Новая образовательная платформа
Курс НГУ Тренды и классификации
Курс

Тренды и классификации

Тренды и классификации

Всегда хотел научиться строить максимально точные прогнозы? Что ж, самое время! Мы научим тебя прогнозировать на основе трендов и классификаторов, а еще находить в данных скрытые переменные, анализировать данные в динамике, строить факторы и деревья решений. В конце курса ты выполнишь исследовательский проект на реальных данных компании 2GIS.

Курс Новосибирского государственного университета

• НГУ входит в 24 международные коллаборации, 19 из них — в области физики элементарных частиц и астрофизики.
• Университет реализует модель «образование через исследования»: 80% преподавателей НГУ — действующие учёные, поэтому студенты с младших курсов работают над реальными исследовательскими проектами.
• Выпускники НГУ работают в ведущих зарубежных университетах и научно-исследовательских центрах.
• НГУ — центр экосистемы новосибирского Академгородка, где в шаговой доступности находятся один из самых высокоэффективных в России технопарков и 35 исследовательских организаций.

Кому подойдёт этот курс

  • Студентам

    Мы научим тебя анализировать тренды, проводить факторный анализ, применять классификаторы (деревья решений, логистическую регрессию и другие) и строить прогнозы.
    Мы покажем, как это работает, на простых и понятных примерах, и дадим алгоритмы решения таких задач в SPSS и R.
    Ты выполнишь исследовательский проект на данных, которые аналитики компании 2GIS используют в своей работе.

  • Начинающим

    Мы дадим тебе практические инструменты анализа трендов, выявления скрытых структур в данных, научим применять алгоритмы классификации для задач прогнозирования и решать прогнозные задачи в SPSS и R. Покажем, как это работает, на реальных данных компании 2GIS, и поможем тебе сделать собственный исследовательский проект.

  • Аналитикам данных

    Ты освоишь конкретные технологии и инструменты прогнозирования на основе анализа трендов и применения классификаторов, научишься выявлять скрытые переменные в данных и анализировать их эффекты.
    Мы покажем, как решать такие задачи в SPSS и R, и ты сразу применишь полученные знания на практике, сделав свой проект на реальных данных компании 2GIS.

Трейлер курса

Превью видеозаписи

Чему вы научитесь

  1. Выявлять и анализировать тренды
  2. Применять методы классификации
  3. Ставить и решать задачи прогнозирования
  4. Проводить факторный анализ
  5. Отличать случайности от закономерностей
  6. Выявлять скрытые переменные в данных
  7. Решать задачи прогноза и классификации в SPSS и R

Содержание курса

Курс состоит из 4 модулей, каждый из которых посвящен отдельному классу задач: анализу временных рядов, прогнозу временных рядов, построению факторной модели и методам классификации. Каждый модуль завершается практическими видео решения задач в SPSS и R.В конце каждого модуля и в конце курса вас ждет итоговый тест; также вы выполните практический проект на данных компании 2GIS.

  • 28 видеоуроков
  • 5 практических видео с разбором решения задач в SPSS и R
  1. Вводные материалы о специализации

  2. Вводная лекция: структура и содержание специализации

  3. Тексты

      1. О чём этот курс и как он устроен
      2. Дополнительные материалы по статистическим пакетам
      3. Данные, на которые мы опираемся и ссылаемся
  4. Модуль 1. 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.

      1. 1.1. Понятие временных рядов
      2. 1.2. Тренд
      3. 1.3. Сезонность
      4. 1.4. STL-разложение
      5. 1.5. Поиск выбросов
      6. 1.6. Тренд, сезонность, STL. Практика в R
  5. Модуль 2. 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.

      1. 2.1. AR и MA
      2. 2.2. ARMA и ARIMA
      3. 2.3. Адаптивные модели. Экспоненциальное сглаживание
      4. 2.4. Адаптивные модели. Модели с трендом и сезонностью
      5. 2.5. Виды адаптивных моделей
      6. 2.6. Следящий контроль. Модель Тригга — Лича
      7. 2.7. Построение моделей временных рядов в R. Практика
  6. Модуль 3. 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.

      1. 3.1. Введение в факторный анализ
      2. 3.2. Построение факторной модели
      3. 3.3. Способы оценки качества факторной модели
      4. 3.4. Пример построения факторной модели
      5. 3.5. Факторы готовы: что дальше?
      6. 3.6. Факторный анализ в SPSS. Практика
  7. Модуль 4. 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.

      1. 4.1. Введение в классификацию
      2. 4.2. Линейный классификатор
      3. 4.3. Байесовский классификатор
      4. 4.4. Дерево решений
      5. 4.5. Бинарная логистическая регрессия: основная идея
      6. 4.6. Логистическая регрессия: применение и оценка качества
      7. 4.7. Методы классификации в R. Практика
      8. 4.8. Построение модели логистической регрессии в SPSS. Практика
  8. Модуль 5. Итоговый тест и оцениваемое задание

      1. Итоговый тест
      2. Практическое задание

Авторы курса

Наталья Галанова

Наталья
Галанова

Аналитик данных компании 2GIS

Виктор Демин

Виктор
Демин

Team lead, аналитик данных компании 2GIS, кандидат технических наук

Ольга Ечевская

Ольга
Ечевская

Социолог-исследователь, кандидат социологических наук, преподаватель курсов по анализу данных в НГУ

Стоимость курса

  • Единоразовая оплата:
  • 4 845
  • 5 700
Курс НГУ Тренды и классификации

Шаг 1. Выберите вариант оплаты

Шаг 2. Заполните контактные данные

Похоже, произошла ошибка. Попробуйте отправить снова или перезагрузите страницу.

Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

Нажимая на кнопку, я соглашаюсь с публичной офертой и политикой обработки персональных данных

Спасибо!

Ваша заявка успешно отправлена

Часто задаваемые вопросы

  • Как пройти курс?

    Для получения сертификата о прохождении курса вам необходимо набрать проходной балл по каждому из обязательных заданий: тесты по итогам каждого модуля, итоговый тест по курсу и практический проект по анализу данных.
    Видео, материалы для самостоятельного изучения, а также тренировочные упражнения помогут вам подготовиться к сдаче оцениваемых заданий.
  • Кто будет мне помогать в обучении на платформе?

    У вас будут кураторы в Telegram-чате курса. Они прокомментируют практические работы, дадут полезные советы и ответят на любые вопросы. Вы сможете перенять их опыт, профессиональные знания и лайфхаки.