Экономика впечатлений: Введение в Data Science

О курсе

Цель учебной дисциплины - познакомить студентов с основными концепциями и методами анализа данных и машинного обучения.

Учимся:

• работать с питоном
• понимать основные понятия Data Science
• знать основные методы AI
• отличать кластеризацию от регрессии
• подбирать подходящую визуализацию

Программа

Тема 1. Введение. Что такое Data Science.

• Введение в Artificial intelligence, Data Science, Machine Learning, Deep Learning, Big Data.
• Какие сейчас выполняются задачки в туристическом IT-бизнесе с использованием AI и ML?
• Какие возможности на рынке труда открывают перед тобой навыки работы с данными. SAAS бизнес.
• Обзор инструментов и библиотек, которыми будем пользоваться: Python, введение в pandas.
• Домашка: Посмотреть внимательно несколько ноутбуков в питоне. Введение в pandas, датасет по бронированиям

Тема 2. Краткий курс нужной математики для Data Science

• Теория вероятностей: вероятность, распределение, характеристики распределений.
• Математическая статистика: выборка, типы выборок. Описательная статистика, меры центральной тенденции. Среднее, мода, медиана, стандартное отклонение, процентили, минимум, максимум.
• Пакет Pandas
• Небольшое дз в питоне №1: небольшие задачки на описательную статистику, использование pandas

Тема 3. Визуализация данных

• Основные виды графиков: гистограмма, bar chart, scatterplot. Использование графиков при подготовке данных.
• Зачем нужна визуализация данных в бизнесе
• Основные ошибки при визуализации
• Небольшое дз в питоне №2

Тема 4. Регрессия

• Определение регрессии, нулевая гипотеза, ошибки первого и нулевого рода.
• Метрики регрессии: MAE, MAPE, MSE, R2
• Описание и постановка задач для регрессии

Небольшое дз в питоне №3

Тема 5. Классификация: KNN, Алгоритм решающих деревьев

• Определение классификации, метрики: доля правильных ответов (accuracy), точность (precision), полнотa (recall). PR-кривая. ROC-кривая.
• Обучение с учителем и без учителя. Валидация.
• Задачи классификации
• Алгоритмы классификации и их отличия
• Небольшое дз в питоне №4

Тема 6. Анализ текстовых данных

• Подробное изучение бизнес-кейса с тональностью комментариев к отелям с Tripadvisor
• Распознавание текста комментариев и их тональности. Изучение библиотек работы с текстом. Метод сбора данных из открытых источников.
• Разметка комментариев по тональности
• Обучение модельки, которая выявляет тональности у комментариев на размеченной выборке
• Применение модельки на новых комментариях
• Оценка результатов
• Дз в питоне №5: Накидать новые переменные в разобранную на семинаре модель, описать получившийся результат

Тема 7. Защита проектов с применением машинного обучения

• Необходимо разобрать реальный бизнес-кейс, который был решён при помощи машинного обучения и искусственного интеллекта.
• Описать бизнес-задачу, использованные методы и результаты.

Презентации

Тема 1. Введение