Статистика для анализа данных

Для прохождения данного курса не требуется специальная математическая подготовка, поэтому курс подойдет для слушателей любого уровня.
Необходимые инструменты:

1. Google Sheets.
2. MS Office (2016 или 2019 года).
3. Anaconda (Individual Edition).

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.

Курс позволяет освоить следующие компетенции в соответствии с Рекомендациями к дополнительным профессиональным программам ИТ-профиля, реализуемым в рамках проекта "Цифровые кафедры" университета–участника программы стратегического академического лидерства "Приоритет-2030":
Сфера: Искусственный интеллект и машинное обучение.
Компетенция: Применяет математический аппарат для решения задач по оценке и разработки моделей.
Уровень: Базовый.

1. Слушатель знает основные понятия статистики и умеет ими оперировать.
2. Слушатель умеет загружать и исследовать данные в выбранном ПО.
3. Слушатель умеет проводить описательный анализ данных.
4. Слушатель умеет выбирать корректный тип визуализации и визуализировать данные.
5. Слушатель умеет определять тип распределения по визуализации и интерпретировать его.
6. Слушатель умеет определять силу и направление корреляции по коэффициенту и визуализации. Умеет интерпретировать корреляцию в данных.
7. Слушатель умеет построить линейный тренд в данных и интерпретировать его уравнение.
8. Слушатель умеет поставить гипотезу, выбрать критерий значимости и корректный параметрический или непараметрический тест для проверки гипотезы. 
9. Слушатель умеет рассчитать и интерпретировать критерий Стьюдента для разных выборок.
10. Слушатель умеет применять к данным модель линейной регрессии и интерпретировать ее метрики и коэффициенты. Умеет проверить ограничения и допущения для построения такой модели.
11. Слушатель умеет применять к данным модель логистической регрессии и интерпретировать ее метрики и коэффициенты. Умеет проверить ограничения и допущения для построения такой модели.

• Способность самостоятельно осуществлять постановку задачи статистического анализа и оценивания в избранной предметной области, выбор и применение статистического инструментария и программных средств (ПК-2).
• Способность самостоятельно осваивать новые методы прикладной и математической статистики для их использования в аналитической работе (ПК-3).
• Способность осознанно применять методы математической и дескриптивной статистики для анализа количественных данных, содержательно интерпретировать результаты (ПК-4).
• Способен вести исследовательскую деятельность, включая анализ проблем, постановку целей и задач, выделение объекта и предмета исследования, выбор способа и методов исследования, а также оценку его качества (УК-6).