Основы анализа данных в Python

Материал из MathINFO
Перейти к навигации Перейти к поиску

Дорогие студенты!

Это страница курса «Основы анализа данных в Python», читаемого во 2 модуле 2024-2025 учебного года на ОП «Политология».

Преподаватель: Тамбовцева Алла Андреевна.

Правила игры

  • Программа курса, организационная презентация.
  • Формула оценки: 0.25 * Тесты + 0.25 * Практикум + 0.5 * Экзамен.
  • Цель курса – подготовка к независимому экзамену по анализу данных. Демоверсию экзамена и тренировочные варианты
    можно найти здесь в разделе Материалы для подготовкиАнализ данных. Базовый уровень (запись на курс в SmartLMS).
  • Курс включает темы, пройденные ранее в рамках обязательных курсов по ТВиМС и регрессионному анализу, поэтому теория
    изучается (=повторяется) самостоятельно по предложенным материалам и в рамках онлайн-курса «Сбор и анализ данных в Python».

Программное обеспечение

В рамках этого курса мы будем использовать язык Python и среду разработки Jupyter Notebook.
Также есть возможность работать в аналоге Jupyter Notebook онлайн, используя ресурс Google Colab
(для создания и редактирования файлов нужен аккаунт Gmail).

NB. На независимом экзамене не разрешается использовать облачные ресурсы, включая Google Colab.

Если у вас ничего не установлено или вы успели «удалить весь Python», перед занятиями необходимо
установить дистрибутив Anaconda (скачать можно здесь, регистрацию можно пропустить), который
включает в себя интерпретатор языка Python, библиотеки для обработки, анализа и визуализации
данных, а также среду для работы Jupyter Notebook.

Материалы по работе в Jupyter Notebook и Google Colab:

Дополнительно для желающих:

Материалы курса

Неделя 1. Шкалы данных. Описание данных

Дополнительно:

Неделя 2. Обработка и описание данных

Неделя 3. Визуализация данных: часть 1

Неделя 4. Визуализация данных: часть 2

В практикуме очень много дополнительного кода, необходимый минимум из графики – построение
простой круговой диаграммы через plot.pie(), остальное – для жизни (у кого жизнь без данных невозможна).

Неделя 5. Выборочное оценивание

  • Практикум 6. Доверительный интервал для среднего нормальной выборки (w05-practice.ipynb), решения (w05-practice-solutions.ipynb).
  • Выборочное оценивание и доверительный интервал для среднего: слайды.

Неделя 6. Доверительные интервалы и проверка гипотез

  • Проверка статистических гипотез. Концепция p-value. Ошибки I и II рода (слайды).
  • Практикум 7. Доверительные интервалы. Подготовка к НЭ (ipynb, с паролем), решения (ipynb, с паролем).
  • Практикум 8. Проверка гипотез: обзор статистических критериев (w06-practice02.ipynb, grocery.csv), решения (w06-practice02-solutions.ipynb).

Learning outcomes

Неделя Теория Практика
№ 1 уметь определять шкалы данных; знать, что такое выборочная медиана и квартили, дисперсия и стандартное отклонение; знать особенности среднего и медианы и уметь делать предположения о наличии потенциально нехарактерных значений в выборке уметь импортировать библиотеки, уметь создавать массивы Numpy на основе списков, уметь выполнять фильтрацию значений массивов, уметь считать объем, среднее и стандартное отклонение выборки, сохраненной в массив
№ 2 уметь выбирать подходящий тип графика для визуализации распределения данных в разных шкалах; понимать смысл и принцип построения гистограммы; уметь по гистограмме определять скошенность распределения (вправо/влево); знать, каким образом соотносятся между собой медиана, среднее, мода при разных типах скошенности уметь загружать данные из CSV-файлов в датафреймы pandas; уметь выполнять фильтрацию строк датафрейма; уметь создавать новые столбцы датафрейма на основе старых; уметь применять методы pandas для вычисления описательных статистик и таблиц частот; уметь выполнять простую сортировку и группировку данных; уметь определять количество пропущенных значений и заполнять пропуски фиксированным значением
№ 3-4 см. выше, уметь различать гистограмму и столбиковую диаграмму, знать понятие случайной величины, знать особенности нормального распределения и правило трех сигм, уметь по графику плотности нормальной случайной величины оценивать вероятности попадания в интервал уметь (любым способом) строить гистограмму, столбиковую диаграмму и круговую диаграмму
№ 5 понимать смысл репрезентативности выборки, знать понятие стандартной ошибки среднего и уметь ее вычислять, уметь определять границы доверительного интервала для среднего и интерпретировать полученные результаты, знать свойства доверительного интервала уметь вычислять границы доверительного интервала для среднего с помощью stats.norm.interval() и stats.t.interval()

К независимому экзамену

  • Демоверсия НЭ (ML – темы, относящиеся к машинному обучению, ML* – темы, которые не были затронуты в обязательных курсах).
  • Разбор заданий по визуализации (№1-2 и №8-9): ссылка.
  • Разбор заданий по нормальному распределению и свойствам выборок (№4-5): ссылка.
  • Разбор заданий по проверке гипотез (№10-11): ссылка.

Дополнительные занятия

13 ноября. Краткий обзор парадигм программирования. Введение в ООП

  • Записи занятия и сырой ipynb-файл (ссылка).
  • Конспекты будут позже.

20 ноября. Классы: продолжение

  • Записи занятия и сырой ipynb-файл (ссылка).
  • Конспекты будут позже.

27 ноября. Обработка данных, группировка и визуализация: часть 1

  • Записи занятия и сырой ipynb-файл (ссылка).
  • Обработка данных, группировка и визуализация: часть 1 (конспект в ipynb), файл Excel.