Курс находится на модерации. Данные могут быть неактуальны.
Тип обучения
Тип обучения
Курс
Зач. единицы
Зач. единицы
2
Сертификат
Сертификат
1 800 ₽ для получения

Стоимость курса

бесплатно
нет рассрочки
Курс охватывает все основные статистические концепции. В первой половине курса слушатели знакомятся с основными понятиями из математической статистики и нарабатывают необходимый для их понимания бэкграунд из теории вероятностей. Слушатели научатся делать описательный анализ данных, визуализировать данные и исследовать линейные взаимосвязи. Вторая часть посвящена более продвинутым темам: параметрическим и непараметрическим тестам, принципу проверки статистических гипотез, а также построению прогностических моделей на основе линейной и логистической регрессии. Кроме того, в течение курса демонстрируется представление результатов анализа данных в графическом виде: рассматриваются как самые простые и классические методы визуализации, так и более сложные. Практические навыки, получаемые в процессе освоения курса: сбор данных, работа с данными, обработка данных, описательная статистика, интерпретация данных, статистический анализ, прогнозирование, анализ временных рядов, регрессионный анализ, статистический контроль качества, тестирование гипотез, визуализация данных, базы данных, анализ, анализ данных, python, статический анализ.

Вас будут обучать

Эксперт по Data Science

Компетенции: Python, машинное обучение, cтатистика, анализ данных

Магистр

Должность: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук

Эксперт проекта Data Culture по преподаванию компьютерных наук студентам непрофильных направлений.Выпускница и приглашенный преподаватель факультета компьютерных наук НИУ ВШЭ. Работает в НИУ ВШЭ с 2012 года.

Более 5 лет преподает у школьников и студентов дисциплины математического и статистического цикла. 

Профессиональные интересы:

нейронауки анализ данных в социальных науках статистический анализ данных машинное обучение высшее образование

Образование

2018 Магистратура: Национальный исследовательский университет «Высшая школа экономики», специальность «Прикладная математика и информатика» 2015 Бакалавриат: Национальный исследовательский университет «Высшая школа экономики», специальность «Психология»

Профессиональный опыт

Ассистент по курсу Математика (Факультет социальных наук; 1-й курс, 1-4 модуль), 2014-2015 учебный год Ассистент по курсу Математические методы в психологии (Факультет психологии; 1-й курс, 1-3 модуль), 2013-2014 учебный год Ассистент по курсу Математическое введение в экономику ( Факультет медиакоммуникаций; 1-й курс, 1, 2 модуль) 2012-2013 учебный год

Магистр

Должность: Методист, Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук

Образование 2013: Магистратура: Томский государственный университет, специальность «Философия» 2009: Специалитет: Томский государственный университет, специальность «Журналистика» Профессиональный опыт приглашенный преподаватель ФКН с 2018 года (курсы в рамках проекта Data Culture для студентов бакалавриата, курсы для Центра повышения квалификации ВШЭ и центра непрерывного образования ФКН) эксперт инструмента измерения цифровых компетенций в проекте Data Culture вице-президент исследовательской группы политического поведения в Центрально-европейском университете, Будапешт (2015-2017) ассистент профессора на курсах по статистике в Центрально-европейском университете (2015), проведение воркшопов по Python для исследователей на английском языке на летних школах ECPR (2017, 2018), проведение выездных воркшопов (Амстердам, Париж).  

Образовательная организация

Национальный исследовательский университет «Высшая школа экономики» — исследовательский университет, осуществляющий свою миссию через научно-образовательную, проектную, экспертно-аналитическую и социокультурную деятельности на основе международных научных и организационных стандартов.

Мы осознаем себя частью мирового академического сообщества, считаем международное партнерство, вовлеченность в глобальное университетское взаимодействие ключевыми элементами нашего движения вперед. Будучи российским университетом, мы работаем на благо России и ее граждан.

Наш университет — это коллектив ученых, сотрудников, аспирантов и студентов, которых отличает внутренняя приверженность к поддержанию высоких академических стандартов своей деятельности. Мы стремимся обеспечить наиболее благоприятные условия для развития каждого члена нашего коллектива. 

Наши ценности:

  • Стремление к истине
  • Сотрудничество и заинтересованность друг в друге
  • Честность и открытость
  • Академическая свобода и политический нейтралитет
  • Профессионализм, требовательность к себе и ответственность
  • Активная общественная позиция

Сегодня Высшая школа экономики — это:

  • 4 КАМПУСА: МОСКВА, САНКТ-ПЕТЕРБУРГ, НИЖНИЙ НОВГОРОД, ПЕРМЬ
  • ~7000ПРЕПОДАВАТЕЛЕЙ И ИССЛЕДОВАТЕЛЕЙ
  • 50 400+СТУДЕНТОВ
  • 100 800ВЫПУСКНИКОВ

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

  1. Введение в статистику и работа с данными.
  2. Генеральная совокупность и выборка. Частоты. Распределения.
  3. Описательные статистики: меры центральной тенденции и разброса.
  4. Z-распределение и его свойства.
  5. Корреляция.
  6. Визуализация данных: часть 1.
  7. Повторение.
  8. Визуализация данных: часть 2.
  9. Введение в статистику выводов: постановка гипотез.
  10. Применение параметрических критериев.
  11. Непараметрические тесты.
  12. Линейная регрессия.
  13. Логистическая регрессия.
  14. Повторение.

Рейтинг курса

3.5
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 21.04.2024 01:24
Статистика для анализа данных

Статистика для анализа данных

Оставить отзыв
Поделиться курсом с друзьями