Informações sobre o curso
4.5
24 classificações
3 avaliações
Programa de cursos integrados
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Nível intermediário

Nível intermediário

Horas para completar

Aprox. 6 horas para completar

Sugerido: 5 недель обучения, 4-6 часов в неделю...
Idiomas disponíveis

Russo

Legendas: Russo
Programa de cursos integrados
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Nível intermediário

Nível intermediário

Horas para completar

Aprox. 6 horas para completar

Sugerido: 5 недель обучения, 4-6 часов в неделю...
Idiomas disponíveis

Russo

Legendas: Russo

Programa - O que você aprenderá com este curso

Semana
1
Horas para completar
3 horas para concluir

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 vídeos (total de (Total 42 mín.) min), 8 leituras, 5 testes
Video7 videos
1.1. Понятие временных рядов6min
1.2. Тренд8min
1.3. Сезонность6min
1.4. STL-разложение5min
1.5. Поиск выбросов4min
1.6. Тренд, сезонность, STL. Практика5min
Reading8 leituras
О чем этот курс и как он устроен10min
Материалы по статистическим пакетам10min
Данные, на которые мы опираемся и ссылаемся10min
1.1. Понятие временных рядов. Презентация10min
1.2. Тренд (презентация)10min
1.3. Сезонность. Презентация10min
1.4. STL-разложение. Презентация10min
1.5. Поиск выбросов. Презентация10min
Quiz5 exercícios práticos
Вопросы для самопроверки6min
Вопросы для самопроверки10min
Вопросы для самопроверки4min
Вопросы для самопроверки8min
Анализ временных рядов20min
Semana
2
Horas para completar
2 horas para concluir

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 vídeos (total de (Total 37 mín.) min), 6 leituras, 7 testes
Video7 videos
2.2. ARMA и ARIMA4min
2.3. Адаптивные модели. Экспоненциальное сглаживание4min
2.4. Адаптивные модели. Модели с трендом и сезонностью4min
2.5. Виды адаптивных моделей5min
2.6. Следящий контроль. Модель Тригга — Лича6min
2.7. Построение моделей временных рядов в R. Практика6min
Reading6 leituras
2.1. AR и MA: презентация.10min
2.2. ARMA и ARIMA: презентация10min
2.3. Адаптивные модели. Экспоненциальное сглаживание. Презентация10min
2.4. Адаптивные модели. Модели с трендом и сезонностью. Презентация10min
2.5. Виды адаптивных моделей. Презентация10min
Конспект: 2.6. Следящий контроль. Модель Тригга — Лича10min
Quiz7 exercícios práticos
Вопросы для самопроверки6min
Вопросы для самопроверки6min
Вопросы для самопроверки6min
Вопросы для самопроверки4min
Вопросы для самопроверки4min
Вопросы для самоконтроля6min
Прогноз временных рядов20min
Semana
3
Horas para completar
3 horas para concluir

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 vídeos (total de (Total 54 mín.) min), 7 leituras, 3 testes
Video6 videos
3.2. Построение факторной модели8min
3.3. Способы оценки качества факторной модели6min
3.4. Пример построения факторной модели9min
3.5. Факторы готовы: что дальше?11min
3.6. Факторный анализ в SPSS. Практика9min
Reading7 leituras
3.1. Введение в факторный анализ. Презентация10min
Факторный анализ: история метода10min
3.2. Построение факторной модели. Презентация10min
Конспект: 3.3. Способы оценки качества факторной модели10min
3.4. Пример построения факторной модели. Презентация10min
3.5. Факторы готовы: что дальше? [презентация]10min
"Кластеры на факторах": о построении кластеризации на основе переменных-факторов10min
Quiz3 exercícios práticos
Вопросы для самопроверки6min
Вопросы для самоконтроля6min
Факторный анализ20min
Semana
4
Horas para completar
2 horas para concluir

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 vídeos (total de (Total 47 mín.) min), 7 testes
Video8 videos
4.2. Линейный классификатор4min
4.3. Байесовский классификатор5min
4.4. Дерево решений7min
4.5. Бинарная логистическая регрессия: основная идея26s
4.6. Логистическая регрессия: применение и оценка качества6min
4.7. Методы классификации в R. Практика8min
4.8. Построение модели логистической регрессии в SPSS. Практика7min
Quiz7 exercícios práticos
Вопросы для самопроверки8min
Вопросы для самопроверки6min
Вопросы для самопроверки4min
Вопрос для самопроверки6min
Вопросы для самопроверки6min
Вопросы для самопроверки6min
Тест: Классификация20min

Instrutores

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

Sobre 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....

Sobre o Programa de cursos integrados 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

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.