Информация для студентов 2021 года набора
Ограничения для выбора образовательным программам: Экономика и статистика, Маркетинг и рыночная аналитика, Цифровые инновации в управлении предприятием (программа двух дипломов НИУ ВШЭ и Лондонского университета), Прикладная математика, Прикладная математика и информатика, Прикладная математика и информатика, Прикладная математика и информатика, Компьютерные науки и анализ данных, Фундаментальная и компьютерная лингвистика, Программа двух дипломов НИУ ВШЭ и Лондонского университета "Прикладной анализ данных", Анализ данных в финансах, Информатика и вычислительная техника, Информационная безопасность, Инфокоммуникационные технологии и системы связи.
Максимальное число слушателей: 120
Целевая аудитория: студенты 2021 года набора
Дисциплины майнора:
- Исследование данных и визуализация (2 курс 1 семестр);
Первый курс майнора посвящен развитию базовых навыков работы с инструментальными средствами анализа данных. Студенты познакомятся с языком R -- универсальным инструментом анализа и визуализации данных и машинного обучения, обладающим большим и дружелюбным сообществом. Мы научимся обрабатывать данные разных типов (чисел, категорий, строк, дат), делать полезные визуализации результатов и эффективные воспроизводимые отчёты и интерактивные презентации. Познакомимся с основными темами последующих курсов: этапами и инструментами исследования данных применением статистических моделей к предсказанию данных. В результате курса студенты будут способны быстро и эффективно провести исследование данных, графически исследовать ключевые закономерности и представить их в виде интерактивного отчета или дэшборда, построить базовые предсказательные модели.
- Технологии анализа данных (2 курс 2 семестр);
Углубляя навыки из первого курса майнора, в “Технологиях анализа данных” мы познакомимся с ключевыми пакетами, ориентированными на обработку сетей, текстов и других специфичных данных. Студенты научатся находить закономерности в данных, представленных в виде связей между элементами (социальные сети, коммуникации, торговые и политические отношения и т.д.), а также извлекать полезную информацию из длинных текстов, не читая их целиком. Кроме того, мы рассмотрим принципы построения рекомендательных систем и закрепим полученные за год навыки в проекте.
- Предиктивные модели и прикладная аналитика (3 курс 1 семестр)
В этом курсе студенты закрепят полученные ранее навыки и тесно познакомятся с ядром прикладной аналитики данных -- моделями машинного обучения, а также технологиями, необходимыми для решения прикладных задач. Курс разделен на два трека, выбираемые в зависимости от предпочтений, сформированных в течение первого года. Первый трек сфокусирован на задачах прикладной предиктивной аналитики (клиентской, UX, социальной и др.), а также основах баз данных и языка SQL. Второй трек ориентирован на более глубокое знакомство с методами продвинутого анализа сетей и текстов, которые применяются в цифровых социальных и гуманитарных науках. При этом в обоих треках студенты познакомятся с ключевыми понятиями и алгоритмами машинного обучения, получат опыт построения собственных моделей для решения конкретных задач в своей области.
- Приложения и практика анализа данных (3 курс 2 семестр)
Курс посвящен более глубокому погружению студентов в специализированную область анализа данных и выполнение итогового практического проекта с использованием всех компетенций, приобретённых в процессе освоения майнора. Учитывая междисциплинарную важность майнора, в рамках базовой структуры и требований курса могут быть реализованы проекты из различных направлений и предметных областей, причем эти проекты могут быть как исследовательскими, так и прикладными. В рамках курса студентам будут предложены групповые и индивидуальные проекты, а также возможность предложить собственный проект. Кроме того, в первой части курса рассматриваются общие принципы построения продуктов, основанных на данных, изучаются инструменты для создания веб-приложений на R и особенности создания пользовательских интерфейсов