Об этом курсе
4.5
Оценки: 21
Рецензии: 3
Специализация

Курс 4 из 4 в программе

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. 6 часа на выполнение

Предполагаемая нагрузка: 5 недель обучения, 4-6 часов в неделю...
Доступные языки

Русский

Субтитры: Русский
Специализация

Курс 4 из 4 в программе

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. 6 часа на выполнение

Предполагаемая нагрузка: 5 недель обучения, 4-6 часов в неделю...
Доступные языки

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1
Часов на завершение
3 ч. на завершение

Анализ временных рядов

В этом модуле мы начнем разговор о временных рядах. Сначала разберемся с понятием временного ряда, затем поговорим об анализе временных рядов. Рассмотрим такие компоненты временного ряда, как тренд, сезонность и остатки. После этого рассмотрим методы разложения временного ряда на составляющие и поймём, как и зачем выделять описанные компоненты во временных рядах. В заключении поговорим о том, как выявлять выбросы в данных, а также посмотрим на практике, как разложить временной ряд на трендовую составляющую, сезонную компоненту и остатки, используя R. ...
Reading
7 видео ((всего 42 мин.)), 8 материалов для самостоятельного изучения, 5 тестов
Video7 видео
1.1. Понятие временных рядов6мин
1.2. Тренд8мин
1.3. Сезонность6мин
1.4. STL-разложение5мин
1.5. Поиск выбросов4мин
1.6. Тренд, сезонность, STL. Практика5мин
Reading8 материала для самостоятельного изучения
О чем этот курс и как он устроен10мин
Материалы по статистическим пакетам10мин
Данные, на которые мы опираемся и ссылаемся10мин
1.1. Понятие временных рядов. Презентация10мин
1.2. Тренд (презентация)10мин
1.3. Сезонность. Презентация10мин
1.4. STL-разложение. Презентация10мин
1.5. Поиск выбросов. Презентация10мин
Quiz5 практического упражнения
Вопросы для самопроверки6мин
Вопросы для самопроверки10мин
Вопросы для самопроверки4мин
Вопросы для самопроверки8мин
Анализ временных рядов20мин
Неделя
2
Часов на завершение
2 ч. на завершение

Прогноз временных рядов

В этом модуле мы продолжим разговор о временных рядах и научимся не только анализировать, но и прогнозировать их. Сначала рассмотрим авторегрессионную модель (AR) и сезонную авторегрессионную модель (SAR), которые подходят для решения задач прогнозирования, а также модели скользящего среднего (MA-модели), позволяющие сглаживать выбросы и описывать данные. Дальше поговорим о комбинации этих моделей (ARMA и ARIMA). Во второй части модуля мы поговорим об адаптивных моделях, обсудим их основные виды, а также поговорим о следящем контроле как инструменте их мониторинга. В заключении модуля попрактикуемся: построим прогноз временного ряда в R. ...
Reading
7 видео ((всего 37 мин.)), 6 материалов для самостоятельного изучения, 7 тестов
Video7 видео
2.2. ARMA и ARIMA4мин
2.3. Адаптивные модели. Экспоненциальное сглаживание4мин
2.4. Адаптивные модели. Модели с трендом и сезонностью4мин
2.5. Виды адаптивных моделей5мин
2.6. Следящий контроль. Модель Тригга — Лича6мин
2.7. Построение моделей временных рядов в R. Практика6мин
Reading6 материала для самостоятельного изучения
2.1. AR и MA: презентация.10мин
2.2. ARMA и ARIMA: презентация10мин
2.3. Адаптивные модели. Экспоненциальное сглаживание. Презентация10мин
2.4. Адаптивные модели. Модели с трендом и сезонностью. Презентация10мин
2.5. Виды адаптивных моделей. Презентация10мин
Конспект: 2.6. Следящий контроль. Модель Тригга — Лича10мин
Quiz7 практического упражнения
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки4мин
Вопросы для самопроверки4мин
Вопросы для самоконтроля6мин
Прогноз временных рядов20мин
Неделя
3
Часов на завершение
3 ч. на завершение

Факторный анализ

В этом модуле поговорим о факторном анализе. Сначала поймем общий принцип: что это за модель, и для решения каких задач она применяется. Дальше разберем методы факторного анализа и научимся строить факторы одним из самых распространенных способов: методом главных компонент. В заключительных лекциях модуля мы поговорим о том, как оценить качество факторной модели, как можно использовать построенные переменные для дальнейшего анализа, а также пошагово разберем построение факторной модели в SPSS....
Reading
6 видео ((всего 54 мин.)), 7 материалов для самостоятельного изучения, 3 тестов
Video6 видео
3.2. Построение факторной модели8мин
3.3. Способы оценки качества факторной модели6мин
3.4. Пример построения факторной модели9мин
3.5. Факторы готовы: что дальше?11мин
3.6. Факторный анализ в SPSS. Практика9мин
Reading7 материала для самостоятельного изучения
3.1. Введение в факторный анализ. Презентация10мин
Факторный анализ: история метода10мин
3.2. Построение факторной модели. Презентация10мин
Конспект: 3.3. Способы оценки качества факторной модели10мин
3.4. Пример построения факторной модели. Презентация10мин
3.5. Факторы готовы: что дальше? [презентация]10мин
"Кластеры на факторах": о построении кластеризации на основе переменных-факторов10мин
Quiz3 практического упражнения
Вопросы для самопроверки6мин
Вопросы для самоконтроля6мин
Факторный анализ20мин
Неделя
4
Часов на завершение
2 ч. на завершение

Классификация

В завершающем модуле курса мы поговорим о методах классификации. Для начала поставим задачу классификации: для чего применяются классификаторы, какие задачи из реальной жизни они помогают решать. Затем разберем некоторые методы классификации: линейный и Байесовский классификаторы, дерево решений, модель бинарной логистической регрессии и способы оценки её качества. Вы научитесь прогнозировать класс, в который попадёт объект с заданной вероятностью (к примеру, отдаст ли заёмщик кредит, или закончит ли студент курс), а также познакомитесь с тем, как применять методы классификации в R и SPSS на реальных данных....
Reading
8 видео ((всего 47 мин.)), 7 тестов
Video8 видео
4.2. Линейный классификатор4мин
4.3. Байесовский классификатор5мин
4.4. Дерево решений7мин
4.5. Бинарная логистическая регрессия: основная идея26s
4.6. Логистическая регрессия: применение и оценка качества6мин
4.7. Методы классификации в R. Практика8мин
4.8. Построение модели логистической регрессии в SPSS. Практика7мин
Quiz7 практического упражнения
Вопросы для самопроверки8мин
Вопросы для самопроверки6мин
Вопросы для самопроверки4мин
Вопрос для самопроверки6мин
Вопросы для самопроверки6мин
Вопросы для самопроверки6мин
Тест: Классификация20мин

Преподавателя

Avatar

Ольга Ечевская

доцент, кандидат социологических наук
Кафедра общей социологии ЭФ НГУ
Avatar

Наталья Галанова

Специалист по анализу данных
Компания 2GIS
Avatar

Виктор Дёмин

Специалист по анализу данных, кандидат технических наук
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.