• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Independent Data Science Test. Intermediate

2023/2024
Academic Year
RUS
Instruction in Russian
1
ECTS credits
Delivered at:
Digital Skills Development Unit
Course type:
Compulsory course
When:
3 year, 3 module

Instructor


Akaeva, Kavsarat

Программа дисциплины

Аннотация

Одной из цифровых компетенций, формирование которых интегрировано во все образовательные программы НИУ ВШЭ, является компетенция «Анализ данных и методы искусственного интеллекта» (далее — Анализ данных): от использования математических методов и моделей для извлечения знаний до решения профессиональных задач и разработки новых подходов. Для каждого направления подготовки в бакалавриате образовательным стандартом определен минимально необходимый уровень освоения этой цифровой компетенции: начальный/базовый/продвинутый. Независимая оценка компетенции по Анализу данных является обязательной частью учебного плана для всех образовательных программ бакалавриата. Она предполагает подтверждение минимально необходимого уровня для ОП освоения данной компетенции. Оценка проводится после того, как на ОП завершены курсы, обеспечивающие формирования этого уровня. Данный экзамен проверяет наличие компетенции по Анализу данных на базовом уровне. Независимый экзамен осуществляется с помощью прокторинга. Итоговый результат переводится в шкалу от 1 до 10. Оценка ниже 4 баллов округляется с отбрасыванием дробной части (к меньшему целому), оценка от 4 баллов округляется к ближайшему целому. Отсутствие положительных результатов независимой оценки по Анализу данных в установленные сроки влечёт за собой академическую задолженность.
Цель освоения дисциплины

Цель освоения дисциплины

  • - Развитие навыков работы с данными: обработка, визуализация, разведывательный анализ. - Развитие навыков постановки исследовательской задачи и тестирования гипотез с помощью количественных методов - Знакомство с задачами линейной и логистической регрессии
Планируемые результаты обучения

Планируемые результаты обучения

  • Выбирает корректные графики для визуализации данных
  • Выбирает правильный тип визуализации для решения конкретной задачи.
  • Загружает данные в ПО и работает с ними (фильтрация, агрегация, заполнение пропущенных значений).
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Экзамен
Элементы контроля

Элементы контроля

  • неблокирующий Часть А
  • неблокирующий Часть В
  • неблокирующий Часть С
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 3 модуль
    0.3 * Часть А + 0.34 * Часть В + 0.36 * Часть С
Список литературы

Список литературы

Рекомендуемая основная литература

  • Core concepts in data analysis: summarization, correlation and visualization, Mirkin, B., 2011

Рекомендуемая дополнительная литература

  • Miroslav Kubat. (2017). An Introduction to Machine Learning (Vol. 2nd ed. 2017). Springer.

Авторы

  • Акаева Кавсарат Исламовна