Присоединиться к обучению студентов по программам франшиз бесплатно
Оставьте заявку, и мы с вами свяжемся
Нажимаю на кнопку "Отправить", Вы соглашаетесь с нашей политикой в отношении обработки персональных данных
Введение в Data Science
Центр Компетенций Национальной технологической инициативы по направлению «Технологии хранения и анализа больших данных» на базе МГУ имени М.В. Ломоносова
Целью курса является формирование компетенций в области статистической обработки и анализа больших данных с использованием статистических пакетов R и Python у слушателей, не обладающих базовыми знаниями по математике, математической статистике и программированию.
О программе
Аудитория слушателей
Слушатели, не обладающие базовыми знаниями по математике, математической статистике и программированию
Формат курса
Курс предполагает наличие вебинаров для теоретической части, а также консультационных материалов (FAQ). Практические задания будут описаны в текстовом формате и будут выполняться слушателями самостоятельно. Проверка и формирование обратной связи для практических заданий будет входить в обязанности тьютора.
Трудоемкость и продолжительность курса
Трудоемкость: 108 часов (3 з.е. с учетом самостоятельной работы, консультаций и аттестаций)
Продолжительность: 6 месяца (4-8 часов в неделю)
Продолжительность: 6 месяца (4-8 часов в неделю)
Формы аттестации и оценочные материалы
Итоговая аттестация: зачет.
Форма контроля: тест.
Критерий оценки результатов: отметка «зачтено» ставится в случае, если слушатель ответил правильно более чем на 70% вопросов.
Форма контроля: тест.
Критерий оценки результатов: отметка «зачтено» ставится в случае, если слушатель ответил правильно более чем на 70% вопросов.
График запуска программы
1
1 сентября 2020
старт Отбора и Диагностики студентов
2
14 сентября 2020
старт Курса для Тьюторов
3
1 октября 2020
старт Курса для Студентов
Содержание курса
Модуль 1. Введение в математический анализ, статистику и теорию вероятностей
- Математическая статистика,
- Математический анализ и линейная алгебра,
- Теория вероятностей;
Модуль 2. Введение в большие данные
- Статистическая выборка, жизненный цикл и обогащение данных,
- Основы эконометрики,
- Математические модели;
Модуль 3. Основы работы с большими данными
- Нейронные сети,
- Кластеризация,
- Машинное обучение,
- Проектное управление в сфере анализа больших данных
- Визуализация данных,
- Проблемы и задачи статистической обработки БД;
Модуль 4. Устойчивость статистических методов и предобработка БД
- Задачи непараметрической статистики,
- Задачи робастной статистики,
- Методы и алгоритмы предобработки БД;
Модуль 5. Методы корреляционного и регрессионного анализа БД
- Методы корреляционного анализа БД,
- Методы регрессионного анализа БД;
Модуль 6. Методы и алгоритмы кластеризации и классификации БД
- Методы и алгоритмы классификации БД
- Методы и алгоритмы кластеризации БД
Образовательные результаты
По прохождению курса слушатель сможет:
1. создавать математические модели профессиональных типовых задач и интерпретировать полученные математические результаты с учетом ограничений и границ применимости моделей
2. самостоятельно осваивать не рассматриваемые в рамках курса информационные технологии при решении практических задач;
3. собирать, обрабатывать и интерпретировать экспериментальные данные, необходимые для проектной и производственно-технологической деятельности
В результате освоения программы у слушателей должен сформироваться следующий комплекс знаний, умений и навыков в области статистической обработки и анализа больших данных с использованием статистического пакет R:
- Умение создавать алгоритмические модели типовых задач, проводить спецификацию задачи, реализовывать программы на алгоритмических языках высокого уровня, интерпретировать полученные результаты.
- Умение формализовать задачи статистической обработки больших данных.
- Умение использовать статистические алгоритмы и методы обработки больших объемов данных.
- Умение использовать статистические алгоритмы и методы обработки больших объемов данных.
- Умение запускать программы реализации методов и алгоритмов статистической обработки больших данных; интерпретировать полученные результаты.
1. создавать математические модели профессиональных типовых задач и интерпретировать полученные математические результаты с учетом ограничений и границ применимости моделей
2. самостоятельно осваивать не рассматриваемые в рамках курса информационные технологии при решении практических задач;
3. собирать, обрабатывать и интерпретировать экспериментальные данные, необходимые для проектной и производственно-технологической деятельности
В результате освоения программы у слушателей должен сформироваться следующий комплекс знаний, умений и навыков в области статистической обработки и анализа больших данных с использованием статистического пакет R:
- Умение создавать алгоритмические модели типовых задач, проводить спецификацию задачи, реализовывать программы на алгоритмических языках высокого уровня, интерпретировать полученные результаты.
- Умение формализовать задачи статистической обработки больших данных.
- Умение использовать статистические алгоритмы и методы обработки больших объемов данных.
- Умение использовать статистические алгоритмы и методы обработки больших объемов данных.
- Умение запускать программы реализации методов и алгоритмов статистической обработки больших данных; интерпретировать полученные результаты.
Тьюторы / наставники
Требования к тьюторам курса:
Формат обучающих мероприятий для тьюторов / наставников
Предоставление доступа к видеоматериалам и методическим рекомендациям курса. После самостоятельного изучения проводится онлайн вебинар с лектором для решения вопросов, получения рекомендаций по ведению курса.
Формат поддерживающих мероприятий для тьюторов
Организация рабочего чата тьюторов с возможностью задать вопрос лектору для упрощения преподавательского процесса. При получении группы вопросов в рамках одной темы, организуется коллективный/персональный вебинар в части консультирования.
- Наличие опыта работы в преподавании дисциплин по программированию;
- Наличие опыта работы в объектно-ориентированных языках;
- Иметь общие представления в игровой индустрии.
Формат обучающих мероприятий для тьюторов / наставников
Предоставление доступа к видеоматериалам и методическим рекомендациям курса. После самостоятельного изучения проводится онлайн вебинар с лектором для решения вопросов, получения рекомендаций по ведению курса.
Формат поддерживающих мероприятий для тьюторов
Организация рабочего чата тьюторов с возможностью задать вопрос лектору для упрощения преподавательского процесса. При получении группы вопросов в рамках одной темы, организуется коллективный/персональный вебинар в части консультирования.
