Основы анализа данных в международных отношениях 22/23

О курсе

Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных специально для студентов образовательной программы «Международные отношения» и направлен на формирование компетенций в области статистики и анализа данных. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных.

Дисциплина реализуется с помощью онлайн-курса «Статистика для анализа данных».

[# Ссылка на ПУД Курса на сайте ОП]

[# Ссылка на ПУД НЭ на сайте ОП]

Необходимые ссылки

[# Канал новостей в телеграме]

[# Ссылка на ведомость]

[# Ссылка на онлайн-курс «Статистика для анализа данных»]

[# Спецификация НЭ]

Приложение №17 к ПОПАТКУСу, Порядок организации Независимых экзаменов по Цифровым компетенциям

Команда курса

Группа	Преподаватель	Контакты	Ассистент	Контакты
БМО211, [# чат группы в Телеграме]	Бурова Маргарита	@Burritas	Мохова Елизавета	@SuntAmara
БМО21#, [# чат группы в Телеграме]	Маркина Дарья	@MarkinaDaria	Прохоров Кирилл	@Kirillp001
БМО21#, [# чат группы в Телеграме]	Маркина Дарья	@MarkinaDaria	Рубанов Владислав	@rubanoww
БМО21#, [# чат группы в Телеграме]	Бочарова Александра	@ashebulka	Капустина Лика	@lika_kapustina

Материалы курса

План курса

№	Тема	Описание
1	Введение в инструменты	Инструменты для работы с Python.
2	Введение в статистику. Базовые манипуляции с данными	Фильтрация данных, сортировка данных, использованием функций.
3	Типы данных. Создание новых переменных	Типы признаков. Создание новых переменных по условию.
4	Генеральная совокупность и выборка. Частотные таблицы и распределения	Понятия генеральной совокупности, выборки, репрезентативности. Составление частотных таблиц, визуализация частотных таблиц: гистограмма и полигон. Группировка данных и сводные таблицы.
5	Описательные статистики: меры центральной тенденции и разброса	Методы центральной тенденции (мода, среднее арифметическое, медиана). Меры разброса ( размах, стандартное отклонение, дисперсия, межквартильный размах). Вычисление описательных статистик с группировкой.
6	Z-оценка. Выбросы	Перевод значений в z-оценки. Работа с пропущенными значениями и с выбросами.
7	Корреляция	Вычисление коэффициента корреляции Пирсона. Построение уравнения простой линейной регрессии, линия тренда.
8	Введение в визуализацию данных	Использование простейших визуализаций. Линейный график, столбчатая диаграмма, точечная диаграмма.
9	Продвинутая визуализация данных	Использование продвинутых методов визуализации данных, создание различных диаграмм. Разведочный анализ данных. Создание интерактивных визуализаций.
10	Введение в тестирование гипотез. Непараметрические критерии	Основы тестирования гипотез. Использование непараметрических критериев. Критерий согласия Хи-квадрат и критерий независимости Хи-квадрат.
11	Параметрические критерии для проверки гипотез	Параметрические статистические критерии. Т-тест : одновыборочный, парный, двухвыборочный.
12	Линейная регрессия	Предпосылки линейной регрессии. Построение уравнения простой и множественной линейной регрессии. Оценка качества построенной модели.
13	Логистическая регрессия	Введение в логистическую регрессию. Построение предсказаний с использованием логистической регрессии, интерпретация коэффициентов.
14	Введение в машинное обучение	Основные понятия, связанные с машинным обучением. Решение задачи регрессии и классификации. Оценка качества.

Правила выставления оценок

Формула

Итог = МИН(10, 0.2*КР1 + 0.2*Экзамен + 0.2*ДЗ + 0.2*Тесты + 0.2*Проект + 0.1*Квизы)

• 0.2 * КР1
• 0.2 * Экзамен
• 0.2 * ДЗ (среднее арифметическое по 6 дз)
• 0.2 * мини-тесты на семинарах
• 0.2 * исследовательский проект
• 0.1 * Квизы

Округление стандартное арифметическое. Округляется только итоговый результат.

Правила дедлайнов

• Домашние задания: дедлайн + поздний дедлайн со штрафом 1 балл за каждый день просрочки.
• Проект: проект не может быть засчитан, если студент не пришел на защиту - даже если проект групповой и защищает группа без студента - непришедшему ставится ноль, или не сдал проект ДО ЗАЩИТЫ в установленное время.
• Контрольные: жёсткий дедлайн.
• Все дедлайны – общие для всего курса.

Литература

Рекомендуемая основная литература

• Elementary statistics : a step by step approach, Bluman, A. G.,
• Essentials of Statistics for the Behavioral Sciences. Frederick J. Gravetter, Larry B. Wallnau. Wadsworth.

Рекомендуемая дополнительная литература

• Савельев В. Статистика и котики.