Об этом курсе
4.1
Оценки: 17
Рецензии: 3
Специализация
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 7 часа на выполнение

Предполагаемая нагрузка: 5 недель обучения, 3-5 часов в неделю...
Доступные языки

Русский

Субтитры: Русский...
Специализация
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Промежуточный уровень

Промежуточный уровень

Часов на завершение

Прибл. 7 часа на выполнение

Предполагаемая нагрузка: 5 недель обучения, 3-5 часов в неделю...
Доступные языки

Русский

Субтитры: Русский...

Программа курса: что вы изучите

Неделя
1
Часов на завершение
3 ч. на завершение

Одновыборочные и двухвыборочные критерии

В первом модуле курса мы начнем разбираться со статистическими инструментами сравнения параметров и распределений в группах. Сначала поговорим об основных задачах межгрупповых сравнений, затем рассмотрим одновыборочные и двухвыборочные критерии, научимся сравнивать связанные и несвязанные выборки и посмотрим на практике, на реальных данных, как рассчитывать основные статистики в R и SPSS и интерпретировать полученные результаты. ...
Reading
9 видео (всего 70 мин.), 9 материалов для самостоятельного изучения, 6 тестов
Video9 видео
1.1. Введение в межгрупповые сравнения9мин
1.2. Одновыборочные критерии сравнения средних7мин
1.3. Сравнение двух независимых выборок8мин
1.4. Сравнение дисперсий двух независимых выборок9мин
1.5. Сравнение распределений двух независимых выборок5мин
1.6. Сравнение двух связанных выборок5мин
1.7. Критерии равенства групп. Практика11мин
1.8. Сравнение средних в SPSS. Практика7мин
Reading9 материала для самостоятельного изучения
О чём этот курс и как он устроен10мин
Дополнительные материалы по статистическим пакетам10мин
Данные, на которые мы опираемся10мин
1.1. Введение в межгрупповые сравнения (презентация)10мин
1.2. Одновыборочные критерии сравнения средних (презентация)10мин
1.3. Сравнение двух независимых выборок (презентация)10мин
1.4. Сравнение дисперсий двух независимых выборок (презентация)10мин
1.5. Сравнение распределений двух независимых выборок (презентация)10мин
1.6. Сравнение двух связанных выборок (презентация)10мин
Quiz6 практического упражнения
Вопросы для самопроверки6мин
Вопросы для самопроверки4мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Одновыборочные и двухвыборочные критерии20мин
Неделя
2
Часов на завершение
3 ч. на завершение

Сравнение нескольких выборок

В этом модуле мы продолжим разговор о сравнении групп. Мы научимся сравнивать несколько групп при помощи разных инструментов, грамотно выбирать инструменты исходя из задачи и типа данных, с которыми мы работаем, и на практике, на реальных данных посмотрим, как рассчитывать основные статистики в R и SPSS и интерпретировать полученные результаты. ...
Reading
9 видео (всего 61 мин.), 6 материалов для самостоятельного изучения, 7 тестов
Video9 видео
2.2. Сравнение средних для k независимых выборок: непараметрический случай5мин
2.3. Сравнение средних для нескольких связанных выборок10мин
2.4. Критерий Фридмана6мин
2.5. Биномиальные данные4мин
2.6. Проверка соответствия выборочных пропорций теоретическим7мин
2.7. Проверка гипотез о равенстве средних для нескольких зависимых и независимых групп в R. Практика8мин
2.8. Сравнение средних в SPSS: k-выборочные критерии. Практика7мин
Сравнение средних в SPSS: тесты для связанных выборок. Практика5мин
Reading6 материала для самостоятельного изучения
2.1. Сравнение средних для k независимых выборок: параметрический случай (презентация)10мин
2.2. Сравнение средних для k независимых выборок: непараметрический случай (презентация)10мин
2.3. Сравнение средних для нескольких связанных выборок (презентация)10мин
2.4. Критерий Фридмана (презентация)10мин
2.5. Биномиальные данные (презентация)10мин
2.6. Проверка соответствия выборочных пропорций теоретическим (презентация)10мин
Quiz7 практического упражнения
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Сравнение нескольких выборок20мин
Неделя
3
Часов на завершение
3 ч. на завершение

Введение в кластерный анализ

В третьем модуле курса мы поговорим о методах выделения групп. Если до этого мы сравнивали группы, которые уже были нам известны, то во второй половине курса мы будем говорить о том, как обнаружить группы в данных, как их выделить, охарактеризовать, и что можно делать с построенной классификацией дальше. Основной фокус модуля - агломеративные методы классификации. В заключении, как всегда, практика на реальных данных. ...
Reading
8 видео (всего 55 мин.), 6 материалов для самостоятельного изучения, 6 тестов
Video8 видео
3.2. Меры сходства. Меры расстояния4мин
3.3. Корреляционные меры сходства и меры ассоциативности7мин
3.4. Иерархический кластерный анализ7мин
3.5. Определение оптимального количества кластеров8мин
3.6. Иерархический кластерный анализ: пример10мин
3.7. Иерархический кластерный анализ в R. Практика3мин
3.8. Иерархический кластерный анализ в SPSS. Практика6мин
Reading6 материала для самостоятельного изучения
3.1. Особенности методов кластерного анализа (презентация)10мин
3.2. Меры сходства. Меры расстояния (презентация)10мин
3.3. Корреляционные меры сходства и меры ассоциативности (презентация)10мин
3.4. Иерархический кластерный анализ (презентация)10мин
3.5. Определение оптимального количества кластеров (презентация)10мин
3.6. Иерархический кластерный анализ: пример (презентация)10мин
Quiz6 практического упражнения
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Введение в кластерный анализ20мин
Неделя
4
Часов на завершение
3 ч. на завершение

Итерационные методы кластерного анализа

В заключительном модуле курса мы разберемся с еще одним классом методов кластеризации - с итерационными методами: увидим, как работают алгоритмы, каковы возможности и ограничения разных алгоритмов, научимся строить классификации, оценивать их качество, характеризовать и анализировать полученные группы, а также разберем некоторые инструменты визуализации результатов классификации. В заключении, как всегда, практика на реальных данных. ...
Reading
8 видео (всего 50 мин.), 6 материалов для самостоятельного изучения, 5 тестов
Video8 видео
4.2. Метод K-средних. Пример5мин
4.3. Алгоритм Forel4мин
4.4. Forel. Пример4мин
4.5. Способы оценки качества кластеризации8мин
4.6. Графические инструменты в кластерном анализе6мин
4.7. Построение кластерного анализа с помощью k-средних в R. Практика7мин
4.8. Построение кластерного анализа методом k-средних в SPSS. Практика7мин
Reading6 материала для самостоятельного изучения
4.1. Метод k-средних (презентация)10мин
4.2. Метод K-средних. Пример (презентация)10мин
4.3. Forel. Пример работы алгоритма (презентация)10мин
4.4. Forel. Пример (презентация)10мин
4.5. Способы оценки качества кластеризации (презентация)10мин
4.6. Графические инструменты в кластерном анализе (презентация)10мин
Quiz5 практического упражнения
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки4мин
Вопросы для самопроверки6мин
Итерационные методы кластерного анализа20мин

Преподавателя

Avatar

Ольга Ечевская

доцент, кандидат социологических наук
Кафедра общей социологии ЭФ НГУ
Avatar

Виктор Дёмин

Специалист по анализу данных, кандидат технических наук
Компания 2GIS
Avatar

Наталья Галанова

Специалист по анализу данных
Компания 2GIS

О Novosibirsk State University

Novosibirsk State University (NSU) is a research university located in Novosibirsk Akademgorodok, the world-famous scientific center in Siberia. 80% of NSU teachers are active researchers affiliated with the Russian Academy of Sciences; therefore education is closely linked to world-class science: our students get first-hand knowledge about scientific discoveries before they are published. Nearly 6000 students (including international students from 37 countries) are enrolled at undergraduate and graduate programs offered by 13 departments. The leading areas of NSU expertise are natural sciences, life sciences, physics, math, IT, and more....

О специализации ''Анализ данных'

В рамках специализации вы освоите основные методы работы с количественными данными, в том числе основы теории вероятностей и математической статистики, инструменты исследования связей между признаками, научитесь строить прогнозы на основе регрессионных моделей, сравнивать группы, выделять группы методами кластерного анализа, строить классификации, визуализировать данные, интерпретировать и представлять результаты статистического анализа. Вы примените эти методы на учебных примерах и сможете адаптировать их под специфику ваших данных и задач. В курсах специализации мы рассмотрим, как оценить связь условий труда и удовлетворенности работой, как спрогнозировать количество кликов на сайт компании, как разделить университеты на классы, как выявить стратегии поиска работы, как отличить геозависимую рубрику от геонезависимой, и множество других практических задач. Кроме того, мы научимся решать такие задачи в популярных средах анализа данных (SPSS и R). В заключительной части каждого курса вам предстоит выполнить проект на реальных данных, который позволит применить полученные знания на практике и продемонстрировать умение анализировать и представлять результаты анализа статистически и графически. Специализация разработана Новосибирским государственным университетом, одним из ведущих исследовательских университетов России и мира, совместно с 2GIS, известной международной технологической компанией, которая разрабатывает сервисы для комфортной жизни в городе....
Анализ данных

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.