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

Data-mining and Data in Marketing

2021/2022
Academic Year
RUS
Instruction in Russian
5
ECTS credits
Delivered at:
Department of Information Technologies in Business (Faculty of Economics, Management, and Business Informatics)
Course type:
Elective course
When:
1 year, 3, 4 module

Instructor

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Сбор и управление данными в маркетинге», учебных ассистентов и студентов направления подготовки 38.04.02 Менеджмент программы «SMART-маркетинг: данные, аналитика, инсайты».
Цель освоения дисциплины

Цель освоения дисциплины

  • знание и понимание задач управления данными, в том числе, загрузка данных, преобразование данных, и предворительный анализ данных
  • приобретение навыков решения реальных задач управления данных и первичного анализа данных, в том числе, навыков загрзки данных из разных источников, выбора нужного подхода к преобразованию данных для получения целевого результата, поиск выбросов и проведение анализа
  • умение применять статистических и эконометрических инструментов анализа данных для разработки и обоснования маркетинговых решений − закрепление способности убедительно и наглядно коммуницировать результаты исследовательской и аналитической деятельности
  • приобретение студентами навыков работы с языком программирования R
Планируемые результаты обучения

Планируемые результаты обучения

  • Знает основные подходы к обработки, визуализации и анализу данных; основные этапы сбора и анализу данных; основные команды преобразования векторов в языке R; общую структуру программы Radiant. Имеет навыки загрузки, трансформации, очистки, визуализации и анализа данных на языке R и средствами программы Radiant.
  • Знает основные задачи машинного обучения. Имеет навыки обучения моделей машинного обучения средствами языка R и системы Radiant; оценки качества моделей машинного обучения средствами Radiant; самоанализа собственной деятельности.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Раздел 1.Технологии анализа данных
    Тема 1. Введение в технологии анализа данных и язык R, Radiant и SOL Тема 2. Загрузка данных Тема 3. Преобразование данных в Radiant & SQL Тема 4. Визуализация данных Тема 5. Статистика и гиппотезы в анализе данных Тема 6. Первичный анализ данных на примере реальных данных
  • Раздел 2. Машинное обучение
    Тема 7. Введение в машинное обучение Тема 8. Задачи регрессии и классификации Тема 9. Задача кластеризации Тема 10. Задача выявления эффекта от воздействия
Элементы контроля

Элементы контроля

  • неблокирующий Прохождение курсов в системе DataCamp (самостоятельная работа)
  • неблокирующий Лабораторная работа, этап 1
  • неблокирующий Лабораторная работа, этап 2
  • неблокирующий Лабораторная работа, этап 3
  • неблокирующий Проект
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.1 * Лабораторная работа, этап 1 + 0.1 * Лабораторная работа, этап 2 + 0.1 * Лабораторная работа, этап 3 + 0.3 * Проект + 0.1 * Прохождение курсов в системе DataCamp (самостоятельная работа) + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Основы алгоритмизации и программирования на Python : учеб. пособие / С.Р. Гуриков. — М. : ФОРУМ : ИНФРА-М, 2018. — 343 с. — (Высшее образование: Бакалавриат). - Режим доступа: http://znanium.com/catalog/product/924699

Рекомендуемая дополнительная литература

  • Компьютерные технологии анализа данных в эконометрике: Монография / Д.М. Дайитбегов. - 3-e изд., испр. и доп. - М.: Вузовский учебник: НИЦ Инфра-М, 2013. - XIV, 587 с.: 70x100 1/16. - (Научная книга). (переплет) ISBN 978-5-9558-0275-6 - Режим доступа: http://znanium.com/catalog/product/365692
  • Методы и средства комплексного анализа данных/Кулаичев А.П., 4-е изд., перераб. и доп. - М.: НИЦ ИНФРА-М, 2016. - 511 с.: 60x90 1/16 ISBN 978-5-16-104593-0 (online) - Режим доступа: http://znanium.com/catalog/product/548836