Анализ данных в менеджменте и экономике

2025/2026

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент экономики и анализа данных (Факультет экономики НИУ ВШЭ (Нижний Новгород))

Статус:

Курс обязательный

Когда читается:

3-й курс, 3 модуль

Преподаватели

Граница Юлия Валентиновна

Ларин Александр Владимирович

Программа дисциплины

Аннотация

Курс знакомит студентов с анализом данных и приложениями в экономике и менеджменте. Учит студента выбирать корректные графики для визуализации данных, выбирать правильный тип визуализации для решения конкретной задачи, загружать данные в ПО и работать с ними (фильтрация, агрегация, заполнение пропущенных значений). В рамках курса студенты знакомятся с регрессионным анализом и методами машинного обучения, учатся выбирать инструментальные средства для обработки данных в соответствии с поставленной задачей. Студент получит навыки построения на основе описания ситуаций теоретических и эконометрических моделей, использования алгоритмов машинного обучения; прогнозирования на основе стандартных регрессионных моделей и алгоритма решающих деревьев.

Цель освоения дисциплины

• Сформировать базовые навыки анализа данных, включая работу с данными в Python и Excel, применение статистических методов, визуализацию и интерпретацию результатов, а также понимание основ машинного обучения и оценки моделей регрессии и классификации.

Планируемые результаты обучения

• Объясняет основы машинного обучения
• Использует инструменты Python для работы с данными
• Интерпретирует базовые статистические понятия
• Создаёт новые переменные для анализа данных
• Интерпретирует частотные распределения
• Проводит оценку описательных статистик
• Выявляет выбросы в данных
• Интерпретирует корреляцию между признаками
• Выбирает тип визуализации данных
• Проводит разведочный анализ данных
• Проверяет статистические гипотезы
• Применяет параметрические критерии
• Интерпретирует линейную регрессию
• Интерпретирует логистическую регрессию
• Оценивает качество классификации

Содержание учебной дисциплины

• Введение в инструменты
• Введение в статистику. Базовые манипуляции с данными
• Типы данных. Создание новых переменных
• Генеральная совокупность и выборка. Частотные таблицы и распределения
• Описательные статистики: меры центральной тенденции и разброса
• Z-оценка. Выбросы
• Корреляция
• Введение в визуализацию данных
• Продвинутая визуализация данных
• Введение в тестирование гипотез. Непараметрические критерии
• Параметрические критерии для тестирования гипотез
• Линейная регрессия
• Логистическая регрессия
• Введение в машинное обучение
• Задача классификации

Элементы контроля

• Работа на семинарах
• Контрольная работа

Промежуточная аттестация

• 2025/2026 3rd module
  0.5 * Контрольная работа + 0.5 * Работа на семинарах

Список литературы

Рекомендуемая основная литература

• Маккинни, У. Python и анализ данных. Первичная обработка данных с применением pandas, NumPy и Jupiter : справочник / У. Маккинни , перевод с английского А. А. Слинкина. — 3-е изд. — Москва : ДМК Пресс, 2023. — 536 с. — ISBN 978-5-93700-174-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/348086 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Cady, F. (2017). The Data Science Handbook. Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1456617

Авторы

• Ларин Александр Владимирович
• Граница Юлия Валентиновна