Научно-исследовательский семинар "Основы анализа данных"

2022/2023

Учебный год

RUS

Обучение ведется на русском языке

4

Кредиты

Кто читает:

Департамент фундаментальной и прикладной лингвистики

Статус:

Курс обязательный

Когда читается:

2-й курс, 1, 2 модуль

Преподаватель

Каляева Екатерина Валерьевна

Программа дисциплины

Аннотация

Данный курс представляет собой адаптацию общеуниверситетского курса по анализу данных специально для студентов образовательной программы «Фундаментальная и прикладная лингвистика» и направлен на формирование компетенций в области статистики и анализа данных с акцентом на текстовые данные. Знания и компетенции, полученные в результате освоения курса, будут полезны студентам в ходе продолжения обучения в НИУ ВШЭ (в том числе на дисциплинах “Интеллектуальный анализ данных”, “Введение в нейронные сети и машинный перевод”), при подготовке исследовательских проектов, курсовых работ и ВКР с прикладной компонентой, в том числе для проведения статистического анализа и классификации текстовых данных, для проверки статистических гипотез в лингвистических задачах, для построения визуализаций и отчетов.

Цель освоения дисциплины

• овладение студентами основами статистики и анализа данных для применения в решении практических лингвистических задач

Планируемые результаты обучения

• ● Использовать Python в применении к анализу данных.
• ● Работать с разными типами и структурами данных.
• ● Корректно открывать табличные данные различных форматов, работать с ними.
• ● Использовать собственноручно написанные функции для обработки данных, создания новых переменных.
• ● Корректно использовать основные статистические понятия.
• ● Вычислять описательные статистики и интерпретировать полученные результаты.
• ● Вычислять коэффициент корреляции Пирсона и интерпретировать полученные результаты.
• ● Визуализировать данные с помощью разных видов диаграмм: линейной, рассеяния, столбчатой, тепловой карты, ящика с усами.
• ● Визуализировать данные с помощью различных диаграмм: тепловой карты, ящика с усами и других.
• ● Применять параметрические и непараметрические статистические критерии для проверки гипотез.
• ● Решать задачу классификации с использованием линейной и логистической регрессии.

Содержание учебной дисциплины

• Введение в инструменты
• Типы данных
• Структуры данных
• Форматы данных
• Введение в статистику
• Описательные статистики: меры центральной тенденции и разброса
• Корреляция
• Введение в визуализацию данных
• Продвинутая визуализация данных
• Введение в тестирование гипотез. Непараметрические критерии.
• Параметрические критерии для проверки гипотез.
• Линейная регрессия
• Логистическая регрессия
• Введение в машинное обучение
• Консультационное занятие по вопросам студентов

Элементы контроля

• Тест 1
• Тест 2
• Домашнее задание
• Проект

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.4 * Проект + 0.2 * Домашнее задание + 0.2 * Тест 2 + 0.2 * Тест 1

Список литературы

Рекомендуемая основная литература

• Frederick J Gravetter, Larry B. Wallnau, Lori-Ann B. Forzano, & James E. Witnauer. (2020). Essentials of Statistics for the Behavioral Sciences, Edition 10. Cengage Learning.

Рекомендуемая дополнительная литература

• Jack A. Levin, & James Alan Fox. (2013). Elementary Statistics in Social Research: Pearson New International Edition : Essentials. Harlow, United Kingdom: Pearson. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1418805