Data analysis of social networks
Description: Изучение интеллектуального анализа Интернет-данных позволяет проводить анализ основных Интернет-технологий, анализировать данные социальных сетей. При изучении рассматриваются основные задачи интеллектуального анализа данных на основе информации из социальных сетей: линейная и множественная регрессия для задач прогнозирования. В результате изучения дисциплины на основе анализа данных социальных сетей можно прогнозировать различные экономические явления.
Amount of credits: 3
Пререквизиты:
- Introduction to Finance
Course Workload:
| Types of classes | hours |
|---|---|
| Lectures | 15 |
| Practical works | 15 |
| Laboratory works | |
| SAWTG (Student Autonomous Work under Teacher Guidance) | 15 |
| SAW (Student autonomous work) | 45 |
| Form of final control | Exam |
| Final assessment method |
Component: Component by selection
Cycle: Base disciplines
Goal
- Приобретение знаний и развитие навыков обработки экономической информации из социальных сетей с помощью математико-статистических методов и приёмов, знаний и навыков извлечения из статистических данных социальных сетей полезной информации для управления явлениями и процессами.
Objective
- Теоретическая и практическая подготовка в области моделирования и прогнозирования экономических процессов; овладение методами приведения данных социальных сетей в удобный вид для дальнейшей аналитической работы; освоение и применение пакетов прикладных программ для анализа статистических данных социальных сетей.
Learning outcome: knowledge and understanding
- Знать и понимать: 1) математические методы приведения статистических данных социальных сетей в удобный вид для анализа и принятия управленческого решения; 2) математические методы выявления зависимостей, тенденций, закономерностей; 3) математические методы моделирования и прогнозирования; 4) подходы к формированию и назначение кластеров; 5) способы обработки экспертных данных; 6) проведение и назначение имитационного моделирования
Learning outcome: applying knowledge and understanding
- Уметь: 1) приводить статистические данные в удобный для анализа вид с помощью формирования рядов вариации, группировки, средних величин; 2) графически представлять данные; 3) выявлять наличие и степень зависимости социально-экономических величин и показателей; 4) выявлять тенденции и закономерности в социально-экономическом развитии; 5) строить прогноз с помощью математического моделирования и оценивать его надежность и достоверность; 6) формировать кластеры; 7) обрабатывать данные, полученные экспертным путём.
Learning outcome: formation of judgments
- Уметь делать заключение о закономерностях, зависимостях, тенденциях, прогнозах, особенностях социально-экономического развития данных социальных сетей.
Learning outcome: communicative abilities
- Уметь формулировать, сообщать, обосновывать и доказывать выработанные заключения на любом уровне управления.
Learning outcome: learning skills or learning abilities
- Навыки самостоятельного изучения прикладных статистических программ.
Teaching methods
Технология проблемно- и проектно-ориентированного обучения; технологии учебно-исследовательской деятельности; коммуникативные технологии (дискуссия, пресс-конференция, мозговой штурм, учебные дебаты и другие активные формы и методы)
Key reading
- Мхитарян В.С. Анализ данных. Учебник. - М.: Юрайт, 2018. 2 Светуньков И.В. Методы социально-экономического прогнозирования в двух томах. Учебник и практикум для академического бакалавриата. – М.: Юрайт, 2018. 3 Садовникова Н.А. Анализ временных рядов и прогнозирование. Учебник. – М.: Синергия, 2016. 4 Невская Н.А. Макроэкономическое планирование и прогнозирование. Учебник и практикум для академического бакалавриата. – М.: Юрайт, 2016. 5 Клинов В.Г. Прогнозирование долгосрочных тенденций в развитии мирового хозяйства. Учебное пособие. – М.: Магистр, 2017. 6 Эконометрика: учебник / под ред. И.И. Елисеевой. – М.: Проспект, 2014. 7 Антохонова И.В. Методы прогнозирования социально-экономических процессов: учебное пособие. – М.: Юрайт, 2018.
