Ե-Կենտրոնը սկսում է նոր դասընթաց նրանց համար, ովքեր չունեն ծրագրավորման կամ քանակական մեթոդների միջոցով տվյալների վերլուծության փորձ, բայց ցանկանում են նոր հմտություններ ձեռք բերել տվյալների հավաքագրման և վերլուծության ոլորտում։ Այս դասընթացը օգտակար կլինի հատկապես սոցիալական գիտությունների ուսանողների ու հետազոտողների, լրագրողների և հանրային քաղաքականության ոլորտի փորձագետների համար։

Դասընթացը բաղկացած է երկու մոդուլից, որոնք ներառում են բոլոր այն հիմնական փուլերը, որոնցով սովորաբար անցնում է հետազոտողը հետազոտական ​​աշխատանք կատարելիս՝ տվյալների հավաքագրում, տվյալների մաքրում և փոխակերպում, տվյալների վիզուալացում և վերլուծություն:

Առաջին մոդուլը նվիրված է համացանցում տվյալների հավաքագրման ռազմավարության ուսուցմանը՝ կայքերում տեղադրված տեղեկատվության փարսինիգի միջոցով: Տեղեկատվության փոխանակման միջոցների առցանց հեղափոխությունը, սոցիալական ցանցերի առաջացումը և մարդկային կյանքի բազմաթիվ ոլորտների թվայնացումը ստեղծել են տեղեկատվության և տվյալների հսկայական պաշար, որոնք հասանելի են հավաքագրման և վերլուծության համար: Տվյալների վերլուծաբանները, շուկայագետները, ակադեմիական հետազոտողները, ուսանողները, լրագրողներն ու հետաքննողները լայն հնարավորություններ են ստացել՝ հանրային տեղեկատվություն հավաքելու և իրենց հետազոտական ​​հարցերին պատասխաններ գտնելու: Խնդիրն այս դեպքում ոչ այնքան տեղեկատվություն գտնելն է, որքան արդյունավետ կերպով համապատասխան տեղեկատվություն հավաքելը, ինչպես նաև գտածը տվյալների վերածելը և վերլուծության նախապատրաստելը:

Երկրորդ մոդուլը նախատեսված է նրանց համար, ովքեր ցանկանում են ձեռք բերել վիճակագրության վերաբերյալ տեսական հիմնային գիտելիքներ և R ծրագրավորման միջավայրում տվյալների մաքրման, փոխակերպման, վիզուալացման ու վերլուծության գործնական հմտություններ։ Վիճակագրության տեսական գիտելիքների և ծրագրավորման գործնական հմտությունների համադրությունը նոր հորիզոններ ու նոր հնարավորություններ է բացում հետազոտողների առջև՝ կատարելու այնպիսի առաջադրանքներ, ինչպիսիք սովորաբար ենթադրում են տվյալների փոխակերպում, տվյալների վիզուալացում, նկարագրական վիճակագրության հաշվարկ և վարկածների փորձարկում: Բացի այդ՝ վիճակագրական հիմնական հասկացությունների ընկալումը, տվյալների պատրաստման և ճիշտ վերլուծության հետ մեկտեղ, հետազոտողներին հնարավորություն է տալիս հիմնավորված եզրակացություններ անել պատճառահետևանքային կապերի առկայության վերաբերյալ:

Մոդուլ I Փարսինգ և Համացանցում տվյալների հավաքագրման ավտոմատացման ներածություն

Թեմաներ (տեսություն և պրակտիկա)

1. Տեղեկատվություն, տվյալներ և ավտոմատացում. ի՞նչ է տեղեկատվությունը, ի՞նչ են տվյալները և ինչպե՞ս ավտոմատացնել առաջինի փոխակերպումը երկրորդի: Համացանցում առկա տեղեկատվության/տվյալների ամենատարածված ձևաչափերը (հում տվյալներ – տեքստ և թվեր՝ տեքստի, աղյուսակների, JSON ձևաչափով), կայքէջերի տեսակները։

2. Ստատիկ կայքի փարսինգ. html-պիտակներ և կայքի կառուցվածք, http -հարցումներ, ցուցակներ և տվյալների շրջանակի ձևակերպում։

3. Աղյուսակների փարսինգ. աղյուսակները որպես տեղեկատվության/տվյալների ամենատարածված ձևաչափը ինտերնետում: Աղյուսակների փարսինգի եղանակներ։

4. API և JSON փարսինգ. API, API-հարցումներ և JSON փարսինգ։

5. Դինամիկ կայքի փարսինգ․ Selenium գրադարան և դինամիկ կայքի բովանդակություն մուտք գործելու հմտություն։ Դասախոս. Յուրի Ագաֆոնով

Տևողությունը՝ 4 շաբաթ, 5 պարապմունք, յուրաքանչյուր պարապմունքը՝ 2 ժամ
Սկիզբը՝ 27․ 02. 2023
Արժեքը՝ 35.000 դրամ
Լեզուն՝ անգլերեն
Ձևաչափը՝ առկա

Ի՞նչ կստանաք արդյունքում։

• Հիմնային գիտելիքներ Python-ից (օբյեկտների տեսակներ, գործառույթներ, http-հարցումներ, API- հարցումներ, տվյալների փոխակերպում pandas գրադարանի միջոցով)։

• Փարսինգի հիմնային հմտություններ՝ գիտելիքները հետագայում զարգացնելու համար։

• Կոդի օրինակներ, որոնք կարող եք օգտագործել տվյալների հավաքագրման ձեր սեփական նախագծերում։

Մոդուլ II. Վիճակագրության, փոխակերպման, վիզուալացման և տվյալների վերլուծության ներածություն

Թեմաներ

Տեսական մաս

1. Պատահական փոփոխական, պատահական փոփոխականի բաշխման ֆունկցիա, պատահական փոփոխականի բաշխման խտություն։

2. Պատահական փոփոխականի պահեր (մաթեմատիկական ակնկալիք, դիսպերսիա): Կորելացիա և կովարիանս։ Մեծ թվերի օրենքը և կենտրոնական սահմանային թեորեմը։

3. Վիճակագրական վարկածների փորձարկում. Սթյուդենտի թեստ, chi-square թեստ:

4. Էմպիրիկ բաշխման ֆունկցիա, ընտրանքային վիճակագրություն։

5. Գծային ռեգրեսիա

Գործնական մաս

1. Քանակական մեթոդներ՝ պատմություն, գործիքներ, հիմնական հասկացություններ: R-ի և RStudio-ի ներածություն։

2. Տվյալների փոխակերպում և վիզուալացում. սկզբունքներ և գործիքներ։

3. Վիճակագրական վարկածներ և սխալներ. Chi-square վիճակագրություն (𝜒2): Վիճակագրական թեստեր։

4. Կորելացիա և կովարիանս: Կորելացիայի գործակիցների հաշվարկ։ Կորելատիվ մատրիցաների կառուցում։

5. Զուգակցված և բազմակի LLS ռեգրեսիա: Ռեգրեսիայի մոդելների բնորոշում։

Ի՞նչ կստանաք արդյունքում։

• Վիճակագրության հիմնային գիտելիքներ։

• Հիմնային գիտելիքներ R և RStudio-ից (tidyverse գրադարան, հիմնական R գործառույթներ)

• Տվյալների փոխակերպման, վիզուալացման և վերլուծության հիմնական հմտությունները R ծրագրում։

• Կոդի օրինակներ, որոնք կարող եք օգտագործել տվյալների վերլուծության ձեր սեփական նախագծերում։

Դասախոս. Յուրի Ագաֆոնով, Միխայիլ Սոկոլով

Տևողությունը՝ 5 շաբաթ, 10 պարապմունք, յուրաքանչյուր պարապմունքը՝ 2 ժամ
Սկիզբը՝ 27․03.2023
Արժեքը՝ 48 000 դրամ
Լեզուն՝ ռուսերեն, անգլերեն
Ձևաչափ՝ առցանց, առկա

Զեղչ

Հնարավոր է հաճախել ինչպես ամբողջ դասընթացին, այնպես էլ առանձին մոդուլներին։ Ամբողջ դասընթացին հաճախելու դեպքում գործում է 16% զեղչ։ 83 000 դրամի փոխարեն արժեքը կլինի 70 000 դրամ։

Հատուկ պայմաններ. եթե ունեք հատուկ խնդրանքներ, կարիքներ կամ հարցեր (օրինակ՝ ցանկալի լեզուն և դասընթացի ձևաչափը), խնդրում ենք գրել մեզ, և մենք կփորձենք օգնել ձեզ: