в программирование (курс майнора) 2018/2019]]

[[dopglavy_DM_1819|Допглавы дискретной математики]]

[[Современные_методы_машинного_обучения_(курс_майнора)_2018/2019 | Современные методы машинного обучения (курс майнора) 2018/2019]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | Прикладные задачи анализа данных (майнор - весна 2019)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]

[[Функциональный анализ (весна_2019) | Функциональный анализ (весна_2019)]]

[[KotlinElective| Язык Kotlin (3 и 4 модули 2018-2019)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Искусственный интеллект и большие данные_(2019)|Искусственный интеллект и большие данные]] || Дизайн, Мода, Современное искусство || 1 курс || 3-4 модули
|-
| [[Информационный менеджмент: Введение в Data Science|Информационный менеджмент: Введение в Data Science]] || Управление бизнесом Маркетинг и рыночная аналитика || 1 курс || 4 модуль
|-
| [[Технологии анализа больших данных|Технологии анализа больших данных]] || ГМУ || 1 курс || 4 модуль
|-
| [[Основы программирования на Python (Прикладное программное обеспечение)|Основы программирования на Python (Прикладное программное обеспечение)]] || Социология || 1 курс || 4 модуль
|-
| [[Основы работы с данными|Основы работы с данными]] || Медиакоммуникации || 2 курс || 4 модуль
|-
| [[Введение_в_data_science_Социология_1_курс|Профориентационный семинар (Data Culture)]] || Социология || 1 курс || 4 модуль
|-
| [[Введение_в_анализ_данных_МирЭк_2019|Введение в анализ данных]] || Мировая экономика || 1 курс || 4 модуль

|}

=== 1 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [[Introduction_to_Data_Culture_2018-2019|Introduction to Data Culture]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Цифровая грамотность(востоковедение)|Цифровая грамотность]] || Востоковедение || 1 курс || 1 модуль
|-
| [[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]] || Маркетинг и рыночная аналитика || 2 курс || 1-2 модули
|-
| [[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]] || Юриспруденция || 1 курс || 2 модуль
|-
| [[Машинное обучение на матфаке 2018/2019| Машинное обучение]] || Факультет математики || 2-4 курсы || 1-2 модули
|-
| [[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]] || Фундаментальная и компьютерная лингвистика || 3 курс || 1, 2, 4 модули
|-
| [[Машинное обучение (ФЭН)]] || Факультет экономических наук || 3-4 курсы || 1-2 модули
|-
| [[Программирование_(python)_для_экономистов|Программирование (Python) для экономистов]] || Факультет экономических наук || 2 курс || 1-2 модули
|-
| [[Цифровая грамотность(философия)|Цифровая грамотность]] || Философия || 1 курс || 1-2 модули
|-
| [[Цифровая_грамотность_(историки)|Цифровая грамотность]] || История || 1 курс || 1-2 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 1-2 модули
|-
| [[Статистический анализ в среде R (Социологи 1 семестр 2 модуль)|Статистический анализ в среде R ]] || Социология || 4 курс || 2 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|}

==Courses of the Statistical Learning Theory program==
[[Neurobayesian_models_2019|Neurobayesian models]]

== Курсы за 2017/18 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]

[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

[http://hsealgebra18.wikidot.com Алгебра на ПИ]

||
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]

[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]

||
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2017_2018 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]]

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]

[[Анализ неструктурированных данных]]

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]

[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[Философия_науки_2017 | Философия науки]]

[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Анализ неструктурированных данных]]

[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]

[[Функциональное программирование 2018 | Функциональное программирование]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

||

[[Современные методы машинного обучения (курс майнора) 2017/2018]]

[[Введение в программирование (курс майнора) 2017/2018]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2017-2018 | Введение в анализ данных (курс майнора)]]

[[Прикладные задачи анализа данных (майнор - весна 2018)]]

[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]

[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]

[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]

[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]

[[Цифровые технологии в гуманитарных науках]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===

[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]] 
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]] 
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]] 
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]] 
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]] 
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]] 
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]] 

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 1 семестр)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]]

[[Рекомендательные системы и поиск закономерностей в данных|Рекомендательные системы и поиск закономерностей в данных]]

== Courses of Data Science master program/Курсы магистерской программы "Науки о данных" ==

[[Introduction to Machine Learning and Data Mining |Introduction to Machine Learning and Data Mining 2019]]

[[Introduction to Machine Learning and Data Mining 2020 |Introduction to Machine Learning and Data Mining 2020]]

== Курсы за 2016/17 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3-4 курс !! майноры
|-
|

[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]

[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]

[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]

[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]

||

[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]

[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]

[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]

[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]

[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]

[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]

||

[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]

[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]

[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]

[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]

[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]

[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]

[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]

[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]

[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]

[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]

||

[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]

|}

{|width=100%
|style="vertical-align:top;"|



=== Курсы за 2015/16 учебный год ===
{|
|-
| [[Технологии программирования|Технологии программирования на ПМИ]]
|-
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]
|-
|[[Алгоритмы и структуры данных 2016]]
|-
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]
|-
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]
|-
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]
|-
|[[Компьютерные системы]]
|-
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]
|-
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]
|-
|[[Data analysis (Software Engineering)]] 
|-
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]
|-
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]
|-
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]
|-
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]
|-
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]
|-
|[[Введение в VBA|Введение в VBA]]
|}

|style="vertical-align:top;"|



=== Курсы за 2014/15 учебный год ===
{|
|-
|[[Основы и методологии программирования]] 
|-
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]] 
|-
|[[Анализ данных (Программная инженерия)]] 
|-
|[[Алгебра_2014/2015 | Алгебра]] 
|-
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]
|}

==== Проектная работа ====
{|
|-
|[[Проектная работа]] 
|-
|[[Учебная практика 1 курс (2016)]]
|-
|[[Проектная работа 2 курс (2016)]]
|}


|}

== Мероприятия факультета компьютерных наук ==
=== Summer School 2015 ===
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]
#[[Lecture 1. Introduction|Introduction]]
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]
#[[Lecture 4. Parsing|Parsing]]
#[[Lecture 5. Language sources|Language sources]]
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]
#[[NLP References|References]]

== Архив ==
* [[Учебная практика 1 курс (2015)]]

TDM SAS

2022-01-12T08:01:43Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє: Новая страница: « справа»

[[Файл:Capture.PNG|1000px|безрамки|справа]]

ТПАД SAS

2022-01-12T08:01:28Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

ТПАД SAS

2022-01-12T08:01:11Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===

ТПАД SAS

2022-01-12T08:00:54Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє: Новая страница: « справа === Расписание занятий === Занятия проводятся по '''субб…»

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам'''

Wiki ФКН

2022-01-12T07:59:57Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[DM1-2021-22 | Дискретная математика на ПМИ]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования на ПМИ 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных 1 основной поток 2021/2022]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ]

'''ПАД'''

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных (КНАД)]]

[[Программирование_на_С++_КНАД | Программирование на С++ (КНАД)]]

[[Python_для_сбора_и_анализа_данных_КНАД | Python для сбора и анализа данных (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2.1 (основной поток)]

[[Математический_анализ_-_2.2_(2021/22) | Математический анализ - 2.2 (основной поток)]]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

[[ACOS_DSBA_2021/2022 | Computer Architecture and Operating Systems (DSBA)]]

||

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Theory of Computation 2021 | Theory of Computation]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

[http://wiki.cs.hse.ru/%D0%A7%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5_%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_2022#.D0.A3.D1.87.D0.B5.D0.B1.D0.BD.D1.8B.D0.B9_.D0.BF.D0.BB.D0.B0.D0.BD Численные методы(2022)]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B5_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_22 Математическое моделирование]

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

[[Comb2021_2022 | Комбинаторные конструкции в теоретической информатике]]

'''ПМИ / МОП'''

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

[[Методы оптимизации в машинном обучении 2022| Методы оптимизации в машинном обучении 2022]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

[[ТПАД SAS | Технологии прикладного анализа данных SAS]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

[[TDM SAS | SAS Technologies for Data Mining]]

||

[[Символьные_вычисления_21/22 | Символьные вычисления 21/22]]

[[Теория_и_практика_онлайн-экспериментов_21/22 | Теория и практика онлайн-экспериментов 21/22]]

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

[https://osukhoroslov-hse.notion.site/cee4a50ac8cf4e328cefbd35cf822fa5 Облачные вычисления]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

[[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||
[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

[https://rroll.to/2D8yXl Основы и методология пикапа на ПМИ 2021/2022]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/Программирование_на_Python_деп_медиа_2022 Программирование на языке Python] || Журналистика и Медиакоммуникации || 1 курс || 3 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Психология%22_2021/2022 Программирование на языке Python] ||Психология || 1 курс || 3-4 модуль
|-
| [http://wiki.cs.hse.ru/Python_для_ОП_%22Экономика_и_статистика%22_и_ОП_%22География_глобальных_изменений%22_2021/2022 Программирование на языке Python] ||Экономика и статистика; География глобальных изменений || 2 курс || 3 модуль
|-
| [[Культура работы с данными]] ||Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020 Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[ConvAppr22 | Выпуклое программирование и аппроксимационные алгоритмы ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2020/21 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Математический_анализ_1_2020/2021_(пилотный_поток) | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2020/2021_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2020/2021_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2020/2021_(основной_поток) | Алгебра (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(пилотный_поток) | Основы и методология программирования на ПМИ 2020/2021 (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(основной_поток)_3_модуль | Основы и методология программирования на ПМИ 2020/2021 (основной поток, III модуль)]]

[[DM1-2020-21 | Дискретная математика-1 ПМИ]]

[[Алгоритмы_и_структуры_данных_1_2020/2021_(4_модуль) | Алгоритмы и структуры данных – 1 (4 модуль) на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (пилотный поток)]]

'''ПИ'''

[[DM1-SE-2020-21 | Дискретная математика-1 ПИ]]

[http://hsealgebra21.wikidot.com/ Алгебра ПИ]

'''ПАД'''

[[Discrete_Mathematics_DSBA2020/2021 | Discrete Mathematics (DSBA) ]]

[[LAaG_DSBA_2020/2021 | Linear Algebra and Geometry (DSBA)]]

[[English_DSBA_2020/2021 | English DSBA (DSBA)]]

[[Introduction_to_programming_DSBA_2020/2021 | Introduction to Programming (DSBA)]]

[[ Calculus_2020/21 | Calculus (DSBA) ]]

[[Algebra_DSBA_2020/2021 | Algebra DSBA]]

[[Introduction_to_Economics_2020/21 | Introduction to Economics ]]

||
'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2020/2021_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_2020/2021_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_-_2_(основной_поток) | Математический анализ - 2 на ПМИ (основной поток)]]

[[MissingSemester2020/2021 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[АКОС ПМИ 2020/2021 | Архитектура компьютеров и операционные системы]]

[[Основы матричных вычислений 2020/2021]]

[[Дифференциальные уравнения (ПМИ)]]

[[DM2-pilot2020/2021 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-base2020/2021 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных - 2 на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_2_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

'''ПАД'''

[[Calculus-2_DSBA_2020_(ПАД) | Calculus-2 (DSBA) ]]

[[Discrete_Mathematics_-_2_DSBA2020/2021 | Discrete Mathematics - 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2020/21 | Business and Management in Global Context (DSBA)]]

[[Principles_of_micro_and_macro-economics_2020/21 | Principles of micro and macro-economics (DSBA)]]

[[Algorithms_and_data_structures_2_2020/21 | Algorithms and data structures 2 (DSBA)]]

[[Statistics_DSBA_2020/2021 | Probability and Statistics (DSBA)]]

[[ACOS_DSBA_2020/2021 | Computer Architecture and Operating Systems (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

'''ПМИ'''

[[Машинное_обучение_1/2020_2021 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Прикладная статистика в машинном обучении 20/21]]

[[Безопасность компьютерных систем 20/21]]

[[Theory of computing, AMI]]

[[Матричные вычисления 20/21]]

[[НИС_Машинное_обучение_и_приложения_2020/2021|НИС Машинное обучение и приложения]]

[[Методы оптимизации в машинном обучении|Методы оптимизации в машинном обучении]]

[[Моделирование временных рядов 20/21]]

[[Высокопроизводительные вычисления 20/21]]

[[ Сбор и обработка данных с помощью краудсорсинга 20/21 ]]

[[ Распределённые системы ]]

[[ Компьютерные сети 2021 ]]

[[НИС_РС|НИС Распределенные системы]]

[[Анализ данных в бизнесе (Кафедра SAS)]]

[[Дополнительные главы прикладной статистики (2020/21)]]

[[Comb2020_2021 | Комбинаторные конструкции в теоретической информатике]]

[[Численные Методы 2021]]

[[Методы оптимизации 20/21]]

[[Математическое моделирование]]

'''ПАД'''

[[ MachineLearning1_DSBA2020 | Machine Learning 1 (DSBA)]]

[[ Time_Series_and_Stochastic_Processes_ada_20_21 | Time Series and Stochastic Processes (DSBA) ]]

[[ST2187 Business analytics, applied modelling and prediction | Business analytics, applied modelling and prediction (DSBA)]]

[[Data_Base_2020/2021_DSBA | Data Base (DSBA)]]

[[Social_History_of_Science_2020/21 | Social History of Science (DSBA)]]

[[Elements_of_Econometrics_2020/21 | Elements of Econometrics (DSBA)]]

[[Data Science Case Studies / Анализ данных в бизнесе (Кафедра SAS)]]

[[ Optimization_methods | Optimizaton Methods (DSBA) ]]

||

[[Философия_науки_2020 | Философия науки]]

[[Символьные вычисления]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_2020/2021 | НИС Машинное обучение и приложения]]

[[Глубинное обучение в обработке звука 20/21]]

[[Байесовские методы машинного обучения 2020 | Байесовские методы машинного обучения]]

[[Машинное обучение на больших данных 2021]]

[[Генеративные модели в машинном обучении 2021 | Генеративные модели в машинном обучении 2021]]

'''ПМИ / РС'''

[[НИС_РС_2 | НИС Распределенные системы]]

[[msbdp_20 | Методы и системы обработки больших данных]]

[[ Облачные вычисления]]

'''ПМИ / ТИ'''

[[Statistical_learning_theory_2020 | Statistical learning theory]]

[[InfTheo2020-2021|Теория информации]]

[[A_Theorist's_Toolkit_2020_2021 | A Theorist's Toolkit, AMI]]

||

[[ Майнор Биоинформатика 1 год ]]

[[ Майнор Биоинформатика 2 год ]]

[[ Введение в программирование (майнор ИАД) ]]

[[Введение в анализ данных (майнор ИАД)]]

[[Современные_методы_машинного_обучения|Современные методы машинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных|Прикладные задачи анализа данных (майнор ИАД)]]

[[ ОУФ Машинное Обучение в Питоне ]]

[[ Факультатив "Теория вычислений и логика" (Осень 2020)]]

[[dopglavy_DM_2021|Допглавы дискретной математики]]

[[Adaptation_DM_20-21 |Adaptation course in DM]]

[[Функциональный анализ (осень 2020)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ Факультатив "Теория вычислений и логика" | Факультатив "Теория вычислений" (Весна 2021)]]

[[Дополнительные_главы_теории_вероятностей_2021 | ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-3_2019/2020 | ДГТВ-3]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс
|-
| [[Stochastic_analysis_2020_2021 | Stochastic Analysis ]] || Statistical Learning Theory || 1 year
|-
| [[Econometrics_fall_2020 | Эконометрика ]] || ФТИАД || 1 year
|-
| [[Recsys_2020_2021 | Рекомендательные системы]] || ФТИАД|| 2 year
|-
| [[Into_to_DataMining_and_Machine_Learning_2020_2021 | Introduction to Data Mining and Machine Learning]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2020_2021 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Цифровая грамотность ИЯиМК 2020-2021|Цифровая грамотность ИЯиМК 2020-2021]] || ИЯиМК || 1 курс || 3-4 модули
|-
| [[Data Analysis in Python 2020-2021|Data Analysis in Python]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 2 курс || 3-4 модули
|-
| [[Машинное обучение на матфаке 2021 |Машинное обучение]] || Математика || 1-4 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/Анализ_данных_на_python,_фэн,_2020_spring Анализ данных на python] || Факультет экономических наук || 1 курс || 3-4 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 3-4 модули
|-
| [[Python для ОП "Психология" |Python для ОП "Психология" ]] ||Психология || 1 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_Python_2020-2021_%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в Python] || Политолгия || 3 курс || 3-4 модули
|-
| [[Цифровая грамотность История искусств 2020-2021]] || История искусств || 1 курс || 3-4 модули
|-
| [[Excel для анализа данных , 20-21|Excel для анализа данных , 20-21]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ СДиА_Матфак_1_курс_2020/2021 | Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[ Python для ГМУ, 20-21 | Python для ГМУ, 2020-2021 ]] || Государственное и муниципальное управление || 1 курс || 4 модуль
|-
| [[ Python для ИЯиМК, 2020-2021 | Python для ИЯиМК, 2020-2021 ]] || ИЯиМК || 2 курс || 4 модуль
|-
| [[ Информационные технологии (факультет химии) | Информационные технологии. Data Culture ]] || Химия || 2 курс || 4 модуль
|-
| [[ Введение_в_анализ_данных_2021_МирЭк | Введение в анализ данных ]] || МирЭк || 1 курс || 4 модуль
|-
| [[ Python для анализа данных (МирЭк) 2020-2021 | Python для анализа данных ]] || МирЭк || 2 курс || 3-4 модуль
|-

|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Основы программирования на Python осень 2020 матфак|Основы программирования на Python-1]] || Математика || 3 курс || 1-2 модули
|-
| [[Анализ_данных_в_Python_2020-2021|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы_анализа_и_визуализация_данных_для_медиа_2020/2021|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии 2020|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Проектный семинар медиаком 2020|Проектный семинар]] || Медиакоммуникации || 3 курс || 1 модуль
|-
| [[Основы анализа и визуализации данных ДИЯ 2020-2021|Основы анализа и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 1-2 модули
|-
| [[Основы программирования в Python (Политология 2020)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Data Analysis in Journalism and Political Science 2020-2021|Data Analysis in Journalism & Political Science]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Data Analysis in Economics and Finance 2020-2021|Data Analysis in Economics & Finance]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Прикладные исследования в культурологии 2020 1модуль|Прикладные исследования в культурологии]] || Прикладная культурология || 1 курс || 1 модуль
|-
| [[Основы анализа данных в международных отношениях 20/21|Основы анализа данных в международных отношениях 20/21]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Анализ данных в R, Социология|Анализ данных в R]] || Социология || 4 курс || 1-2 модуль
|-
| [[Анализ данных на python, фэн, 2020 fall|Анализ данных на Python]] || Факультет экономических наук || 2 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ЭиАМ|Цифровая грамотность, ЭиАМ]] || Эфиопия и арабский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, Античность|Цифровая грамотность, Античность]] || Античность || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ТиТМ|Цифровая грамотность, ТиТМ]] || Турция и Тюркский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность История 2020/2021|Цифровая грамотность, История]] || История || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_2020_(Востоковедение)|Цифровая грамотность, Востоковедение]] || Востоковедение || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_География_2020/21|Цифровая грамотность, География]] || География || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_(филология)_2020|Цифровая грамотность, Филология]] || Филология|| 1 курс || 1-2 модуль
|-
| [[Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020)|Машинное обучение]] || Совместная программа по экономике НИУ ВШЭ и РЭШ || 3 курс || 1-2 модуль
|-
| [[Машинное_обучение_(ФЭН)_-_2020|Машинное обучение]] || Экономика || 3-4 курс || 1-2 модуль
|-
| [[Python: работа с данными и текстом|Python: работа с данными и текстом]] || Медиакоммуникации || 2-3 курс || 1-2 модуль
|-
| [[Phyton_для_извлечения_и_обработки_данных|Phyton для извлечения и обработки данных]] || Молекулярная и клеточная биотехнология || 1 курс || 1-2 модуль
|-
| [[ПМСАР-2_2020| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Основы_программирования_на_Python2020/2021|Основы программирования на Python]] || Экономика и статистика || 2-3 курс || 1-2 модули
|-
| [[Извлечение и анализ интернет-данных (2020)|Извлечение и анализ интернет-данных]] || Экономика и статистика || 2-4 курс || 2 модуль

|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2020-2021|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Эконометрика, фэн, 2020-2021|Эконометрика]] || фэн, 3 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2020-2021|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

=Архив=

== Курсы за 2019/20 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_1_2019/2020 | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток,_2_семестр) | Математический анализ на ПМИ (основной поток, 2 семестр)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Дискретная_математика_1_2019/2020 | Дискретная математика-1 на ПМИ]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2019/2020_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2019/2020_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_2019/2020 | Основы и методология программирования на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_1_2019/2020_(пилотный_поток) | Основы и методология программирования-1 на ПМИ (пилотный поток)]]

[[Discrete_Mathematics_DSBA2019/2020 | Discrete Mathematics DSBA (ПАД)]]

[[Calculus_DSBA2019/2020 | Calculus DSBA (ПАД) 1st module]]

[[Calculus_DSBA2020 | Calculus DSBA (ПАД) 2nd module]]

[[LAaG_DSBA_2019/2020 | Linear Algebra and Geometry (ПАД)]]

[[Introduction_to_programming_DSBA_2019/2020 | Introduction to Programming (ПАД)]]

[[English_DSBA_2019/2020 | English DSBA (ПАД)]]

[[Algorithms_and_Data_Structures_DSBA_2020 | Algorithms and Data Structures DSBA ]]

[[Algebra_DSBA_2019/2020 | Algebra DSBA]]

[[Алгоритмы_и_структуры_данных_1_основной_поток_2019/202 | Алгоритмы и структуры данных-1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[[DM2-basic2019/2020 | Дискретная математика-2 на ПМИ (основной поток)]]

[[DM2-pilot2019/2020 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Теория_вероятностей_2019/2020_(основной_поток)| Теория_вероятностей_2019/2020 на ПМИ (основной поток)]]

[[Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_2019/2020_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2_2019/2020_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2019/2020 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Calculus_2_2019 | Calculus-2 DBSA (ПАД)]]

[[Statistics_DSBA_2019/2020 | Statistics DSBA (ПАД)]]

[[DM2 | Дискретная Математика-2 (ПАД)]]

[[ADS2 | Алгоритмы и Структуры Данных-2 (ПАД)]]

[[Introduction_to_Economics | Introduction to Economics DSBA ]]

[[Business_and_Management_in_Global_Context_2019-2020| Business and Management in Global Context DSBA ]]

[[ACOS_DSBA_2019/2020 | Computer Architecture and Operating Systems (ПАД)]]

[[Differential_Equations_2020 | Differential Equations DSBA ]]

[[Факультатив Теория вычислений_2020 | Факультатив Теория вычислений]]

[[Дифференциальные_уравнения_2020 | Дифференциальные уравнения 2020 ]]

||

[[Машинное_обучение_1/2019_2020 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2019_2020 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2020 | Численные методы]]

[[Прикладная_статистика_в_машинном_обучении(2019)|Прикладная статистика в машинном обучении]]

[[Theory_of_Computing_2019_2020 | Theory of Computing, AMI]]

[[Компьютерные_Сети | Компьютерные сети]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Непрерывная_оптимизация_(МОП)/2020| Непрерывная оптимизация (МОП)]]

[[%D0%9D%D0%B5%D0%BF%D1%80%D0%B5%D1%80%D1%8B%D0%B2%D0%BD%D0%B0%D1%8F_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_(%D0%A2%D0%98,_%D0%90%D0%94%D0%98%D0%A1,_%D0%90%D0%9F%D0%A0,_%D0%A0%D0%A1)| Непрерывная оптимизация (ТИ, АДИС, АПР, РС) ]]

[[Data_analysis_(Software_Engineering)_2020|Data Analysis]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[CCTI_2020|Сложность вычислений и логика в теоретической информатике]]

||

[[InfTheo2019-2020|Теория информации]]

[[Байесовские_методы_машинного_обучения_2019|Байесовские методы машинного обучения]]

[[НИС Науки о данных]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Философия_науки_2019|Философия науки]]

[[Глубинное обучение|Глубинное обучение]]

[[NLP 2019|NLP Анализ данных]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Генеративные_модели_в_машинном_обучении_2020|Генеративные модели в машинном обучении]]

[[Компьютерные Сети 4 курс| Компьютерные сети]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[Машинное_обучение_на_больших_данных_2020|Машинное обучение на больших данных]]

[[Основы_обработки_больших_данных_2020|Основы обработки больших данных]]

||
[[MinorBioinformatics|Биоинформатика]]

[[Майнор Интеллектуальный анализ данных/Современные_методы_машинного_обучения | Современные методы машинного обучения (ИАД)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ISDElective|Факультатив "Методы разработки программного обеспечения" (1-2 модули)]]

[[Введение в программирование (курс майнора)]]

[[dopglavy_DM_1920|Допглавы дискретной математики]]

[[Дополнительные_главы_теории_вероятностей-2_2019/2020|ДГТВ-2]]

[[Дополнительные_главы_теории_вероятностей_2020|ДГТВ]]

[[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020|Введение в анализ данных (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных_(майнор_ИАД)|Прикладные задачи анализа данных (майнор ИАД)]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс

|-
| [[Theory_of_Computing_2019_2020 | Theory of Computing]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Project_Seminar_2019_2020 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Stochastic_analysis_2019_2020 | Stochastic Calculus ]] || Statistical Learning Theory || 1 year
|-
| [[A_Theorist's_Toolkit_2019_2020 | A Theorist's Toolkit, AMI]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Neurobayesian_models_2020 | Neurobayesian models ]] || Statistical Learning Theory || 2 year
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Введение в анализ данных 2020 МирЭк| Введение в анализ данных]] || Мировая экономика || 1 курс || 3-4 модуль
|-
|[[ Основы программирования в Python (Мирэк) | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ИЯиМК| Цифровая грамотность ]] || Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[ Цифровая_грамотность_(филология)_2020| Цифровая грамотность ]] || Филология || 1 курс || 3-4 модуль
|-
| [[Цифровая_грамотность_(ФиКЛ)_2020| Цифровая грамотность ]] || Фундаментальная и компьютерная лингвистика || 1 курс || 4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (История искусств)| Цифровая грамотность ]] || История искусств || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (Культурология)| Цифровая грамотность ]] || Культурология || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛ_ЮВА| Цифровая грамотность ]] || Языки и литература Юго-Восточной Азии || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛЯ| Цифровая грамотность ]] || Языки и литература Японии || 1 курс || 3-4 модуль
|-
| [[ ППО Социология 1 курс 2019/2020| ППО (Python для извлечения и обработки данных) ]] || Социология || 1 курс || 3 модуль
|-
|[[ Машинное обучение на матфаке 2020 | Машинное обучение]] || Математика || 2-4 курс || 3-4 модуль
|-
|[[ Excel для анализа данных | Excel для анализа данных]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 2 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 2 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 1 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 1 курс || 4 модуль
|-
| [[ СДиА Матфак 1 курс 2019/2020| Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Наука о данных (Экономика)|Наука о данных]] || Экономика || 2 курс || 3-4 модули
|-
| [[Основы программирования на Python весна 2021 матфак|Основы программирования на Python, 2 часть]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Культура работы с данными, КМБТ|Культура работы с данными, КМБТ]] || Клеточная и молекулярная биотехнология || 1 курс || 3-4 модули
|-
| [[Natural_Language_Processing_Blended_2020_module4 | Natural Language Processing (blended)]] || Прикладная политология || 1 г.о. || 4 модуль
|-
| [[ПМСАР-1 2019/2020|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Введение в Data Science]] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме || 1 г.о. || 3 модуль
|-
| [[Принципы построения математических моделей]] || МИЭМ || 1 г.о. || 4 модуль
|-
| [[Python для извлечения и обработки данных Психология 1 курс 2019/2020]] || Психология || 1 г.о. || 4 модуль
|-
| [[Технологии анализа больших данных ГМУ 1 курс 2019/2020]] || ГМУ || 1 г.о. || 4 модуль
|-
| [[Городское планирование | Цифровая грамотность]] || Городское планирование || 1 г.о. || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[ Основы анализа и визуализация данных для медиа 2019/2020 | Основы анализа и визуализации данных для медиа ]] || Журналистика || 4 курс || 1 модуль
|-
| [[ Анализ данных в Python 2019-2020 | Анализ данных в Python ]] || Политология || 4 курс || 1-2 модули
|-
| [[Introduction to Data Culture 2019-2020 | Introduction to Data Culture ]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[ Основы анализа данных в международных отношениях | Основы анализа данных в международных отношениях ]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Основы программирования в Python (Политология)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Основы программирования на Python осень 2019 матфак|Основы программирования на Python-1]] || Математика || 1-4 курс || 1-2 модули
|-
| [[ Цифровая грамотность (История 2019) | Цифровая грамотность ]] || История || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (Востоковедение 2019) | Цифровая грамотность ]] || Востоковедение|| 1 курс || 1-2 модули
|-
| [[ Цифровая_грамотность_2019-2020(философия) | Цифровая грамотность ]] || Философия || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (ассириология и античность 2019) | Цифровая грамотность ]] || Ассириология и античность|| 1 курс || 1-2 модули
|-
| [[ПМСАР-2_2019| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Работа с данными]] || Медиакоммуникации || 4 курс || 1 модуль
|-
| [[Машинное обучение (фэн 2019)]] || ФЭН || 3 курс || 1-2 модули
|-
| [[Natural_Language_Processing_Blended_2019_module1 | Natural Language Processing (blended)]] || Прикладная политология || 2 г.о. || 1 модуль
|-
| [[ ML_HSE_NES_2019 | Машинное обучение (ВШЭ-РЭШ)]] || Совместный бакалавриат ВШЭ-РЭШ || 3-4 курс || 1-2 модули
|-
| [[ Основы_анализа_и_визуализации_данных_ДИЯ_2019/2020 | Основы анализа и визуализации данных ]] || ДИЯ || 2 курс || 1,2 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_на_Python2019/2020|Основы программирования на Python]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2019-2020|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 3-4 модуль
|-
| [[Микроэконометрика качественных данных, фэн, 2020|Микроэконометрика качественных данных 2020]] || фэн, 4 курс || 1-2 модуль
|}

== Курсы за 2018/19 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2018/2019_(пилотный_поток) | Математический анализ на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2018/2019_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Calculus_DSBA_2018/2019 | Calculus I DSBA (ПАД)]]

[[Основы_и_методология_программирования_на_ПМИ_2018/2019_(пилотный_поток) | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2019_(С%2B%2B,_основной_поток) | Основы и методология программирования на ПМИ (С++, основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

[[Дискретная_математика_1_2018/2019 | Дискретная математика-1 на ПМИ]]

[[Discrete_Mathematics_DSBA2018/2019 |Discrete Mathematics DSBA (ПАД)]]

[[Introduction_to_programming | Introduction to programming DSBA (ПАД)]]

[[Introduction_to_programming_2 | Introduction to programming 2 DSBA (ПАД)]]

[[Алгебра_на_ПМИ_2018/2019_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2018/2019_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Algebra_DSBA_2018/2019 | Algebra DSBA]]

[http://hsealgebra19.wikidot.com Алгебра на ПИ]

[[Алгоритмы_и_структуры_данных_2018/2019 | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[http://math-info.hse.ru/2018-19/Дифференциальные_уравнения_(ФКН) Дифференциальные уравнения]

[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2018/2019 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Факультатив Теория вычислений]]

||

[[Машинное_обучение_1/2018_2019 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[Прикладная_статистика_в_машинном_обучении(2018)|Прикладная статистика в машинном обучении]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

[[Непрерывная оптимизация/2019|Непрерывная оптимизация (161-162)]]

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

[[Data analysis (Software Engineering) 2019|Data analysis]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

[[Intro to DL Blended | Intro to DL Blended]]

[[Дискретная оптимизация 2019 | Дискретная оптимизация 2019]]

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[НИС_Науки_о_данных_2018/2019|НИС Науки о данных]]

[[НИС_Распределенные_системы_(4_курс,_2018)|НИС Распределенные системы]]

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Методы_и_системы_обработки_больших_данных_(осень_2018)|Методы и системы обработки больших данных]]

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

[[ConvAppr19 | Выпуклое программирование и аппроксимационные алгоритмы (ТИ)]]

[[Функциональное программирование 2019 | Функциональное программирование]]

[[A_Theorist's_Toolkit_2018_2019 | A Theorist's Toolkit, AMI]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

||
[[Дополнительные главы теории вероятностей 2019 | Дополнительные главы теории вероятностей 2019]]

[[Дополнительные главы математической статистики 2019 | Дополнительные главы математической статистики 2019]]

[[Введение в программирование (курс майнора) 2018/2019]]

[[dopglavy_DM_1819|Допглавы дискретной математики]]

[[Современные_методы_машинного_обучения_(курс_майнора)_2018/2019 | Современные методы машинного обучения (курс майнора) 2018/2019]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | Прикладные задачи анализа данных (майнор - весна 2019)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]

[[Функциональный анализ (весна_2019) | Функциональный анализ (весна_2019)]]

[[KotlinElective| Язык Kotlin (3 и 4 модули 2018-2019)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Искусственный интеллект и большие данные_(2019)|Искусственный интеллект и большие данные]] || Дизайн, Мода, Современное искусство || 1 курс || 3-4 модули
|-
| [[Информационный менеджмент: Введение в Data Science|Информационный менеджмент: Введение в Data Science]] || Управление бизнесом Маркетинг и рыночная аналитика || 1 курс || 4 модуль
|-
| [[Технологии анализа больших данных|Технологии анализа больших данных]] || ГМУ || 1 курс || 4 модуль
|-
| [[Основы программирования на Python (Прикладное программное обеспечение)|Основы программирования на Python (Прикладное программное обеспечение)]] || Социология || 1 курс || 4 модуль
|-
| [[Основы работы с данными|Основы работы с данными]] || Медиакоммуникации || 2 курс || 4 модуль
|-
| [[Введение_в_data_science_Социология_1_курс|Профориентационный семинар (Data Culture)]] || Социология || 1 курс || 4 модуль
|-
| [[Введение_в_анализ_данных_МирЭк_2019|Введение в анализ данных]] || Мировая экономика || 1 курс || 4 модуль

|}

=== 1 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [[Introduction_to_Data_Culture_2018-2019|Introduction to Data Culture]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Цифровая грамотность(востоковедение)|Цифровая грамотность]] || Востоковедение || 1 курс || 1 модуль
|-
| [[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]] || Маркетинг и рыночная аналитика || 2 курс || 1-2 модули
|-
| [[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]] || Юриспруденция || 1 курс || 2 модуль
|-
| [[Машинное обучение на матфаке 2018/2019| Машинное обучение]] || Факультет математики || 2-4 курсы || 1-2 модули
|-
| [[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]] || Фундаментальная и компьютерная лингвистика || 3 курс || 1, 2, 4 модули
|-
| [[Машинное обучение (ФЭН)]] || Факультет экономических наук || 3-4 курсы || 1-2 модули
|-
| [[Программирование_(python)_для_экономистов|Программирование (Python) для экономистов]] || Факультет экономических наук || 2 курс || 1-2 модули
|-
| [[Цифровая грамотность(философия)|Цифровая грамотность]] || Философия || 1 курс || 1-2 модули
|-
| [[Цифровая_грамотность_(историки)|Цифровая грамотность]] || История || 1 курс || 1-2 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 1-2 модули
|-
| [[Статистический анализ в среде R (Социологи 1 семестр 2 модуль)|Статистический анализ в среде R ]] || Социология || 4 курс || 2 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|}

==Courses of the Statistical Learning Theory program==
[[Neurobayesian_models_2019|Neurobayesian models]]

== Курсы за 2017/18 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]

[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

[http://hsealgebra18.wikidot.com Алгебра на ПИ]

||
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]

[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]

||
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2017_2018 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]]

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]

[[Анализ неструктурированных данных]]

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]

[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[Философия_науки_2017 | Философия науки]]

[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Анализ неструктурированных данных]]

[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]

[[Функциональное программирование 2018 | Функциональное программирование]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

||

[[Современные методы машинного обучения (курс майнора) 2017/2018]]

[[Введение в программирование (курс майнора) 2017/2018]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2017-2018 | Введение в анализ данных (курс майнора)]]

[[Прикладные задачи анализа данных (майнор - весна 2018)]]

[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]

[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]

[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]

[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]

[[Цифровые технологии в гуманитарных науках]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===

[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]] 
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]] 
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]] 
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]] 
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]] 
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]] 
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]] 

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 1 семестр)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]]

[[Рекомендательные системы и поиск закономерностей в данных|Рекомендательные системы и поиск закономерностей в данных]]

== Courses of Data Science master program/Курсы магистерской программы "Науки о данных" ==

[[Introduction to Machine Learning and Data Mining |Introduction to Machine Learning and Data Mining 2019]]

[[Introduction to Machine Learning and Data Mining 2020 |Introduction to Machine Learning and Data Mining 2020]]

== Курсы за 2016/17 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3-4 курс !! майноры
|-
|

[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]

[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]

[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]

[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]

||

[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]

[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]

[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]

[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]

[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]

[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]

||

[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]

[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]

[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]

[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]

[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]

[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]

[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]

[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]

[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]

[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]

||

[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]

|}

{|width=100%
|style="vertical-align:top;"|



=== Курсы за 2015/16 учебный год ===
{|
|-
| [[Технологии программирования|Технологии программирования на ПМИ]]
|-
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]
|-
|[[Алгоритмы и структуры данных 2016]]
|-
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]
|-
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]
|-
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]
|-
|[[Компьютерные системы]]
|-
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]
|-
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]
|-
|[[Data analysis (Software Engineering)]] 
|-
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]
|-
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]
|-
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]
|-
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]
|-
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]
|-
|[[Введение в VBA|Введение в VBA]]
|}

|style="vertical-align:top;"|



=== Курсы за 2014/15 учебный год ===
{|
|-
|[[Основы и методологии программирования]] 
|-
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]] 
|-
|[[Анализ данных (Программная инженерия)]] 
|-
|[[Алгебра_2014/2015 | Алгебра]] 
|-
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]
|}

==== Проектная работа ====
{|
|-
|[[Проектная работа]] 
|-
|[[Учебная практика 1 курс (2016)]]
|-
|[[Проектная работа 2 курс (2016)]]
|}


|}

== Мероприятия факультета компьютерных наук ==
=== Summer School 2015 ===
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]
#[[Lecture 1. Introduction|Introduction]]
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]
#[[Lecture 4. Parsing|Parsing]]
#[[Lecture 5. Language sources|Language sources]]
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]
#[[NLP References|References]]

== Архив ==
* [[Учебная практика 1 курс (2015)]]

Data Science Case Studies (JD SAS) 21/22

2022-01-04T20:53:58Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє: Новая страница: « справа === Расписание занятий === Занятия проводятся по '''субб…»

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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

Wiki ФКН

2022-01-04T20:53:29Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

__NOTOC__

= Учебные курсы факультета компьютерных наук =

== Курсы за 2021/22 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный_поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2021/2022_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Математический_Анализ_1_на_ПМИ_2021/2022_(пилотный_поток) | Математический анализ 1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2021/2022_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[DM1-2021-22 | Дискретная математика на ПМИ]]

[http://wiki.cs.hse.ru/Основы_и_методология_программирования_на_ПМИ_2021/2022_(основной_поток) Основы и методология программирования на ПМИ 2021/2022 (основной поток)]

[[Алгоритмы и структуры данных пилотный поток 2021/2022 | Алгоритмы и структуры данных пилотный поток 2021/2022]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных 1 основной поток 2021/2022]]

'''ПИ'''

[[DM1-SE-2021-22 | Дискретная математика-1 ПИ]]

[http://hsealgebra22.wikidot.com/ Алгебра 2021/2022 ПИ]

'''ПАД'''

[[Discrete Mathematics DSBA 2021/2022 | Discrete Mathematics (DSBA)]]

[[LAaG DSBA 2021/2022 | LAaG (DSBA)]]

[[Calculus DSBA 2021/2022 | Calculus (DSBA)]]

[[Introduction to Programming DSBA 2021/2022 | Introduction to Programming (DSBA)]]

'''КНАД'''

[[Математический_анализ_(КНАД) | Математический анализ (КНАД)]]

[[Линейная алгебра_(КНАД) | Линейная алгебра (КНАД)]]

[[Программирование_на_Python | Программирование на Python (КНАД)]]

[[Дискретная_математика_КНАД | Дискретная математика (КНАД)]]

[[Алгоритмы и структуры данных 1 основной поток 2021/2022 | Алгоритмы и структуры данных (КНАД)]]

||

'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2021/2022_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2021/2022_(основной_поток)| ТВиМС (основной поток)]]

[[Математический анализ 2021/2022 (пилотный поток) | Математический анализ - 2 (пилотный поток)]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_-_2.1_(2021/22) Математический анализ - 2 (основной поток)]

[[MissingSemester2021/2022 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[Язык программирования C++ (углубленный курс) | Язык программирования C++ (углубленный курс)]]

[[Математическая логика | Математическая логика]]

[[Дифференциальные уравнения (ПМИ)]]

[[Алгоритмы и структуры данных 2 2021 | Алгоритмы и структуры данных 2]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (пилотный поток)]]

[[CAOS-2021 | Архитектура компьютеров и операционные системы]]

'''ПИ'''

[[Алгоритмы и структуры данных на ПИ 2021/2022 | Алгоритмы и структуры данных на ПИ]]

[[Теория вероятностей и математическая статистика 2021-2022 | Теория вероятностей и математическая статистика]]

[[НИС Методы и алгоритмы защиты информации | НИС Методы и алгоритмы защиты информации]]

'''ПАД'''

[[Discrete Mathematics 2 DSBA 2021/2022 | Discrete Mathematics 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2021/22 | Business and Management in Global Context (DSBA)]]

[[Statistics_DSBA_2021/2022 | Probability and Statistics (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[https://www.notion.so/2021-2022-7374a6eeced2434288226a339bd5037f Курсовая работа]

'''ПМИ'''

[[Машинное_обучение_1 | Машинное обучение 1]]

[[Intro_to_DL_21/22 | Introduction to Deep Learning 21/22 ]]

[[Theory of Computation 2021 | Theory of Computation]]

[https://osukhoroslov-hse.notion.site/082aef7073a844afa4c1bf718a773d77 Распределенные системы]

[https://naorlov.notion.site/naorlov/Nets-2021-51931594039e40aeb9102b784d7a8e70 Компьютерные сети]

[http://math-info.hse.ru/s21/8 Прикладные дифференциальные уравнения]

[https://osukhoroslov-hse.notion.site/5ca71a3b2b17452599f169468df43408 НИС Распределенные системы]

[http://wiki.cs.hse.ru/NIS-TCS-20-21 НИС Теоретическая информатика]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[time_series_modelling_21_22 | Моделирование временных рядов 21/22]]

[[Анализ данных в бизнесе (Кафедра SAS) 21/22 | Анализ данных в бизнесе (Кафедра SAS) 21/22]]

'''ПМИ / МОП'''

[http://wiki.cs.hse.ru/Psmo_21_22 Прикладная статистика в машинном обучении 21/22]

[[НИС_Машинное_обучение_и_приложения_3_курс_2021/2022 | НИС Машинное обучение и приложения 3 курс]]

[[Statistical_learning_theory_2021 | Statistical learning theory]]

'''ПИ'''

[[ML4SE_1 | НИС Машинное обучение для программной инженерии]]

'''ПАД'''

[http://wiki.cs.hse.ru/Time_Series_and_Stochastic_Processes_ada_21_22 Time series and stochastic processes 2021-22]

[[Data Science Case Studies (JD SAS) 21/22 | Data Science Case Studies (JD SAS) 21/22]]

||

[[Безопасность_компьютерных_систем_21/22 | Безопасность компьютерных систем 21/22]]

[http://wiki.cs.hse.ru/%D0%94%D0%B8%D0%B7%D0%B0%D0%B9%D0%BD_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC_21/22 Дизайн систем]

[http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D1%82%D0%B5%D0%BD%D0%B7%D0%BE%D1%80%D0%BD%D1%8B%D1%85_%D0%B2%D1%8B%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%B8%D0%B9 Основы тензорых вычислений]

[[Сбор_и_разметка_данных_для_машинного_обучения_21/22 | Сбор и разметка данных для машинного обучения 21/22]]

[[Байесовские_методы_машинного_обучения_2021 | Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_4_курс_2021/2022 | НИС Машинное обучение и приложения 4 курс]]

[https://artemova.notion.site/artemova/c88a68750cff4b509699fa127be11801 Глубинное обучение для текстовых данных 2021/2022]

[http://wiki.cs.hse.ru/LSML_2021/2022 Машинное обучение для больших данных 21/22]

'''ПМИ / РС'''

[https://osukhoroslov-hse.notion.site/2-0cd36b67b9f64182bfeabcda9ede647a НИС Распределенные системы 2]

[[msbdp_21 | Методы и системы обработки больших данных]]

'''ПМИ / ТИ'''

[[InfTheory2021 | Теория информации]]

[[OWF2021 | Односторонние функции и их применения]]

'''ПАД'''

[[Statistics 4mr 2021-22 | Statistical Methods for Market Research (DSBA)]]

[[Decision Making Strategy]]

||
[[Дополнительные_главы_теории_вероятностей-2_2021/2022|ДГТВ-2]]

[http://wiki.cs.hse.ru/%D0%9C%D0%B0%D0%B9%D0%BD%D0%BE%D1%80_%D0%91%D0%B8%D0%BE%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0_1_%D0%B3%D0%BE%D0%B4_2021/22 Майнор Биоинформатика 1 год 2021/22]

[[Майнор_Биоинформатика_2_год_2021/22|Майнор Биоинформатика 2 год 2021/22]]

[[Введение_в_программирование_21/22_(майнор_ИАД) | Введение в программирование 21/22 (майнор ИАД)]]

[[Основы_глубинного_обучения | Основы глубинного обучения (майнор ИАД)]]

[[Функциональное_программирование_2019 | Функциональное программирование 2021]]

[[KotlinElective|Факультатив "Язык Kotlin" (ноя-дек 2021)]]

[[Dopglavy_DM_2022| Дополнительные главы дискретной математики]]

[[Факультатив_Data_Science_в_игровой_индустрии_(SAS) | Факультатив Data Science в игровой индустрии (SAS)]]

[[Факультатив_Анализ_данных_на_платформе_SAS | Факультатив Анализ данных на платформе SAS]]

[https://rroll.to/2D8yXl Основы и методология пикапа на ПМИ 2021/2022]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%93%D0%B5%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_2020/21 Цифровая грамотность] || География глобальных измерений и геоинформационные технологии || 1 курс || 1-2 модули
|-
| [[Цифровая грамотность, Востоковедение 2021/2022| Цифровая грамотность]] || Востоковедение || 1 курс || 1-2 модули
|-
|[[Цифровая Грамотность ИКВиА 2021/2022 | Цифровая грамотность]] || ИКВиА || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%98%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_%D0%B2_%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%8E%D1%80%D0%B8%D1%81%D1%82%D0%B0_2018-2019 Цифровая грамотность] || Юриспруденция:частное право || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%98%D1%81%D1%82%D0%BE%D1%80%D0%B8%D1%8F_2021/2022 Цифровая грамотность] ||История || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Филология_2021/2022 Цифровая грамотность] || Филология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_2020-21_(%D0%9A%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F) Цифровая грамотность] || Культурология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%A6%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D0%BC%D0%BE%D1%82%D0%BD%D0%BE%D1%81%D1%82%D1%8C_%D0%94%D0%B5%D0%BF%D0%B0%D1%80%D1%82%D0%B0%D0%BC%D0%B5%D0%BD%D1%82_%D0%9C%D0%B5%D0%B4%D0%B8%D0%B0_2021-2022 Цифровая грамотность] || Медиакоммуникации и Журналистика || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Цифровая_грамотность_Философия_2021/2022 Цифровая грамотность] || Философия || 1 курс || 1-2 модуль
|-
| [http://wiki.cs.hse.ru/Основы_программирования_на_Python_осень_2021_матфак Основы программирования на Python] || Математика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_R,_%D0%A1%D0%BE%D1%86%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в R] || Социология || 4 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D0%9C%D0%A1%D0%90%D0%A0-2_2020 Методы анализа больших данных в исследованиях поведения покупателя] || Прикладные методы социального анализа рынков (магистратура) || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D0%A4%D0%AD%D0%9D)_-_2021-2022 Машинное обучение] || Экономика || 3,4 курс || 1-2 модули
|-
| [[Программирование_ЭкСтат_ГП | Программирование на языке Python ]] || Городское планирование, Экономика и статистика || 3 курс || 1-2 модули
|-
| [[Основы анализа данных в международных отношениях 2021/2022 | Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Python_%D0%B4%D0%BB%D1%8F_%D0%B8%D0%B7%D0%B2%D0%BB%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B8_%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B8_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85 Python извлечение и обработка данных] || Клеточная и молекулярная биотехнология || 1 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B_%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_Python_(%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F_2020) Основы программирования в Python ] || Политология || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Основы_работы_с_данными:_сбор,_анализ,_визуализация_(ОП_%22Журналистика%22) Основы работы с данными: сбор, анализ, визуализация] || Журналистика || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_Data_Science Data Science] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме (магистратура) || 1 курс || 2 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_(%D1%81%D0%BE%D0%B2._%D0%B1%D0%B0%D0%BA._%D0%92%D0%A8%D0%AD-%D0%A0%D0%AD%D0%A8_2021) Машинное обучение] || Совместный бакалавриат НИУ ВШЭ и РЭШ || 3 курс || 1-2 модули
|-
|
|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Economics_and_Finance_2020-2021 Data Analysis in Economics and Finance] || Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/Data_Analysis_in_Journalism_and_Political_Science_2020-2021 Data Analysis in Journalism and Political Science]|| Бакалавриат НИУ ВШЭ и Лондонского университета || 3 курс || 1-2 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D1%8B%D0%B5_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F_%D0%B2_%D0%BA%D1%83%D0%BB%D1%8C%D1%82%D1%83%D1%80%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020_1%D0%BC%D0%BE%D0%B4%D1%83%D0%BB%D1%8C Прикладные исследования в культурологии] || Прикладная культурология (магистратура) || 1 курс || 1 модуль
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9F%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B8_%D0%BA%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D1%8B%D0%B5_%D0%B8%D0%BD%D1%81%D1%82%D1%80%D1%83%D0%BC%D0%B5%D0%BD%D1%82%D1%8B_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%B8%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F Программирование и лингвистические данные] || Фундаментальная и компьютерная лингвистика || 1 курс || 1, 2, 3 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8 Программирование и теория алгоритмов] || Фундаментальная и компьютерная лингвистика || 3 курс || 2, 3, 4 модули
|-
| [http://wiki.cs.hse.ru/%D0%9A%D0%BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0_%D0%B8_%D0%B8%D0%BD%D1%84%D0%BE%D1%80%D0%BC%D0%B0%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D0%B8_2020 Нейросетевые методы в обработке текстов] || Фундаментальная и компьютерная лингвистика || 4 курс || 1, 2, 3 модули
|-

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
| [[Modern_Data_Analysis_2021_2022 | Modern Data Analysis]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2021_2022 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
| [[Theory of Computation 2021 | Theory of Computation]] || Науки о данных, специализация ТИ || 1 year
|-
| [[RecSys_2021_2022 | Рекомендательные системы]] || ФТИАД || 2 year
|-
| [[Stochastic_analysis_2021_2022 | Стохастический анализ 2021-2022]] || Math of Machine Learning || 1 year
|-
| [[Reinforcement_learning_2021_2022 | Математические основы обучения с подкреплением 2021-2022]] || Math of Machine Learning || 2 year
|-
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [http://wiki.cs.hse.ru/Econ_probability_2021-22 Теория вероятностей и математическая статистика] || фэн, 2 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2021/22|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

= Архив =

== Курсы за 2020/21 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|
'''ПМИ'''

[[Математический_анализ_1_2020/2021_(пилотный_поток) | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_1_2020/2021_(основной_поток) | Математический анализ-1 на ПМИ (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2020/2021_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2020/2021_(пилотный_поток) | Алгебра (пилотный поток)]]

[[Алгебра_на_ПМИ_2020/2021_(основной_поток) | Алгебра (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(пилотный_поток) | Основы и методология программирования на ПМИ 2020/2021 (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2020/2021_(основной_поток)_3_модуль | Основы и методология программирования на ПМИ 2020/2021 (основной поток, III модуль)]]

[[DM1-2020-21 | Дискретная математика-1 ПМИ]]

[[Алгоритмы_и_структуры_данных_1_2020/2021_(4_модуль) | Алгоритмы и структуры данных – 1 (4 модуль) на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2020/2021 | Алгоритмы и структуры данных – 1 на ПМИ (пилотный поток)]]

'''ПИ'''

[[DM1-SE-2020-21 | Дискретная математика-1 ПИ]]

[http://hsealgebra21.wikidot.com/ Алгебра ПИ]

'''ПАД'''

[[Discrete_Mathematics_DSBA2020/2021 | Discrete Mathematics (DSBA) ]]

[[LAaG_DSBA_2020/2021 | Linear Algebra and Geometry (DSBA)]]

[[English_DSBA_2020/2021 | English DSBA (DSBA)]]

[[Introduction_to_programming_DSBA_2020/2021 | Introduction to Programming (DSBA)]]

[[ Calculus_2020/21 | Calculus (DSBA) ]]

[[Algebra_DSBA_2020/2021 | Algebra DSBA]]

[[Introduction_to_Economics_2020/21 | Introduction to Economics ]]

||
'''ПМИ'''

[[Теория_вероятностей_и_математическая_статистика_2020/2021_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Теория_вероятностей_2020/2021_(основной_поток)| Теория вероятностей (основной поток)]]

[[Математический_анализ_2020/2021_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_-_2_(основной_поток) | Математический анализ - 2 на ПМИ (основной поток)]]

[[MissingSemester2020/2021 | Инструменты промышленной разработки (The Missing Semester of your CS education)]]

[[АКОС ПМИ 2020/2021 | Архитектура компьютеров и операционные системы]]

[[Основы матричных вычислений 2020/2021]]

[[Дифференциальные уравнения (ПМИ)]]

[[DM2-pilot2020/2021 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-base2020/2021 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных - 2 на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_2_2020/2021 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

'''ПАД'''

[[Calculus-2_DSBA_2020_(ПАД) | Calculus-2 (DSBA) ]]

[[Discrete_Mathematics_-_2_DSBA2020/2021 | Discrete Mathematics - 2 (DSBA)]]

[[Business_and_Management_in_Global_Context_2020/21 | Business and Management in Global Context (DSBA)]]

[[Principles_of_micro_and_macro-economics_2020/21 | Principles of micro and macro-economics (DSBA)]]

[[Algorithms_and_data_structures_2_2020/21 | Algorithms and data structures 2 (DSBA)]]

[[Statistics_DSBA_2020/2021 | Probability and Statistics (DSBA)]]

[[ACOS_DSBA_2020/2021 | Computer Architecture and Operating Systems (DSBA)]]

[[Differential_Equations_2021 | Differential Equations ]]

||

'''ПМИ'''

[[Машинное_обучение_1/2020_2021 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Прикладная статистика в машинном обучении 20/21]]

[[Безопасность компьютерных систем 20/21]]

[[Theory of computing, AMI]]

[[Матричные вычисления 20/21]]

[[НИС_Машинное_обучение_и_приложения_2020/2021|НИС Машинное обучение и приложения]]

[[Методы оптимизации в машинном обучении|Методы оптимизации в машинном обучении]]

[[Моделирование временных рядов 20/21]]

[[Высокопроизводительные вычисления 20/21]]

[[ Сбор и обработка данных с помощью краудсорсинга 20/21 ]]

[[ Распределённые системы ]]

[[ Компьютерные сети 2021 ]]

[[НИС_РС|НИС Распределенные системы]]

[[Анализ данных в бизнесе (Кафедра SAS)]]

[[Дополнительные главы прикладной статистики (2020/21)]]

[[Comb2020_2021 | Комбинаторные конструкции в теоретической информатике]]

[[Численные Методы 2021]]

[[Методы оптимизации 20/21]]

[[Математическое моделирование]]

'''ПАД'''

[[ MachineLearning1_DSBA2020 | Machine Learning 1 (DSBA)]]

[[ Time_Series_and_Stochastic_Processes_ada_20_21 | Time Series and Stochastic Processes (DSBA) ]]

[[ST2187 Business analytics, applied modelling and prediction | Business analytics, applied modelling and prediction (DSBA)]]

[[Data_Base_2020/2021_DSBA | Data Base (DSBA)]]

[[Social_History_of_Science_2020/21 | Social History of Science (DSBA)]]

[[Elements_of_Econometrics_2020/21 | Elements of Econometrics (DSBA)]]

[[Data Science Case Studies / Анализ данных в бизнесе (Кафедра SAS)]]

[[ Optimization_methods | Optimizaton Methods (DSBA) ]]

||

[[Философия_науки_2020 | Философия науки]]

[[Символьные вычисления]]

'''ПМИ / МОП'''

[[НИС_Машинное_обучение_и_приложения_2020/2021 | НИС Машинное обучение и приложения]]

[[Глубинное обучение в обработке звука 20/21]]

[[Байесовские методы машинного обучения 2020 | Байесовские методы машинного обучения]]

[[Машинное обучение на больших данных 2021]]

[[Генеративные модели в машинном обучении 2021 | Генеративные модели в машинном обучении 2021]]

'''ПМИ / РС'''

[[НИС_РС_2 | НИС Распределенные системы]]

[[msbdp_20 | Методы и системы обработки больших данных]]

[[ Облачные вычисления]]

'''ПМИ / ТИ'''

[[Statistical_learning_theory_2020 | Statistical learning theory]]

[[InfTheo2020-2021|Теория информации]]

[[A_Theorist's_Toolkit_2020_2021 | A Theorist's Toolkit, AMI]]

||

[[ Майнор Биоинформатика 1 год ]]

[[ Майнор Биоинформатика 2 год ]]

[[ Введение в программирование (майнор ИАД) ]]

[[Введение в анализ данных (майнор ИАД)]]

[[Современные_методы_машинного_обучения|Современные методы машинного обучения (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных|Прикладные задачи анализа данных (майнор ИАД)]]

[[ ОУФ Машинное Обучение в Питоне ]]

[[ Факультатив "Теория вычислений и логика" (Осень 2020)]]

[[dopglavy_DM_2021|Допглавы дискретной математики]]

[[Adaptation_DM_20-21 |Adaptation course in DM]]

[[Функциональный анализ (осень 2020)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ Факультатив "Теория вычислений и логика" | Факультатив "Теория вычислений" (Весна 2021)]]

[[Дополнительные_главы_теории_вероятностей_2021 | ДГТВ]]

[[Дополнительные_главы_теории_вероятностей-3_2019/2020 | ДГТВ-3]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс
|-
| [[Stochastic_analysis_2020_2021 | Stochastic Analysis ]] || Statistical Learning Theory || 1 year
|-
| [[Econometrics_fall_2020 | Эконометрика ]] || ФТИАД || 1 year
|-
| [[Recsys_2020_2021 | Рекомендательные системы]] || ФТИАД|| 2 year
|-
| [[Into_to_DataMining_and_Machine_Learning_2020_2021 | Introduction to Data Mining and Machine Learning]] || Data Science (Науки о данных) || 2 year
|-
| [[Project_Seminar_2020_2021 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 year
|-
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Цифровая грамотность ИЯиМК 2020-2021|Цифровая грамотность ИЯиМК 2020-2021]] || ИЯиМК || 1 курс || 3-4 модули
|-
| [[Data Analysis in Python 2020-2021|Data Analysis in Python]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 2 курс || 3-4 модули
|-
| [[Машинное обучение на матфаке 2021 |Машинное обучение]] || Математика || 1-4 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/Анализ_данных_на_python,_фэн,_2020_spring Анализ данных на python] || Факультет экономических наук || 1 курс || 3-4 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 3-4 модули
|-
| [[Python для ОП "Психология" |Python для ОП "Психология" ]] ||Психология || 1 курс || 3-4 модули
|-
| [http://wiki.cs.hse.ru/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%D0%B2_Python_2020-2021_%D0%9F%D0%BE%D0%BB%D0%B8%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%8F Анализ данных в Python] || Политолгия || 3 курс || 3-4 модули
|-
| [[Цифровая грамотность История искусств 2020-2021]] || История искусств || 1 курс || 3-4 модули
|-
| [[Excel для анализа данных , 20-21|Excel для анализа данных , 20-21]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ СДиА_Матфак_1_курс_2020/2021 | Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[ Python для ГМУ, 20-21 | Python для ГМУ, 2020-2021 ]] || Государственное и муниципальное управление || 1 курс || 4 модуль
|-
| [[ Python для ИЯиМК, 2020-2021 | Python для ИЯиМК, 2020-2021 ]] || ИЯиМК || 2 курс || 4 модуль
|-
| [[ Информационные технологии (факультет химии) | Информационные технологии. Data Culture ]] || Химия || 2 курс || 4 модуль
|-
| [[ Введение_в_анализ_данных_2021_МирЭк | Введение в анализ данных ]] || МирЭк || 1 курс || 4 модуль
|-
| [[ Python для анализа данных (МирЭк) 2020-2021 | Python для анализа данных ]] || МирЭк || 2 курс || 3-4 модуль
|-

|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Основы программирования на Python осень 2020 матфак|Основы программирования на Python-1]] || Математика || 3 курс || 1-2 модули
|-
| [[Анализ_данных_в_Python_2020-2021|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы_анализа_и_визуализация_данных_для_медиа_2020/2021|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии 2020|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Проектный семинар медиаком 2020|Проектный семинар]] || Медиакоммуникации || 3 курс || 1 модуль
|-
| [[Основы анализа и визуализации данных ДИЯ 2020-2021|Основы анализа и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 1-2 модули
|-
| [[Основы программирования в Python (Политология 2020)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Data Analysis in Journalism and Political Science 2020-2021|Data Analysis in Journalism & Political Science]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Data Analysis in Economics and Finance 2020-2021|Data Analysis in Economics & Finance]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 3 курс || 1 модуль
|-
| [[Прикладные исследования в культурологии 2020 1модуль|Прикладные исследования в культурологии]] || Прикладная культурология || 1 курс || 1 модуль
|-
| [[Основы анализа данных в международных отношениях 20/21|Основы анализа данных в международных отношениях 20/21]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Анализ данных в R, Социология|Анализ данных в R]] || Социология || 4 курс || 1-2 модуль
|-
| [[Анализ данных на python, фэн, 2020 fall|Анализ данных на Python]] || Факультет экономических наук || 2 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ЭиАМ|Цифровая грамотность, ЭиАМ]] || Эфиопия и арабский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, Античность|Цифровая грамотность, Античность]] || Античность || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность, ТиТМ|Цифровая грамотность, ТиТМ]] || Турция и Тюркский мир || 1 курс || 1-2 модуль
|-
| [[Цифровая грамотность История 2020/2021|Цифровая грамотность, История]] || История || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_2020_(Востоковедение)|Цифровая грамотность, Востоковедение]] || Востоковедение || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_География_2020/21|Цифровая грамотность, География]] || География || 1 курс || 1-2 модуль
|-
| [[Цифровая_грамотность_(филология)_2020|Цифровая грамотность, Филология]] || Филология|| 1 курс || 1-2 модуль
|-
| [[Машинное_обучение_(сов._бак._ВШЭ-РЭШ_2020)|Машинное обучение]] || Совместная программа по экономике НИУ ВШЭ и РЭШ || 3 курс || 1-2 модуль
|-
| [[Машинное_обучение_(ФЭН)_-_2020|Машинное обучение]] || Экономика || 3-4 курс || 1-2 модуль
|-
| [[Python: работа с данными и текстом|Python: работа с данными и текстом]] || Медиакоммуникации || 2-3 курс || 1-2 модуль
|-
| [[Phyton_для_извлечения_и_обработки_данных|Phyton для извлечения и обработки данных]] || Молекулярная и клеточная биотехнология || 1 курс || 1-2 модуль
|-
| [[ПМСАР-2_2020| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Основы_программирования_на_Python2020/2021|Основы программирования на Python]] || Экономика и статистика || 2-3 курс || 1-2 модули
|-
| [[Извлечение и анализ интернет-данных (2020)|Извлечение и анализ интернет-данных]] || Экономика и статистика || 2-4 курс || 2 модуль

|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2020-2021|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 1-4 модуль
|-
| [[Эконометрика, фэн, 2020-2021|Эконометрика]] || фэн, 3 курс || 1-4 модуль
|-
| [[Динамическая оптимизация в экономике и финансах, фэн, 2020-2021|Динамическая оптимизация в экономике и финансах]] || фэн, 3-4 курс || 1-2 модуль
|-
|}

=Архив=

== Курсы за 2019/20 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_1_2019/2020 | Математический анализ-1 на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток,_2_семестр) | Математический анализ на ПМИ (основной поток, 2 семестр)]]

[[Математический_анализ_на_ПМИ_2019/2020_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Дискретная_математика_1_2019/2020 | Дискретная математика-1 на ПМИ]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2019/2020_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2019/2020_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2019/2020_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_2019/2020 | Основы и методология программирования на ПМИ (основной поток)]]

[[Основы_и_методология_программирования_1_2019/2020_(пилотный_поток) | Основы и методология программирования-1 на ПМИ (пилотный поток)]]

[[Discrete_Mathematics_DSBA2019/2020 | Discrete Mathematics DSBA (ПАД)]]

[[Calculus_DSBA2019/2020 | Calculus DSBA (ПАД) 1st module]]

[[Calculus_DSBA2020 | Calculus DSBA (ПАД) 2nd module]]

[[LAaG_DSBA_2019/2020 | Linear Algebra and Geometry (ПАД)]]

[[Introduction_to_programming_DSBA_2019/2020 | Introduction to Programming (ПАД)]]

[[English_DSBA_2019/2020 | English DSBA (ПАД)]]

[[Algorithms_and_Data_Structures_DSBA_2020 | Algorithms and Data Structures DSBA ]]

[[Algebra_DSBA_2019/2020 | Algebra DSBA]]

[[Алгоритмы_и_структуры_данных_1_основной_поток_2019/202 | Алгоритмы и структуры данных-1 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_пилотный_поток_2019/2020 | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[[DM2-basic2019/2020 | Дискретная математика-2 на ПМИ (основной поток)]]

[[DM2-pilot2019/2020 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Теория_вероятностей_2019/2020_(основной_поток)| Теория_вероятностей_2019/2020 на ПМИ (основной поток)]]

[[Теория_вероятностей_и_математическая_статистика_2019/2020_(пилотный_поток)| ТВиМС (пилотный поток)]]

[[Математический_анализ_2019/2020_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2_2019/2020_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2019/2020 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Calculus_2_2019 | Calculus-2 DBSA (ПАД)]]

[[Statistics_DSBA_2019/2020 | Statistics DSBA (ПАД)]]

[[DM2 | Дискретная Математика-2 (ПАД)]]

[[ADS2 | Алгоритмы и Структуры Данных-2 (ПАД)]]

[[Introduction_to_Economics | Introduction to Economics DSBA ]]

[[Business_and_Management_in_Global_Context_2019-2020| Business and Management in Global Context DSBA ]]

[[ACOS_DSBA_2019/2020 | Computer Architecture and Operating Systems (ПАД)]]

[[Differential_Equations_2020 | Differential Equations DSBA ]]

[[Факультатив Теория вычислений_2020 | Факультатив Теория вычислений]]

[[Дифференциальные_уравнения_2020 | Дифференциальные уравнения 2020 ]]

||

[[Машинное_обучение_1/2019_2020 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2019_2020 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2020 | Численные методы]]

[[Прикладная_статистика_в_машинном_обучении(2019)|Прикладная статистика в машинном обучении]]

[[Theory_of_Computing_2019_2020 | Theory of Computing, AMI]]

[[Компьютерные_Сети | Компьютерные сети]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Непрерывная_оптимизация_(МОП)/2020| Непрерывная оптимизация (МОП)]]

[[%D0%9D%D0%B5%D0%BF%D1%80%D0%B5%D1%80%D1%8B%D0%B2%D0%BD%D0%B0%D1%8F_%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D1%8F_(%D0%A2%D0%98,_%D0%90%D0%94%D0%98%D0%A1,_%D0%90%D0%9F%D0%A0,_%D0%A0%D0%A1)| Непрерывная оптимизация (ТИ, АДИС, АПР, РС) ]]

[[Data_analysis_(Software_Engineering)_2020|Data Analysis]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[CCTI_2020|Сложность вычислений и логика в теоретической информатике]]

||

[[InfTheo2019-2020|Теория информации]]

[[Байесовские_методы_машинного_обучения_2019|Байесовские методы машинного обучения]]

[[НИС Науки о данных]]

[[НИС_Машинное_обучение_и_приложения_2019/2020|НИС Машинное обучение и приложения]]

[[Философия_науки_2019|Философия науки]]

[[Глубинное обучение|Глубинное обучение]]

[[NLP 2019|NLP Анализ данных]]

[[Безопасность_компьютерных_систем_2019|Безопасность компьютерных систем]]

[[Генеративные_модели_в_машинном_обучении_2020|Генеративные модели в машинном обучении]]

[[Компьютерные Сети 4 курс| Компьютерные сети]]

[[Промышленное_программирование_на_языке_Java| Промышленное программирование на языке Java]]

[[Машинное_обучение_на_больших_данных_2020|Машинное обучение на больших данных]]

[[Основы_обработки_больших_данных_2020|Основы обработки больших данных]]

||
[[MinorBioinformatics|Биоинформатика]]

[[Майнор Интеллектуальный анализ данных/Современные_методы_машинного_обучения | Современные методы машинного обучения (ИАД)]]

[[KotlinElective|Факультатив "Язык Kotlin" (2-3 модули)]]

[[ISDElective|Факультатив "Методы разработки программного обеспечения" (1-2 модули)]]

[[Введение в программирование (курс майнора)]]

[[dopglavy_DM_1920|Допглавы дискретной математики]]

[[Дополнительные_главы_теории_вероятностей-2_2019/2020|ДГТВ-2]]

[[Дополнительные_главы_теории_вероятностей_2020|ДГТВ]]

[[Введение_в_анализ_данных_(майнор_ИАД)_2019/2020|Введение в анализ данных (майнор ИАД)]]

[[Прикладные_задачи_анализа_данных_(майнор_ИАД)|Прикладные задачи анализа данных (майнор ИАД)]]

[[NonClassicalLogics|Факультатив "Неклассические логики" (3 модуль)]]

|}

== Курсы магистратуры ФКН ==

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс

|-
| [[Theory_of_Computing_2019_2020 | Theory of Computing]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Project_Seminar_2019_2020 | Проектный семинар специализации ТИ]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Stochastic_analysis_2019_2020 | Stochastic Calculus ]] || Statistical Learning Theory || 1 year
|-
| [[A_Theorist's_Toolkit_2019_2020 | A Theorist's Toolkit, AMI]] || Науки о данных, специализация ТИ || 1 курс
|-
| [[Neurobayesian_models_2020 | Neurobayesian models ]] || Statistical Learning Theory || 2 year
|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|- http://wiki.cs.hse.ru/Цифровая_грамотность_(филология)_2020#.F0.9F.93.AC_.D0.A7.D0.B0.D1.82.D1.8B_.D0.B3.D1.80.D1.83.D0.BF.D0.BF
! Дисциплина !! Образовательная программа !! Курс !! Модули
|-
| [[Введение в анализ данных 2020 МирЭк| Введение в анализ данных]] || Мировая экономика || 1 курс || 3-4 модуль
|-
|[[ Основы программирования в Python (Мирэк) | Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ИЯиМК| Цифровая грамотность ]] || Иностранные языки и межкультурная коммуникация || 1 курс || 3-4 модуль
|-
| [[ Цифровая_грамотность_(филология)_2020| Цифровая грамотность ]] || Филология || 1 курс || 3-4 модуль
|-
| [[Цифровая_грамотность_(ФиКЛ)_2020| Цифровая грамотность ]] || Фундаментальная и компьютерная лингвистика || 1 курс || 4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (История искусств)| Цифровая грамотность ]] || История искусств || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность 2019-2020 (Культурология)| Цифровая грамотность ]] || Культурология || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛ_ЮВА| Цифровая грамотность ]] || Языки и литература Юго-Восточной Азии || 1 курс || 3-4 модуль
|-
| [[ Цифровая грамотность, ЯиЛЯ| Цифровая грамотность ]] || Языки и литература Японии || 1 курс || 3-4 модуль
|-
| [[ ППО Социология 1 курс 2019/2020| ППО (Python для извлечения и обработки данных) ]] || Социология || 1 курс || 3 модуль
|-
|[[ Машинное обучение на матфаке 2020 | Машинное обучение]] || Математика || 2-4 курс || 3-4 модуль
|-
|[[ Excel для анализа данных | Excel для анализа данных]] || ИЯиМК || 4 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 2 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 2 курс || 3 модуль
|-
| [[ Python для извлечения и обработки данных Медиаком 1 курс 2019/2020| Python для извлечения и обработки данных ]] || Медиакоммуникации || 1 курс || 4 модуль
|-
| [[ СДиА Матфак 1 курс 2019/2020| Структуры данных и алгоритмы ]] || Математика || 3-4 курс || 3-4 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Наука о данных (Экономика)|Наука о данных]] || Экономика || 2 курс || 3-4 модули
|-
| [[Основы программирования на Python весна 2021 матфак|Основы программирования на Python, 2 часть]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Культура работы с данными, КМБТ|Культура работы с данными, КМБТ]] || Клеточная и молекулярная биотехнология || 1 курс || 3-4 модули
|-
| [[Natural_Language_Processing_Blended_2020_module4 | Natural Language Processing (blended)]] || Прикладная политология || 1 г.о. || 4 модуль
|-
| [[ПМСАР-1 2019/2020|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Введение в Data Science]] || Экономика впечатлений: менеджмент в индустрии гостеприимства и туризме || 1 г.о. || 3 модуль
|-
| [[Принципы построения математических моделей]] || МИЭМ || 1 г.о. || 4 модуль
|-
| [[Python для извлечения и обработки данных Психология 1 курс 2019/2020]] || Психология || 1 г.о. || 4 модуль
|-
| [[Технологии анализа больших данных ГМУ 1 курс 2019/2020]] || ГМУ || 1 г.о. || 4 модуль
|-
| [[Городское планирование | Цифровая грамотность]] || Городское планирование || 1 г.о. || 4 модуль
|}

=== 1 семестр ===
{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[ Основы анализа и визуализация данных для медиа 2019/2020 | Основы анализа и визуализации данных для медиа ]] || Журналистика || 4 курс || 1 модуль
|-
| [[ Анализ данных в Python 2019-2020 | Анализ данных в Python ]] || Политология || 4 курс || 1-2 модули
|-
| [[Introduction to Data Culture 2019-2020 | Introduction to Data Culture ]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[ Основы анализа данных в международных отношениях | Основы анализа данных в международных отношениях ]] || Международные отношения || 2 курс || 1-2 модуль
|-
| [[Основы программирования в Python (Политология)|Основы программирования в Python]] || Политология || 3 курс || 1-2 модули
|-
| [[Основы программирования на Python осень 2019 матфак|Основы программирования на Python-1]] || Математика || 1-4 курс || 1-2 модули
|-
| [[ Цифровая грамотность (История 2019) | Цифровая грамотность ]] || История || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (Востоковедение 2019) | Цифровая грамотность ]] || Востоковедение|| 1 курс || 1-2 модули
|-
| [[ Цифровая_грамотность_2019-2020(философия) | Цифровая грамотность ]] || Философия || 1 курс || 1-2 модули
|-
| [[ Цифровая грамотность (ассириология и античность 2019) | Цифровая грамотность ]] || Ассириология и античность|| 1 курс || 1-2 модули
|-
| [[ПМСАР-2_2019| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Работа с данными]] || Медиакоммуникации || 4 курс || 1 модуль
|-
| [[Машинное обучение (фэн 2019)]] || ФЭН || 3 курс || 1-2 модули
|-
| [[Natural_Language_Processing_Blended_2019_module1 | Natural Language Processing (blended)]] || Прикладная политология || 2 г.о. || 1 модуль
|-
| [[ ML_HSE_NES_2019 | Машинное обучение (ВШЭ-РЭШ)]] || Совместный бакалавриат ВШЭ-РЭШ || 3-4 курс || 1-2 модули
|-
| [[ Основы_анализа_и_визуализации_данных_ДИЯ_2019/2020 | Основы анализа и визуализации данных ]] || ДИЯ || 2 курс || 1,2 модуль
|-
| [[Методы_машинного_обучения_(Прикладная_политология)|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_на_Python2019/2020|Основы программирования на Python]] || Экономика и статистика || 2-4 курс || 2 модуль
|}

== Курсы других факультетов ==

{| class="wikitable"
|-
! Дисциплина !! Курс !! Период
|-
| [[Теория вероятностей и математическая статистика, фэн, 2019-2020|Теория вероятностей и математическая статистика]] || фэн, 2 курс || 3-4 модуль
|-
| [[Микроэконометрика качественных данных, фэн, 2020|Микроэконометрика качественных данных 2020]] || фэн, 4 курс || 1-2 модуль
|}

== Курсы за 2018/19 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2018/2019_(пилотный_поток) | Математический анализ на ПМИ (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2018/2019_(основной_поток) | Математический анализ на ПМИ (основной поток)]]

[[Calculus_DSBA_2018/2019 | Calculus I DSBA (ПАД)]]

[[Основы_и_методология_программирования_на_ПМИ_2018/2019_(пилотный_поток) | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2019_(С%2B%2B,_основной_поток) | Основы и методология программирования на ПМИ (С++, основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2018/2019_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[LAaG_DSBA_2018/2019 | LAaG DSBA]]

[[Дискретная_математика_1_2018/2019 | Дискретная математика-1 на ПМИ]]

[[Discrete_Mathematics_DSBA2018/2019 |Discrete Mathematics DSBA (ПАД)]]

[[Introduction_to_programming | Introduction to programming DSBA (ПАД)]]

[[Introduction_to_programming_2 | Introduction to programming 2 DSBA (ПАД)]]

[[Алгебра_на_ПМИ_2018/2019_(пилотный_поток) | Алгебра на ПМИ (пилотный поток)]]

[[Алгебра_на_ПМИ_2018/2019_(основной_поток) | Алгебра на ПМИ (основной поток)]]

[[Algebra_DSBA_2018/2019 | Algebra DSBA]]

[http://hsealgebra19.wikidot.com Алгебра на ПИ]

[[Алгоритмы_и_структуры_данных_2018/2019 | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2018/2019 (пилотный поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

||

[http://math-info.hse.ru/2018-19/Дифференциальные_уравнения_(ФКН) Дифференциальные уравнения]

[[Теория_вероятностей_2018/2019_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2018/2019_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(пилотный_поток) | Математический анализ 2 на ПМИ (пилотный поток)]]

[[Математический_анализ_2018/2019_(основной_поток) | Математический анализ 2 на ПМИ (основной поток)]]

[[DM2-pilot2018/2019 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM2-basic2018/2019 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_2_2018/2019 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Факультатив Теория вычислений]]

||

[[Машинное_обучение_1/2018_2019 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2 | Машинное обучение 2 на ПМИ]]

[[Численные_Методы_2018 | Численные методы ]]

[[PDC | Параллельные и распределенные вычисления]]

[[Theory_of_Computing_2018_2019 | Theory of Computing, AMI]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[Прикладная_статистика_в_машинном_обучении(2018)|Прикладная статистика в машинном обучении]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Основные методы анализа данных]]

[[Теория баз данных]]

[[Непрерывная оптимизация/2019|Непрерывная оптимизация (161-162)]]

[[Непрерывная оптимизация (163-167)]]

[[Сложность вычислений и логика в теоретической информатике]]

[[Data analysis (Software Engineering) 2019|Data analysis]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

[[Intro to DL Blended | Intro to DL Blended]]

[[Дискретная оптимизация 2019 | Дискретная оптимизация 2019]]

||

[[Statistical_learning_theory_2018_2019 | Introduction to statistical learning theory]]

[[Анализ_неструктурированных_данных-2018 |Анализ неструктурированных данных ]]

[[Байесовские_методы_машинного_обучения_2018|Байесовские методы машинного обучения]]

[[НИС_Машинное_обучение_и_приложения_2018/2019|НИС Машинное обучение и приложения]]

[[НИС_Науки_о_данных_2018/2019|НИС Науки о данных]]

[[НИС_Распределенные_системы_(4_курс,_2018)|НИС Распределенные системы]]

[[Теория_Информации_2018/2019|Теория информации]]

[[Безопасность_компьютерных_систем_2018|Безопасность компьютерных систем]]

[[Методы_и_системы_обработки_больших_данных_(осень_2018)|Методы и системы обработки больших данных]]

[[Философия_науки_2018|Философия науки]]

[[Теория баз данных]]

[[ConvAppr19 | Выпуклое программирование и аппроксимационные алгоритмы (ТИ)]]

[[Функциональное программирование 2019 | Функциональное программирование]]

[[A_Theorist's_Toolkit_2018_2019 | A Theorist's Toolkit, AMI]]

[[Анализ данных в бизнесе 2019|Анализ данных в бизнесе на ПМИ ]]

||
[[Дополнительные главы теории вероятностей 2019 | Дополнительные главы теории вероятностей 2019]]

[[Дополнительные главы математической статистики 2019 | Дополнительные главы математической статистики 2019]]

[[Введение в программирование (курс майнора) 2018/2019]]

[[dopglavy_DM_1819|Допглавы дискретной математики]]

[[Современные_методы_машинного_обучения_(курс_майнора)_2018/2019 | Современные методы машинного обучения (курс майнора) 2018/2019]]

[[Прикладные_задачи_анализа_данных_(майнор_-_весна_2019) | Прикладные задачи анализа данных (майнор - весна 2019)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных | Введение в анализ данных (курс майнора)]]

[[Функциональный анализ (весна_2019) | Функциональный анализ (весна_2019)]]

[[KotlinElective| Язык Kotlin (3 и 4 модули 2018-2019)]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==
=== 2 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы программирования на Python весна 2020 матфак|Основы программирования на Python-2]] || Математика || 2-4 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(филология)|Цифровая грамотность]] || Филология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИИ_и_культурология)|Цифровая грамотность]] || История искусств и Культурология || 1 курс || 3-4 модули
|-
| [[Цифровая_грамотность_(ИЯМК_2019)|Цифровая грамотность]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 1 курс || 3-4 модули
|-
| [[Основы_анализа_и_визуализации_данных_ДИЯ_2019|Анализ и визуализации данных]] || Иностранные языки и межкультурная коммуникация (ДИЯ) || 2 курс || 3-4 модули
|-
| [[Научно-исследовательский_семинар_2019| Научно-исследовательский семинар]] || Политология || 1 курс || 3 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|-
| [[Основы_программирования_в_Python_2019|Основы программирования в Python]] || Мировая экономика || 2 курс || 3-4 модули
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[ПМСАР-1|Автоматизированный сбор больших данных в экономико-социологических исследованиях]] || Прикладные методы социального анализа рынков || 1 г.о. || 3-4 модули
|-
| [[Искусственный интеллект и большие данные_(2019)|Искусственный интеллект и большие данные]] || Дизайн, Мода, Современное искусство || 1 курс || 3-4 модули
|-
| [[Информационный менеджмент: Введение в Data Science|Информационный менеджмент: Введение в Data Science]] || Управление бизнесом Маркетинг и рыночная аналитика || 1 курс || 4 модуль
|-
| [[Технологии анализа больших данных|Технологии анализа больших данных]] || ГМУ || 1 курс || 4 модуль
|-
| [[Основы программирования на Python (Прикладное программное обеспечение)|Основы программирования на Python (Прикладное программное обеспечение)]] || Социология || 1 курс || 4 модуль
|-
| [[Основы работы с данными|Основы работы с данными]] || Медиакоммуникации || 2 курс || 4 модуль
|-
| [[Введение_в_data_science_Социология_1_курс|Профориентационный семинар (Data Culture)]] || Социология || 1 курс || 4 модуль
|-
| [[Введение_в_анализ_данных_МирЭк_2019|Введение в анализ данных]] || Мировая экономика || 1 курс || 4 модуль

|}

=== 1 семестр ===

{| class="wikitable"
|-
! Дисциплина !! Образовательная программа !! Курс !! Модули

|-
| [[Основы анализа данных в международных отношениях 2018/2019|Основы анализа данных в международных отношениях]] || Международные отношения || 2 курс || 1-2 модули
|-
| [[Introduction_to_Data_Culture_2018-2019|Introduction to Data Culture]] || Программа двух дипломов НИУ ВШЭ и Лондонского университета "Международные отношения" || 1 курс || 2 модуль
|-
| [[Программирование_и_компьютерные_инструменты_лингвистического_исследования|Программирование и компьютерные инструменты лингвистического исследования]] || Фундаментальная и компьютерная лингвистика || 1 курс || 1-4 модули
|-
| [[Цифровая грамотность(востоковедение)|Цифровая грамотность]] || Востоковедение || 1 курс || 1 модуль
|-
| [[Разработка управленческих решений в маркетинге | Разработка управленческих решений в маркетинге]] || Маркетинг и рыночная аналитика || 2 курс || 1-2 модули
|-
| [[Информационные технологии в деятельности юриста_2018-2019| Информационные технологии в деятельности юриста]] || Юриспруденция || 1 курс || 2 модуль
|-
| [[Машинное обучение на матфаке 2018/2019| Машинное обучение]] || Факультет математики || 2-4 курсы || 1-2 модули
|-
| [[ПМСАР-2| Методы анализа больших данных в исследованиях поведения покупателей]] || Прикладные методы социального анализа рынков || 2 г.о. || 1-2 модули
|-
| [[Анализ данных в Python (Политологи 1 семестр 1-2 модули)|Анализ данных в Python]] || Политология || 4 курс || 1-2 модули
|-
| [[Основы анализа и визуализации данных для медиа (Журналисты 1 семестр 1 модуль)|Основы анализа и визуализации данных для медиа]] || Журналистика || 4 курс || 1 модуль
|-
| [[Компьютерная лингвистика и информационные технологии|Компьютерная лингвистика и информационные технологии]] || Фундаментальная и компьютерная лингвистика || 4 курс || 1-3 модули
|-
| [[Введение в анализ текстов на Python для ФГН 2018|Введение в анализ текстов на Python для ФГН 2018]] || Фундаментальная и компьютерная лингвистика || 3 курс || 1, 2, 4 модули
|-
| [[Машинное обучение (ФЭН)]] || Факультет экономических наук || 3-4 курсы || 1-2 модули
|-
| [[Программирование_(python)_для_экономистов|Программирование (Python) для экономистов]] || Факультет экономических наук || 2 курс || 1-2 модули
|-
| [[Цифровая грамотность(философия)|Цифровая грамотность]] || Философия || 1 курс || 1-2 модули
|-
| [[Цифровая_грамотность_(историки)|Цифровая грамотность]] || История || 1 курс || 1-2 модули
|-
| [[Обработка и анализ данных физического эксперимента|Обработка и анализ данных физического эксперимента]] || Физика || 2 курс || 1-2 модули
|-
| [[Статистический анализ в среде R (Социологи 1 семестр 2 модуль)|Статистический анализ в среде R ]] || Социология || 4 курс || 2 модуль
|-
| [[ММО_Политология_201810|Методы машинного обучения]] || Прикладная политология || 1 г.о. || 2-3 модули
|}

==Courses of the Statistical Learning Theory program==
[[Neurobayesian_models_2019|Neurobayesian models]]

== Курсы за 2017/18 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3 курс !! 4 курс !! майноры и факультативы
|-
|

[[Математический_анализ_на_ПМИ_2017/2018_(пилотный_поток) | Математический анализ на ПМИ 2017/2018 (пилотный поток)]]

[[Математический_анализ_на_ПМИ_2017/2018_(основной_поток) | Математический анализ на ПМИ 2017/2018 (основной поток)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(пилотный_поток,_1_модуль) | Основы и методология программирования на ПМИ 2017/2018 (пилотный поток, 1 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_2_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 2 модуль)]]

[[Основы_и_методология_программирования_на_ПМИ_2017/2018_(основной_поток,_3_модуль) | Основы и методология программирования на ПМИ 2017/2018 (основной поток, 3 модуль)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_2017/2018_(основной_поток) | Алгоритмы и структуры данных на ПМИ 2017/2018 (основной поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(пилотный_поток) | Линейная алгебра и геометрия на ПМИ (пилотный поток)]]

[[Линейная_алгебра_и_геометрия_на_ПМИ_2017/2018_(основной_поток) | Линейная алгебра и геометрия на ПМИ (основной поток)]]

[[Дискретная_математика_1_2017/2018 | Дискретная математика-1 на ПМИ]]

[[Алгоритмы и структуры данных 1 | Алгоритмы и структуры данных – 1 (пилотный поток)]]

[[Алгебра_на_ПМИ_2017/2018 | Алгебра на ПМИ]]

[http://hsealgebra18.wikidot.com Алгебра на ПИ]

||
[[Теория_вероятностей_2017/2018_(основной_поток) | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2017/2018_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Математический анализ-3 на ПМИ_2017/2018_(основной_поток) | Математический анализ-2 на ПМИ (основной поток)]]

[[Математический анализ на ПМИ_2017/2018 | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM2-pilot2017/2018 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[DM_2_2017_2018 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Алгоритмы и структуры данных_2_2017/2018 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Дифференциальные уравнения (2 курс, 2017/2018)| Дифференциальные уравнения]]

||
[[Машинное_обучение_1/2017_2018 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2017_2018 | Машинное обучение 2 на ПМИ]]

[[Численные_методы_2017 | Численные методы]]

[[Statistics of Stochastic Processes|Статистика случайных процессов 2018]]

[[Прикладная_статистика_в_машинном_обучении | Прикладная статистика в машинном обучении]]

[[Theory_of_Computing | Theory of Computing, AMI]]

[[Statistical_learning_theory | Introduction to statistical learning theory]]

[[Основные_методы_анализа_данных_(специализация_АДИС) | Основные методы анализа данных на ПМИ]]

[[Анализ неструктурированных данных]]

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[НИС_Распределенные_системы_(3_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Непрерывная_оптимизация | Непрерывная оптимизация]]

[[ Сложность_и_логика| Сложность вычислений и логика в теоретической информатике]]

[[Data_analysis_(Software_Engineering)_2018 | Data Analysis на ПИ]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

[http://wiki.cs.hse.ru/Машинное_обучение_на_больших_данных Машинное обучение на больших данных]

[[Дискретная_оптимизация | Дискретная оптимизация]]

||

[[Безопасность компьютерных систем 2017 | Безопасность компьютерных систем]]

[[Философия_науки_2017 | Философия науки]]

[[НИС_Распределенные_системы_(4_курс,_2017) | НИС Распределенные системы]]

[[НИС_Машинное_обучение_и_приложения_2017/2018 | НИС Машинное обучение и приложения]]

[[Анализ неструктурированных данных]]

[[Байесовские методы машинного обучения 2017 | Байесовские методы машинного обучения]]

[[Функциональное программирование 2018 | Функциональное программирование]]

[http://telegra.ph/Kurs-Vvedenie-v-OOP-VSHEH-2018-Modul-3-01-30 Введение в ООП]

||

[[Современные методы машинного обучения (курс майнора) 2017/2018]]

[[Введение в программирование (курс майнора) 2017/2018]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2017-2018 | Введение в анализ данных (курс майнора)]]

[[Прикладные задачи анализа данных (майнор - весна 2018)]]

[[Маго-лего "Линейная алгебра в приложениях" весна 2018 | Линейная алгебра в приложениях (маго-лего)]]

[[Функциональный анализ 2017/18 | Функциональный анализ на ПМИ (факультатив)]]

[[Дополнительные главы теории вероятностей и математической статистики (факультативы) | Дополнительные главы теории вероятностей и математической статистики (факультативы)]]

[[Дополнительные главы дискретной математики 2017/18 | Дополнительные главы дискретной математики (факультатив)]]

[[Цифровые технологии в гуманитарных науках]]

|}

== Курсы в рамках проекта [https://www.hse.ru/dataculture/ Data Culture]==

=== 2 семестр ===

[[Цифровая_грамотность_2018_(2_семестр)|Цифровая грамотность (факультет гуманитарных наук — 2 семестр: ИЯМК, Филология, История искусств, Культурология, 1 курс)]] 
[[Научно-исследовательский семинар (ФСН) |Научно-исследовательский семинар (ОП "Политология", 1 курс)]] 
[[Introduction_to_Data_Culture|Introduction to Data Culture (HSE and University of London Parallel Degree Programme in International Relations, 1 year)]] 
[[ИИ_и_БД|Искусственный интеллект и большие данные (ОП "Дизайн", "Мода", 1 курс)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 2 семестр)]] 
[[Основы анализа данных в международных отношениях|Основы анализа данных в международных отношениях (ОП "Международные отношения", 2 курс, 4 модуль)]] 
[[Введение в data science (2_семестр)|Профориентационный семинар (блок по введению в data scicence) (Факультет социальных наук — 2 семестр: Социология, 1 курс)]] 
[[Введение в Data Science| Введение в Data Science (ФБиМ, 4 модуль)]] 

=== 1 семестр ===

[[Цифровая_грамотность|Цифровая грамотность (факультет гуманитарных наук — 1 семестр: История, Философия, 1 курс)]] 
[[Машинное обучение (факультет экономических наук)|Машинное обучение (факультет экономических наук)]] 
[[Компьютерная лингвистика и информационные технологии |Компьютерная лингвистика и информационные технологии (ОП "Фундаментальная и компьютерная лингвистика", 4 курс, 1 семестр)]] 
[[Извлечение и анализ интернет-данных | Извлечение и анализ интернет-данных (факультет экономических наук)]] 
[[Анализ больших данных в социальных науках (ФСН, 2017) | Анализ больших данных в социальных науках (ФСН, 2017)]] 
[[Информационные_технологии_в_деятельности_юриста|Информационные технологии в деятельности юриста (Факультет права)]] 
[[Машинное_обучение_для_лингвистов|Машинное обучение (магистратура Школы лингвистики)]] 

== Курсы магистратуры Финансовые технологии и анализ данных ==

[[Вероятностные_модели_и_прикладная_статистика_в_финансовой_математике|Вероятностные модели и прикладная статистика в финансовой математике]]

[[Рекомендательные системы и поиск закономерностей в данных|Рекомендательные системы и поиск закономерностей в данных]]

== Courses of Data Science master program/Курсы магистерской программы "Науки о данных" ==

[[Introduction to Machine Learning and Data Mining |Introduction to Machine Learning and Data Mining 2019]]

[[Introduction to Machine Learning and Data Mining 2020 |Introduction to Machine Learning and Data Mining 2020]]

== Курсы за 2016/17 учебный год ==
{| class="wikitable"
|-
! 1 курс !! 2 курс !! 3-4 курс !! майноры
|-
|

[[Математический анализ на ПМИ_2016/2017 | Математический анализ на ПМИ (пилотный поток)]]

[[Линейная алгебра и геометрия_2016/2017 | Линейная алгебра и геометрия на ПМИ]]

[[Дискретная_математика_1_2016/2017 | Дискретная математика-1 на ПМИ]]

[[Основы и методология программирования_2016/2017_пилотный_поток | Основы и методология программирования на ПМИ (пилотный поток)]]

[[Основы и методология программирования_2016/2017 | Основы и методология программирования на ПМИ (основной поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(пилотный_поток) | Алгоритмы и структуры данных на ПМИ (пилотный поток)]]

[[Алгоритмы_и_структуры_данных_на_ПМИ_(основной_поток) | Алгоритмы и структуры данных на ПМИ (основной поток)]]

[[Алгебра_на_ПМИ_2016/2017 | Алгебра на ПМИ]]

[http://hsealgebra17.wikidot.com/ Алгебра на ПИ]

||

[[Математический анализ_2016/2017 | Математический анализ-3 на ПМИ (основной поток)]]

[[Математически_анализ_3_на_ПМИ_(пилотный_поток) | Математический анализ-3 на ПМИ (пилотный поток)]]

[[DM_2_2016_2017 | Дискретная математика-2 на ПМИ (основной поток)]]

[[Дискретная математика_2_2016/2017 | Дискретная математика-2 на ПМИ (пилотный поток)]]

[[Алгоритмы и структуры данных_2_2016/2017 | Алгоритмы и структуры данных – 2 на ПМИ (основной поток)]]

[[Теория вероятностей_2016/2017 | Теория вероятностей на ПМИ (основной поток)]]

[[Теория_вероятностей_2016/2017_(пилотный_поток) | Теория вероятностей на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы]]

[[Факультатив_теория_вычислений_2016/2017 | Факультатив теория вычислений на ПМИ]]

[[Дополнительные_главы_теории_вероятностей_(факультатив,_2017) | Дополнительные главы теории вероятностей (факультатив)]]

[[Дифференциальные_уравнения_(2_курс,_2016/2017) | Дифференциальные уравнения]]

[[Математическая_статистика_2016/2017_(пилотный_поток) | Математическая статистика на ПМИ (пилотный поток)]]

[[Архитектура_компьютеров_и_операционные_системы_2016/2017 | Архитектура компьютеров и операционные системы ]]

||

[[НИС_Машинное_обучение_и_приложения_2016/2017 | НИС Машинное обучение и приложения на ПМИ]]

[[Машинное_обучение_1/2016_2017 | Машинное обучение 1 на ПМИ]]

[[Машинное_обучение_2/2016_2017 | Машинное обучение 2 на ПМИ]]

[[Прикладной_статистический_анализ_данных | Прикладной статистический анализ данных на ПМИ]]

[[Численные_методы_в_анализе_данных | Численные методы в анализе данных на ПМИ]]

[http://www.machinelearning.ru/wiki/index.php?title=Статистика_случайных_процессов_(курс_лекций,_ФКН_ВШЭ) Вероятностные модели и статистика случайных процессов на ПМИ]

[http://www.machinelearning.ru/wiki/index.php?title=Opt Методы оптимизации на ПМИ (специализации МОП и РС)]

[[Методы_оптимизации_(весна_2017)|Методы оптимизации 2 (дискретная оптимизация)]]

[[НИС_Распределенные_системы_(осень_2016) | НИС Распределенные системы]]

[[Анализ и верификация алгоритмов биржевой торговли | Анализ и верификация алгоритмов для систем биржевой торговли ]]

[[Программирование_на_графических_процессорах | Программирование на графических процессорах]]

[[ЯРПО | Языки разработки ПО (курс по выбору) на ПМИ]]

[[Data analysis (Software Engineering) 2017 | Data analysis на ПИ]]

[[Базы данных 2 | Базы данных 2 ]]

[[Компьютерные сети 2 | Компьютерные сети 2]]

[[Машинное_обучение_на_больших_данных | Машинное обучение на больших данных на ПМИ]]

||

[[Современные_методы_машинного_обучения_(курс_майнора) | Современные методы машинного обучения (курс майнора)]]

[[Майнор_Интеллектуальный_анализ_данных/Введение_в_программирование_2016/2017 | Введение в программирование (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2016-2017 | Введение в анализ данных (курс майнора)]]

[[Майнор Интеллектуальный анализ данных/Прикладные задачи анализа данных| Прикладные задачи анализа данных (курс майнора)]]

|}

{|width=100%
|style="vertical-align:top;"|



=== Курсы за 2015/16 учебный год ===
{|
|-
| [[Технологии программирования|Технологии программирования на ПМИ]]
|-
|[[ОиМП-2015|Основы и методология программирования на ПМИ]]
|-
|[[Алгоритмы и структуры данных 2016]]
|-
|[[Линейная алгебра и геометрия_2015/2016 | Линейная алгебра и геометрия на ПМИ]]
|-
|[[Алгебра_2015/2016 | Алгебра на ПМИ]]
|-
|[http://hsealgebra.wikidot.com/ Алгебра на ПИ]
|-
|[[Компьютерные системы]]
|-
|[[Математический анализ на ПМИ_2015/2016 | Математический анализ на ПМИ]]
|-
|[[Факультатив_Матпрактикум | Матпрактикум (факультатив) на ПМИ]]
|-
|[[Data analysis (Software Engineering)]] 
|-
|[[Майнор Интеллектуальный анализ данных/Введение в программирование|Введение в программирование (курс майнора) на ПМИ]]
|-
|[[Майнор Интеллектуальный анализ данных/Введение в анализ данных/2015-2016|Введение в анализ данных (курс майнора) на ПМИ]]
|-
|[[НИС Машинное обучение и приложения|НИС Машинное обучение и приложения на ПМИ]]
|-
|[[Архитектура компьютеров и системное программирование (ПМИ_4, 2015/2016)|Архитектура компьютеров и системное программирование (4 курс)]]
|-
|[[Дифференциальные уравнения (2 курс, 2015/2016)| Дифференциальные уравнения]]
|-
|[[Введение в VBA|Введение в VBA]]
|}

|style="vertical-align:top;"|



=== Курсы за 2014/15 учебный год ===
{|
|-
|[[Основы и методологии программирования]] 
|-
|[[Алгоритмы и структуры данных 2015 | Алгоритмы и структуры данных]] 
|-
|[[Анализ данных (Программная инженерия)]] 
|-
|[[Алгебра_2014/2015 | Алгебра]] 
|-
|[[Magolego_sna_2015| MAGoLEGO Social Network Analysis]]
|}

==== Проектная работа ====
{|
|-
|[[Проектная работа]] 
|-
|[[Учебная практика 1 курс (2016)]]
|-
|[[Проектная работа 2 курс (2016)]]
|}


|}

== Мероприятия факультета компьютерных наук ==
=== Summer School 2015 ===
[[Introduction to Natural Language Processing|Introduction to Natural Language Processing]]
#[[Lecture 1. Introduction|Introduction]]
#[[Lecture 2. Tokenization and word counts|Tokenization and word counts]]
#[[Lecture 3. POS tagging. Key word and phrase extraction|POS tagging. Key word and phrase extraction]]
#[[Lecture 4. Parsing|Parsing]]
#[[Lecture 5. Language sources|Language sources]]
#[[Lecture 6. Synonyms and near-synonyms detection|Synonyms and near-synonyms detection]]
#[[Lecture 8. Suffix trees for NLP|Suffix trees for NLP]]
#[[NLP References|References]]

== Архив ==
* [[Учебная практика 1 курс (2015)]]

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T20:48:47Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T20:48:22Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T20:46:49Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T18:16:41Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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 на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T18:14:31Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing111 Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T18:13:33Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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 будет в середине мая (17-22 мая), а также для всех желающих, которые готовы будут защититься.

Финальная защита для ПМИ и БЭК 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing111 Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T18:11:12Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T17:33:19Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T17:32:15Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T17:32:01Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T17:31:38Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 

{| 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T17:16:08Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском (запись) - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском (запись) - ПМИ и МК 
'''''18:10''''' - Семинар на английском (запись) - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 ПМИ 1 - 13:00, Группа ПМИ 2, БЭК - 16:20, 
'''Группа ПАД 1 - 14:40, Группа ПАД 2 и МИЭФ - 18:10 
'''Группа БИ просматривает записи семинаров (запись будет направляться отдельно) ''' 
 
'''ссылка на подключение к семинару''' - https://zoom.us/j/92914699718
{| class="wikitable"
|-
! Название раздела !! Тема !! Дата для 3 курса !! Презентация !! Запись
|-
| Клиентская аналитика || Знакомство с ПО SAS || 16.01.2021 || || [https://drive.google.com/file/d/1mLZw3Wgw07zJrqIakOoxTDVs6QfFMNvL/view?usp=sharing Семинар №1]
|-
| Клиентская аналитика
|| Методология исследования данных ||23.01.2021 || || [https://drive.google.com/file/d/1lA7KIOd_JkNIzNWMmpVyq6yrOB354jhy/view?usp=drivesdk Семинар №2]
|-
| Клиентская аналитика || Финансовое обоснование проектов, основанных на анализе данных || 30.01.2021 || [https://drive.google.com/file/d/1IZpyRI9ZEZM9BCtEZLSB9yMqBLO_PouM/view?usp=sharing Семинар №3] || [https://drive.google.com/file/d/1e7IMZYEtmuZxvBd7Z2EHM8THkZvEgfVJ/view?usp=sharing Семинар №3]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Задача восстановления спроса, Прогнозирование новых товаров || 06.02.2021 ||[https://drive.google.com/file/d/1JYsICO0BoplPN8gHPTItV2cy2xM7IA04/view?usp=sharing Семинар №4] ||[https://drive.google.com/file/d/1rOmpEKM_xz2-0GMtjxFIZ2iKi9IoGwCR/view?usp=sharing Семинар №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Оптимизация запасов в сети || 13.02.2021 || [https://drive.google.com/file/d/1d11uLIGrg5z65FCshPHvb1JCeqn7fHuh/view?usp=sharing Семинар №5] || [https://drive.google.com/file/d/1eGvR9eTsVmLsmdakweBOdrfD3M-ZeStc/view?usp=sharing Семинар №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Расчёт эластичности товаров. Кластеризации магазинов || 20.02.2021 || [https://drive.google.com/file/d/17OLSfwwy8xa2th0g-Bwyuh7t0hvSc6rz/view?usp=sharing Семинар №6]|| [https://drive.google.com/file/d/17Sbm4mrXB0OKdJddOGW9P-QgTY4YN6hX/view?usp=sharing Семинар №6]
|-
| Основы оценки рисков || Практическое занятие по кредитным рискам || 06.03.2021 || || [https://drive.google.com/file/d/1f7DPSu-w47ESHeX5DjfeLg9XSAtedmA0/view?usp=sharing Семинар №7]

|-
| Основы оценки рисков || Практическое занятие по рыночным рискам || 13.03.2021 || [https://drive.google.com/file/d/15GwASABX24xJPRYNXCButDocCDOAnpvF/view?usp=sharing Семинар №8] || [https://drive.google.com/file/d/1TA_IhJ6E-qVYfsu2cbAYLRpXg17F9ng9/view?usp=sharing Семинар №8]
|-
| Основы оценки рисков || Практическое занятие по валидации моделей || 20.03.2021 || [https://drive.google.com/file/d/1fCUHDEQceFKsDQ49bg0keUluAffSraBJ/view?usp=sharing Семинар №9] || [https://drive.google.com/file/d/17XrmJFSVtDD_AYCjYO_EjCetiJieG7cQ/view?usp=sharing Семинар №9]
|}

== 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T17:15:09Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском - ПМИ и МК 
'''''18:10''''' - Семинар на английском - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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; 
'''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 ПМИ 1 - 13:00, Группа ПМИ 2, БЭК - 16:20, 
'''Группа ПАД 1 - 14:40, Группа ПАД 2 и МИЭФ - 18:10 
'''Группа БИ просматривает записи семинаров (запись будет направляться отдельно) ''' 
 
'''ссылка на подключение к семинару''' - https://zoom.us/j/92914699718
{| class="wikitable"
|-
! Название раздела !! Тема !! Дата для 3 курса !! Презентация !! Запись
|-
| Клиентская аналитика || Знакомство с ПО SAS || 16.01.2021 || || [https://drive.google.com/file/d/1mLZw3Wgw07zJrqIakOoxTDVs6QfFMNvL/view?usp=sharing Семинар №1]
|-
| Клиентская аналитика
|| Методология исследования данных ||23.01.2021 || || [https://drive.google.com/file/d/1lA7KIOd_JkNIzNWMmpVyq6yrOB354jhy/view?usp=drivesdk Семинар №2]
|-
| Клиентская аналитика || Финансовое обоснование проектов, основанных на анализе данных || 30.01.2021 || [https://drive.google.com/file/d/1IZpyRI9ZEZM9BCtEZLSB9yMqBLO_PouM/view?usp=sharing Семинар №3] || [https://drive.google.com/file/d/1e7IMZYEtmuZxvBd7Z2EHM8THkZvEgfVJ/view?usp=sharing Семинар №3]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Задача восстановления спроса, Прогнозирование новых товаров || 06.02.2021 ||[https://drive.google.com/file/d/1JYsICO0BoplPN8gHPTItV2cy2xM7IA04/view?usp=sharing Семинар №4] ||[https://drive.google.com/file/d/1rOmpEKM_xz2-0GMtjxFIZ2iKi9IoGwCR/view?usp=sharing Семинар №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Оптимизация запасов в сети || 13.02.2021 || [https://drive.google.com/file/d/1d11uLIGrg5z65FCshPHvb1JCeqn7fHuh/view?usp=sharing Семинар №5] || [https://drive.google.com/file/d/1eGvR9eTsVmLsmdakweBOdrfD3M-ZeStc/view?usp=sharing Семинар №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Расчёт эластичности товаров. Кластеризации магазинов || 20.02.2021 || [https://drive.google.com/file/d/17OLSfwwy8xa2th0g-Bwyuh7t0hvSc6rz/view?usp=sharing Семинар №6]|| [https://drive.google.com/file/d/17Sbm4mrXB0OKdJddOGW9P-QgTY4YN6hX/view?usp=sharing Семинар №6]
|-
| Основы оценки рисков || Практическое занятие по кредитным рискам || 06.03.2021 || || [https://drive.google.com/file/d/1f7DPSu-w47ESHeX5DjfeLg9XSAtedmA0/view?usp=sharing Семинар №7]

|-
| Основы оценки рисков || Практическое занятие по рыночным рискам || 13.03.2021 || [https://drive.google.com/file/d/15GwASABX24xJPRYNXCButDocCDOAnpvF/view?usp=sharing Семинар №8] || [https://drive.google.com/file/d/1TA_IhJ6E-qVYfsu2cbAYLRpXg17F9ng9/view?usp=sharing Семинар №8]
|-
| Основы оценки рисков || Практическое занятие по валидации моделей || 20.03.2021 || [https://drive.google.com/file/d/1fCUHDEQceFKsDQ49bg0keUluAffSraBJ/view?usp=sharing Семинар №9] || [https://drive.google.com/file/d/17XrmJFSVtDD_AYCjYO_EjCetiJieG7cQ/view?usp=sharing Семинар №9]
|}

== 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T16:54:28Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском - ПМИ и МК 
'''''18:10''''' - Семинар на английском - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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 - 09:30 - 10:50; 
'''ПМИ, БЭК и БИ - 11:10 - 12:30 ''' 
 
'''ссылка на подключение к лекции''' - https://zoom.us/j/92914699718
|-
! Название раздела !! Тема !! Дата для 3 и 4 курса !! Презентация!! Запись
|-
| Клиентская аналитика || Вводная лекция и введение в клиентскую аналитику || 16.01.2021 || [https://drive.google.com/file/d/1GqOZwsEEZ2D1Ar3tvFIdx5RYyy-Ln8nM/view?usp=sharing Лекция №1] || [https://drive.google.com/file/d/1JWG3WdtlPKGD9A-VuP6iDMn4j-ETgKgg/view?usp=sharing Лекция №1]
|-
| Клиентская аналитика || Построение моделей и визуализация данных || 23.01.2021 || [https://drive.google.com/file/d/1EC0IVmXEBavt_uylO04Zvg20ntLMgbO7/view?usp=drivesdk Лекция №2] || [https://drive.google.com/file/d/1yYSHwg4_FXiRAXziIn-tyqNb5NQ0jZve/view?usp=drivesdk Лекция №2]
|-
| Клиентская аналитика || Текстовый анализ данных || 30.01.2021 || [https://drive.google.com/file/d/1l15XEsGQEwhIzcak1kXsvxN6vRFvTr9V/view?usp=sharing Лекция №3 - рус] [https://drive.google.com/file/d/14hvnV_hMqgcLTGuvLtwwFZJ7JShfpriF/view?usp=sharing Лекция №3 - Eng] || [https://drive.google.com/file/d/1mUV5b9kpF1uWDTwLe515Hh2xcryEjSF2/view?usp=sharing Лекция №3 - рус] [https://drive.google.com/file/d/1VwP4hZWabY5FNx4VJLDT1W0ouBLhQ5ZU/view?usp=sharing Лекция №3 - Eng]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Введение в задачи анализа данных в ритейле. Прогнозирование спроса || 06.02.2021 || [https://drive.google.com/file/d/1GD-MMh_0J8g9TD3CTwmqWWwClxR9tuq1/view?usp=sharing Лекция №4 - рус] || [https://drive.google.com/file/d/1JDoo03eeIbxgmAm7glzYVa_tNqg98Lr9/view?usp=sharing Лекция №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса || 13.02.2021 ||[https://drive.google.com/file/d/1EO7NUI6Mm_1xYdI6LaKX2h_pwBMBkIIT/view?usp=sharing Лекция №5] || [https://drive.google.com/file/d/1YF_08RsRNeXBy5ljWF5cJNPiYLPxZt6f/view?usp=sharing Лекция №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента|| 20.02.2021 || [https://drive.google.com/file/d/1gVpt_xnI1YktPuDJTJYN350WkGjHxcQK/view?usp=sharing Лекция №6] || [https://drive.google.com/file/d/1Pb-YANBVxG4jsD50JCOs91-kTT5lfj-P/view?usp=sharing Лекция №6]

|-
| Основы оценки рисков || Введение в кредитные риски || 06.03.2021 || [https://drive.google.com/file/d/1sOIJ_qixdURKH-wupqgvrzphi4Nv-8Fz/view?usp=sharing Лекция №7] || [https://drive.google.com/file/d/1Ry9UzDUsFK1FgsMtPg_J0p5NLy6XTa4y/view?usp=sharing Лекция №7]
|-
| Основы оценки рисков || Введение в рыночные риски || 13.03.2021 || [https://drive.google.com/file/d/1W6kKGqzZ6iD7pymgM8kdojeWkLRVbuyU/view?usp=sharing Лекция №8] || [https://drive.google.com/file/d/1Y_IDa4tYEr4j2ctta6cayCcMNthdul-I/view?usp=sharing Лекция №8]
|-
| Основы оценки рисков || Валидация моделей || 20.03.2021 || [https://drive.google.com/file/d/1KEiiCC0JN0f7r1fv3khEvONqK2aYKrHm/view?usp=sharing Лекция №9] || [https://drive.google.com/file/d/1S198_wXn5clueaff_BLVznNBsKTAliME/view?usp=sharing Лекция №9]
|-
| ModelOps (запись) || Операционализация моделей машинного обучения || (запись доступна до 9.04.2021) || || [https://youtu.be/e4fo20VSp-Y Запись лекции №10]
|}

== Семинары ==

'''суббота
'''Группа ПМИ 1 - 13:00, Группа ПМИ 2, БЭК - 16:20, 
'''Группа ПАД 1 - 14:40, Группа ПАД 2 и МИЭФ - 18:10 
'''Группа БИ просматривает записи семинаров (запись будет направляться отдельно) ''' 
 
'''ссылка на подключение к семинару''' - https://zoom.us/j/92914699718
{| class="wikitable"
|-
! Название раздела !! Тема !! Дата для 3 курса !! Презентация !! Запись
|-
| Клиентская аналитика || Знакомство с ПО SAS || 16.01.2021 || || [https://drive.google.com/file/d/1mLZw3Wgw07zJrqIakOoxTDVs6QfFMNvL/view?usp=sharing Семинар №1]
|-
| Клиентская аналитика
|| Методология исследования данных ||23.01.2021 || || [https://drive.google.com/file/d/1lA7KIOd_JkNIzNWMmpVyq6yrOB354jhy/view?usp=drivesdk Семинар №2]
|-
| Клиентская аналитика || Финансовое обоснование проектов, основанных на анализе данных || 30.01.2021 || [https://drive.google.com/file/d/1IZpyRI9ZEZM9BCtEZLSB9yMqBLO_PouM/view?usp=sharing Семинар №3] || [https://drive.google.com/file/d/1e7IMZYEtmuZxvBd7Z2EHM8THkZvEgfVJ/view?usp=sharing Семинар №3]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Задача восстановления спроса, Прогнозирование новых товаров || 06.02.2021 ||[https://drive.google.com/file/d/1JYsICO0BoplPN8gHPTItV2cy2xM7IA04/view?usp=sharing Семинар №4] ||[https://drive.google.com/file/d/1rOmpEKM_xz2-0GMtjxFIZ2iKi9IoGwCR/view?usp=sharing Семинар №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Оптимизация запасов в сети || 13.02.2021 || [https://drive.google.com/file/d/1d11uLIGrg5z65FCshPHvb1JCeqn7fHuh/view?usp=sharing Семинар №5] || [https://drive.google.com/file/d/1eGvR9eTsVmLsmdakweBOdrfD3M-ZeStc/view?usp=sharing Семинар №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Расчёт эластичности товаров. Кластеризации магазинов || 20.02.2021 || [https://drive.google.com/file/d/17OLSfwwy8xa2th0g-Bwyuh7t0hvSc6rz/view?usp=sharing Семинар №6]|| [https://drive.google.com/file/d/17Sbm4mrXB0OKdJddOGW9P-QgTY4YN6hX/view?usp=sharing Семинар №6]
|-
| Основы оценки рисков || Практическое занятие по кредитным рискам || 06.03.2021 || || [https://drive.google.com/file/d/1f7DPSu-w47ESHeX5DjfeLg9XSAtedmA0/view?usp=sharing Семинар №7]

|-
| Основы оценки рисков || Практическое занятие по рыночным рискам || 13.03.2021 || [https://drive.google.com/file/d/15GwASABX24xJPRYNXCButDocCDOAnpvF/view?usp=sharing Семинар №8] || [https://drive.google.com/file/d/1TA_IhJ6E-qVYfsu2cbAYLRpXg17F9ng9/view?usp=sharing Семинар №8]
|-
| Основы оценки рисков || Практическое занятие по валидации моделей || 20.03.2021 || [https://drive.google.com/file/d/1fCUHDEQceFKsDQ49bg0keUluAffSraBJ/view?usp=sharing Семинар №9] || [https://drive.google.com/file/d/17XrmJFSVtDD_AYCjYO_EjCetiJieG7cQ/view?usp=sharing Семинар №9]
|}

== 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T16:39:19Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском - ПМИ и МК 
'''''18:10''''' - Семинар на английском - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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 и текстовая аналитика;
* Задачи анализа данных в розничных сетях продаж товаров;
* Основы управления рисками.

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 - 09:30 - 10:50; 
'''ПМИ, БЭК и БИ - 11:10 - 12:30 ''' 
 
'''ссылка на подключение к лекции''' - https://zoom.us/j/92914699718
|-
! Название раздела !! Тема !! Дата для 3 и 4 курса !! Презентация!! Запись
|-
| Клиентская аналитика || Вводная лекция и введение в клиентскую аналитику || 16.01.2021 || [https://drive.google.com/file/d/1GqOZwsEEZ2D1Ar3tvFIdx5RYyy-Ln8nM/view?usp=sharing Лекция №1] || [https://drive.google.com/file/d/1JWG3WdtlPKGD9A-VuP6iDMn4j-ETgKgg/view?usp=sharing Лекция №1]
|-
| Клиентская аналитика || Построение моделей и визуализация данных || 23.01.2021 || [https://drive.google.com/file/d/1EC0IVmXEBavt_uylO04Zvg20ntLMgbO7/view?usp=drivesdk Лекция №2] || [https://drive.google.com/file/d/1yYSHwg4_FXiRAXziIn-tyqNb5NQ0jZve/view?usp=drivesdk Лекция №2]
|-
| Клиентская аналитика || Текстовый анализ данных || 30.01.2021 || [https://drive.google.com/file/d/1l15XEsGQEwhIzcak1kXsvxN6vRFvTr9V/view?usp=sharing Лекция №3 - рус] [https://drive.google.com/file/d/14hvnV_hMqgcLTGuvLtwwFZJ7JShfpriF/view?usp=sharing Лекция №3 - Eng] || [https://drive.google.com/file/d/1mUV5b9kpF1uWDTwLe515Hh2xcryEjSF2/view?usp=sharing Лекция №3 - рус] [https://drive.google.com/file/d/1VwP4hZWabY5FNx4VJLDT1W0ouBLhQ5ZU/view?usp=sharing Лекция №3 - Eng]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Введение в задачи анализа данных в ритейле. Прогнозирование спроса || 06.02.2021 || [https://drive.google.com/file/d/1GD-MMh_0J8g9TD3CTwmqWWwClxR9tuq1/view?usp=sharing Лекция №4 - рус] || [https://drive.google.com/file/d/1JDoo03eeIbxgmAm7glzYVa_tNqg98Lr9/view?usp=sharing Лекция №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса || 13.02.2021 ||[https://drive.google.com/file/d/1EO7NUI6Mm_1xYdI6LaKX2h_pwBMBkIIT/view?usp=sharing Лекция №5] || [https://drive.google.com/file/d/1YF_08RsRNeXBy5ljWF5cJNPiYLPxZt6f/view?usp=sharing Лекция №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента|| 20.02.2021 || [https://drive.google.com/file/d/1gVpt_xnI1YktPuDJTJYN350WkGjHxcQK/view?usp=sharing Лекция №6] || [https://drive.google.com/file/d/1Pb-YANBVxG4jsD50JCOs91-kTT5lfj-P/view?usp=sharing Лекция №6]

|-
| Основы оценки рисков || Введение в кредитные риски || 06.03.2021 || [https://drive.google.com/file/d/1sOIJ_qixdURKH-wupqgvrzphi4Nv-8Fz/view?usp=sharing Лекция №7] || [https://drive.google.com/file/d/1Ry9UzDUsFK1FgsMtPg_J0p5NLy6XTa4y/view?usp=sharing Лекция №7]
|-
| Основы оценки рисков || Введение в рыночные риски || 13.03.2021 || [https://drive.google.com/file/d/1W6kKGqzZ6iD7pymgM8kdojeWkLRVbuyU/view?usp=sharing Лекция №8] || [https://drive.google.com/file/d/1Y_IDa4tYEr4j2ctta6cayCcMNthdul-I/view?usp=sharing Лекция №8]
|-
| Основы оценки рисков || Валидация моделей || 20.03.2021 || [https://drive.google.com/file/d/1KEiiCC0JN0f7r1fv3khEvONqK2aYKrHm/view?usp=sharing Лекция №9] || [https://drive.google.com/file/d/1S198_wXn5clueaff_BLVznNBsKTAliME/view?usp=sharing Лекция №9]
|-
| ModelOps (запись) || Операционализация моделей машинного обучения || (запись доступна до 9.04.2021) || || [https://youtu.be/e4fo20VSp-Y Запись лекции №10]
|}

== Семинары ==

'''суббота
'''Группа ПМИ 1 - 13:00, Группа ПМИ 2, БЭК - 16:20, 
'''Группа ПАД 1 - 14:40, Группа ПАД 2 и МИЭФ - 18:10 
'''Группа БИ просматривает записи семинаров (запись будет направляться отдельно) ''' 
 
'''ссылка на подключение к семинару''' - https://zoom.us/j/92914699718
{| class="wikitable"
|-
! Название раздела !! Тема !! Дата для 3 курса !! Презентация !! Запись
|-
| Клиентская аналитика || Знакомство с ПО SAS || 16.01.2021 || || [https://drive.google.com/file/d/1mLZw3Wgw07zJrqIakOoxTDVs6QfFMNvL/view?usp=sharing Семинар №1]
|-
| Клиентская аналитика
|| Методология исследования данных ||23.01.2021 || || [https://drive.google.com/file/d/1lA7KIOd_JkNIzNWMmpVyq6yrOB354jhy/view?usp=drivesdk Семинар №2]
|-
| Клиентская аналитика || Финансовое обоснование проектов, основанных на анализе данных || 30.01.2021 || [https://drive.google.com/file/d/1IZpyRI9ZEZM9BCtEZLSB9yMqBLO_PouM/view?usp=sharing Семинар №3] || [https://drive.google.com/file/d/1e7IMZYEtmuZxvBd7Z2EHM8THkZvEgfVJ/view?usp=sharing Семинар №3]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Задача восстановления спроса, Прогнозирование новых товаров || 06.02.2021 ||[https://drive.google.com/file/d/1JYsICO0BoplPN8gHPTItV2cy2xM7IA04/view?usp=sharing Семинар №4] ||[https://drive.google.com/file/d/1rOmpEKM_xz2-0GMtjxFIZ2iKi9IoGwCR/view?usp=sharing Семинар №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Оптимизация запасов в сети || 13.02.2021 || [https://drive.google.com/file/d/1d11uLIGrg5z65FCshPHvb1JCeqn7fHuh/view?usp=sharing Семинар №5] || [https://drive.google.com/file/d/1eGvR9eTsVmLsmdakweBOdrfD3M-ZeStc/view?usp=sharing Семинар №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Расчёт эластичности товаров. Кластеризации магазинов || 20.02.2021 || [https://drive.google.com/file/d/17OLSfwwy8xa2th0g-Bwyuh7t0hvSc6rz/view?usp=sharing Семинар №6]|| [https://drive.google.com/file/d/17Sbm4mrXB0OKdJddOGW9P-QgTY4YN6hX/view?usp=sharing Семинар №6]
|-
| Основы оценки рисков || Практическое занятие по кредитным рискам || 06.03.2021 || || [https://drive.google.com/file/d/1f7DPSu-w47ESHeX5DjfeLg9XSAtedmA0/view?usp=sharing Семинар №7]

|-
| Основы оценки рисков || Практическое занятие по рыночным рискам || 13.03.2021 || [https://drive.google.com/file/d/15GwASABX24xJPRYNXCButDocCDOAnpvF/view?usp=sharing Семинар №8] || [https://drive.google.com/file/d/1TA_IhJ6E-qVYfsu2cbAYLRpXg17F9ng9/view?usp=sharing Семинар №8]
|-
| Основы оценки рисков || Практическое занятие по валидации моделей || 20.03.2021 || [https://drive.google.com/file/d/1fCUHDEQceFKsDQ49bg0keUluAffSraBJ/view?usp=sharing Семинар №9] || [https://drive.google.com/file/d/17XrmJFSVtDD_AYCjYO_EjCetiJieG7cQ/view?usp=sharing Семинар №9]
|}

== 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com

Анализ данных в бизнесе (Кафедра SAS) 21/22

2022-01-04T16:38:32Z

РўР°С‚СЊСЏРЅР° Р›РѕР±РѕРє:

[[Файл:Capture.PNG|1000px|безрамки|справа]]

=== Расписание занятий ===
Занятия проводятся по '''субботам''' 

'''Общая ссылка для всех лекций и семинаров:''' https://zoom.us/j/99220349786?pwd=WjFZTEFiQzA4b1lzVmVDbXdmNVMwUT09 

Идентификатор конференции: 992 2034 9786 
Код доступа: 476860 
 
'''''9:30''''' - Семинар на русском - ФЭН 3 курс (совместно с БК ГК "Открытие") 
'''''11:10''''' - Семинар на русском - ФЭН 4 курс (совместно с БК ГК "Открытие") 
'''''13:00''''' - Лекция на английском (запись) - ПАД и МИЭФ 
'''''14:40''''' - Лекция на русском - ПМИ, ФЭН, МК 
'''''16:20''''' - Семинар на русском - ПМИ и МК 
'''''18:10''''' - Семинар на английском - ПАД1 и МИЭФ 
'''''19:40''''' - Семинар на английском - ПАД2 
 

При посещении лекции и семинара в Zoom просим студентов '''сделать Rename''' и подписаться в формате «Префикс_Фамилия Имя», указав один из префиксов (МИЭФ, МК, ПАД, ПМИ, ФЭН). Например, «БИ_Иванов Алексей»

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

{| 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 и Лондонского университета] || 3 курс || Международный институт экономики и финансов НИУ ВШЭ || нет
|}
 
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 и текстовая аналитика;
* Задачи анализа данных в розничных сетях продаж товаров;
* Основы управления рисками.

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 - 09:30 - 10:50; 
'''ПМИ, БЭК и БИ - 11:10 - 12:30 ''' 
 
'''ссылка на подключение к лекции''' - https://zoom.us/j/92914699718
|-
! Название раздела !! Тема !! Дата для 3 и 4 курса !! Презентация!! Запись
|-
| Клиентская аналитика || Вводная лекция и введение в клиентскую аналитику || 16.01.2021 || [https://drive.google.com/file/d/1GqOZwsEEZ2D1Ar3tvFIdx5RYyy-Ln8nM/view?usp=sharing Лекция №1] || [https://drive.google.com/file/d/1JWG3WdtlPKGD9A-VuP6iDMn4j-ETgKgg/view?usp=sharing Лекция №1]
|-
| Клиентская аналитика || Построение моделей и визуализация данных || 23.01.2021 || [https://drive.google.com/file/d/1EC0IVmXEBavt_uylO04Zvg20ntLMgbO7/view?usp=drivesdk Лекция №2] || [https://drive.google.com/file/d/1yYSHwg4_FXiRAXziIn-tyqNb5NQ0jZve/view?usp=drivesdk Лекция №2]
|-
| Клиентская аналитика || Текстовый анализ данных || 30.01.2021 || [https://drive.google.com/file/d/1l15XEsGQEwhIzcak1kXsvxN6vRFvTr9V/view?usp=sharing Лекция №3 - рус] [https://drive.google.com/file/d/14hvnV_hMqgcLTGuvLtwwFZJ7JShfpriF/view?usp=sharing Лекция №3 - Eng] || [https://drive.google.com/file/d/1mUV5b9kpF1uWDTwLe515Hh2xcryEjSF2/view?usp=sharing Лекция №3 - рус] [https://drive.google.com/file/d/1VwP4hZWabY5FNx4VJLDT1W0ouBLhQ5ZU/view?usp=sharing Лекция №3 - Eng]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Введение в задачи анализа данных в ритейле. Прогнозирование спроса || 06.02.2021 || [https://drive.google.com/file/d/1GD-MMh_0J8g9TD3CTwmqWWwClxR9tuq1/view?usp=sharing Лекция №4 - рус] || [https://drive.google.com/file/d/1JDoo03eeIbxgmAm7glzYVa_tNqg98Lr9/view?usp=sharing Лекция №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Описательная аналитика в Ритейл: кластеризация магазинов, сегментация товаров, восстановление спроса || 13.02.2021 ||[https://drive.google.com/file/d/1EO7NUI6Mm_1xYdI6LaKX2h_pwBMBkIIT/view?usp=sharing Лекция №5] || [https://drive.google.com/file/d/1YF_08RsRNeXBy5ljWF5cJNPiYLPxZt6f/view?usp=sharing Лекция №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Задачи оптимизации запасов товаров в ритейл-сети, оптимизация цен, оптимизация ассортимента|| 20.02.2021 || [https://drive.google.com/file/d/1gVpt_xnI1YktPuDJTJYN350WkGjHxcQK/view?usp=sharing Лекция №6] || [https://drive.google.com/file/d/1Pb-YANBVxG4jsD50JCOs91-kTT5lfj-P/view?usp=sharing Лекция №6]

|-
| Основы оценки рисков || Введение в кредитные риски || 06.03.2021 || [https://drive.google.com/file/d/1sOIJ_qixdURKH-wupqgvrzphi4Nv-8Fz/view?usp=sharing Лекция №7] || [https://drive.google.com/file/d/1Ry9UzDUsFK1FgsMtPg_J0p5NLy6XTa4y/view?usp=sharing Лекция №7]
|-
| Основы оценки рисков || Введение в рыночные риски || 13.03.2021 || [https://drive.google.com/file/d/1W6kKGqzZ6iD7pymgM8kdojeWkLRVbuyU/view?usp=sharing Лекция №8] || [https://drive.google.com/file/d/1Y_IDa4tYEr4j2ctta6cayCcMNthdul-I/view?usp=sharing Лекция №8]
|-
| Основы оценки рисков || Валидация моделей || 20.03.2021 || [https://drive.google.com/file/d/1KEiiCC0JN0f7r1fv3khEvONqK2aYKrHm/view?usp=sharing Лекция №9] || [https://drive.google.com/file/d/1S198_wXn5clueaff_BLVznNBsKTAliME/view?usp=sharing Лекция №9]
|-
| ModelOps (запись) || Операционализация моделей машинного обучения || (запись доступна до 9.04.2021) || || [https://youtu.be/e4fo20VSp-Y Запись лекции №10]
|}

== Семинары ==

'''суббота
'''Группа ПМИ 1 - 13:00, Группа ПМИ 2, БЭК - 16:20, 
'''Группа ПАД 1 - 14:40, Группа ПАД 2 и МИЭФ - 18:10 
'''Группа БИ просматривает записи семинаров (запись будет направляться отдельно) ''' 
 
'''ссылка на подключение к семинару''' - https://zoom.us/j/92914699718
{| class="wikitable"
|-
! Название раздела !! Тема !! Дата для 3 курса !! Презентация !! Запись
|-
| Клиентская аналитика || Знакомство с ПО SAS || 16.01.2021 || || [https://drive.google.com/file/d/1mLZw3Wgw07zJrqIakOoxTDVs6QfFMNvL/view?usp=sharing Семинар №1]
|-
| Клиентская аналитика
|| Методология исследования данных ||23.01.2021 || || [https://drive.google.com/file/d/1lA7KIOd_JkNIzNWMmpVyq6yrOB354jhy/view?usp=drivesdk Семинар №2]
|-
| Клиентская аналитика || Финансовое обоснование проектов, основанных на анализе данных || 30.01.2021 || [https://drive.google.com/file/d/1IZpyRI9ZEZM9BCtEZLSB9yMqBLO_PouM/view?usp=sharing Семинар №3] || [https://drive.google.com/file/d/1e7IMZYEtmuZxvBd7Z2EHM8THkZvEgfVJ/view?usp=sharing Семинар №3]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Задача восстановления спроса, Прогнозирование новых товаров || 06.02.2021 ||[https://drive.google.com/file/d/1JYsICO0BoplPN8gHPTItV2cy2xM7IA04/view?usp=sharing Семинар №4] ||[https://drive.google.com/file/d/1rOmpEKM_xz2-0GMtjxFIZ2iKi9IoGwCR/view?usp=sharing Семинар №4]
|-
| Задачи анализа данных в розничных сетях продаж товаров || Оптимизация запасов в сети || 13.02.2021 || [https://drive.google.com/file/d/1d11uLIGrg5z65FCshPHvb1JCeqn7fHuh/view?usp=sharing Семинар №5] || [https://drive.google.com/file/d/1eGvR9eTsVmLsmdakweBOdrfD3M-ZeStc/view?usp=sharing Семинар №5]

|-
| Задачи анализа данных в розничных сетях продаж товаров || Расчёт эластичности товаров. Кластеризации магазинов || 20.02.2021 || [https://drive.google.com/file/d/17OLSfwwy8xa2th0g-Bwyuh7t0hvSc6rz/view?usp=sharing Семинар №6]|| [https://drive.google.com/file/d/17Sbm4mrXB0OKdJddOGW9P-QgTY4YN6hX/view?usp=sharing Семинар №6]
|-
| Основы оценки рисков || Практическое занятие по кредитным рискам || 06.03.2021 || || [https://drive.google.com/file/d/1f7DPSu-w47ESHeX5DjfeLg9XSAtedmA0/view?usp=sharing Семинар №7]

|-
| Основы оценки рисков || Практическое занятие по рыночным рискам || 13.03.2021 || [https://drive.google.com/file/d/15GwASABX24xJPRYNXCButDocCDOAnpvF/view?usp=sharing Семинар №8] || [https://drive.google.com/file/d/1TA_IhJ6E-qVYfsu2cbAYLRpXg17F9ng9/view?usp=sharing Семинар №8]
|-
| Основы оценки рисков || Практическое занятие по валидации моделей || 20.03.2021 || [https://drive.google.com/file/d/1fCUHDEQceFKsDQ49bg0keUluAffSraBJ/view?usp=sharing Семинар №9] || [https://drive.google.com/file/d/17XrmJFSVtDD_AYCjYO_EjCetiJieG7cQ/view?usp=sharing Семинар №9]
|}

== 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, 10'''

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).

Подробное описание Домашнего задания №1 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/1jlY6dqZmYKZq65e_pcbHFoNIL31KK6Gd_xoiP9IteMY/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 графикамии данными.

2. Архив (.zip) с файлами требуется отправить на почту Natalia.Titova@sas.com 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, предоставленрабочий 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 2021 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 – 4 марта 2021 23:59.''

'''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 27.03.2021 включительно''

Решения присылать на почту Maria.Vorobyova.Ser@gmail.com
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 будет в середине мая (17-22 мая), а также для всех желающих.которые готовы будут защититься.

Финальная защита для ПМИ и БЭК будет в середите 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 заяку 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/1bKLieQ4htcn996CijYwkeVZVswsBv7WhA24_kp15nds/edit?usp=sharing Командные проекты - даты защит по группам и ссылки на подключение.]

== Задать вопрос по курсу ==
'''Вопросы''' по курсу можно задавать на почту kafedraSAS.HSE@gmail.com, а также в телеграм чат или методисту кафедры Лобок Татьяне (@tatianalobok) tlobok@hse.ru.

Канал в telegram для объявлений: https://t.me/joinchat/S5rtWXWI7-jw8fYV

Чат в telegram для обсуждений: https://t.me/joinchat/S3PZRVqXeZeAB2cY

''' Все объявления и материалы по курсу будут вывешиваться в чате и в канале телеграм! '''
Преподаватели в чате бывают, но не всегда.
По всем важным вопросам стоит писать преподавателю Титовой Наталии в чате телеграм или на почту Natalia.Titova@sas.com. В название письма обязательно добавлять тег [ПМИ ФКН ВШЭ/ПАД ФКН ВШЭ/МИЭФ ФКН 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.

== Материалы по курсу ==
'''Документы и программа курса'''
''Внимание: файлы обновляются!''

*Рабочая программа дисциплины для 3 курса можно найти по следующей [https://drive.google.com/open?id=1s2yIzkdGDVGm92wDQBB0OlHOIANaJxK2 ссылке].

*Рабочая программа дисциплины для 4 курса можно найти по следующей [https://drive.google.com/open?id=12FxhMSSkVVNHrHv2Jy4nboBEEVhfnu86 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

[[Файл:Колос Екатерина Геннадьевна.jpg|микро|70px|безрамки|слева]] '''Колос Екатерина Геннадьевна''' - администратор сервера SAS
Ekaterina.Kolos@sas.com