• Источники массовых данных в традиционной и цифровой экономике, цифровые ресурсы статистической информации;
• Методы сбора и обработки информации с использованием статистических пакетов прикладных программ (Statistica) и языка программирования R;
• Методы эконометрического моделирования и статистического анализа;
• Цифровые технологии (пакеты прикладных статистических программ, языки программирования R и Python) для осуществления расчетов и анализа;
• Методы статистического анализа и прогнозирования показателей деятельности производителей;
• Методы эконометрического моделирования временных рядов;
• Современный опыт использования анализа больших данных;
• Теоретические и прикладные основы анализа больших данных с применением языка программирования Python;
• Методы анализа и предобработки больших данных: корреляционный анализ, регрессионный анализ, классификация с применением языка программирования Python.

• Анализировать отчетность организаций с использованием статистических методов и пакетов прикладных статистических программ Statistica и языков программирования R, Python;
• Применять методы формирования и использования баз данных;
• Анализировать и использовать различные источники информации для проведения расчетов в сфере профессиональной деятельности;
• Составлять прогноз основных показателей деятельности организации, подразделений с использованием статистических методов и пакетов прикладных статистических программ Statistica, и языков программирования R, Python;
• Анализировать результаты расчетов;
• Решать задачи классификации, кластеризации, регрессии, прогнозирования, снижения размерности и ранжирования данных;
• Использовать возможности языка программирования высокого уровня Python, ориентированные на работу с большими данными на одном компьютере: реализацию статистической обработки данных и работу с графикой и разрозненными фрагментами данных в больших массивах;
• Проводить очистку, интеграцию и преобразование больших данных;
• Разрабатывать и оценивать модели машинного обучения для анализа больших данных.

Содержание курса:

Раздел 1. Ряды распределения и их количественные характеристики

Раздел 2. Корреляционно-регрессионный анализ данных

Раздел 3. Ряды динамики

Раздел 4. Статистический анализ в R

Раздел 5. Анализ больших данных в Python