Современные методы сбора и анализа данных

Содержание

Слайд 2

Организационный раздел

Организационный раздел

Слайд 3

ЧЕК-ЛИСТ НА РАБОТЫ СОКУРСНИКОВ (ОТ 0 ДО 5 БАЛЛОВ)

Содержание
Визуализация
Выступление

ЧЕК-ЛИСТ НА РАБОТЫ СОКУРСНИКОВ (ОТ 0 ДО 5 БАЛЛОВ) Содержание Визуализация Выступление

Слайд 4

Основные термины курса

В широком смысле данные - факты, текст, графики, картинки, звуки, аналоговые или

Основные термины курса В широком смысле данные - факты, текст, графики, картинки,
цифровые видео-сегменты и т.д.
Они могут быть получены в результате: измерений, экспериментов, арифметических и логических операций и т.д.
Данные должны быть представлены в форме, пригодной для хранения, передачи и обработки.
Данные - это необработанный материал, предоставляемый поставщиками данных и используемый потребителями для формирования информации на основе данных.

Информация

Слайд 5

Основные термины курса

Объект – сущность, о которой данных хранятся в какой-либо форме
Атрибут

Основные термины курса Объект – сущность, о которой данных хранятся в какой-либо
– измеримое свойство объекта, его характеристика.
Анализ — преобразование данных в выводы, на основе которых будут приниматься решения и строиться действия с помощью людей, процессов и технологий

При анализе данных, как правило, нет возможности рассмотреть всю совокупность объектов.
Изучение очень больших объемов данных является дорогостоящим процессом, требующим больших временных затрат, а также неизбежно приводит к ошибкам, связанным с человеческим фактором.
Вполне достаточно рассмотреть некоторую часть всей совокупности, то есть выборку, и получить интересующую информацию на ее основании.

Слайд 6

Виды анализа (от простого к сложному)

Привести пример каждого вида анализа

Виды анализа (от простого к сложному) Привести пример каждого вида анализа

Слайд 7

Уровень аналитики и вид анализа

Интенсивность цвета каждой ячейки обозначает примерную оценку усилий

Уровень аналитики и вид анализа Интенсивность цвета каждой ячейки обозначает примерную оценку
или времени, затраченных на проведение этого типа анализа.
Например, подготовка стандартных отчетов обычно осуществляется на основе описательного и разведочного типов анализа, при этом
крайне маловероятно использование причинно-следственных моделей.
Аналитика оптимизации строится на описательном и разведочном анализе, но в первую очередь сосредоточена
на прогностическом и, возможно, причинно-следственном анализе.

Слайд 8

Измерения

Измерение - процесс присвоения чисел характеристикам изучаемых объектов согласно определенному правилу.
В процессе подготовки данных измеряется не сам объект,

Измерения Измерение - процесс присвоения чисел характеристикам изучаемых объектов согласно определенному правилу.
а его характеристики.
Шкала - правило, в соответствии с которым объектам присваиваются числа.
Переменная  - свойство или характеристика, общая для всех изучаемых объектов, проявление которой может изменяться от объекта к объекту.
Значение переменной является проявлением признака объекта.

Слайд 9

Измерения

Переменные могут являться числовыми данными либо символьными.
Числовые данные, в свою очередь, могут быть дискретными и непрерывными.
Дискретные

Измерения Переменные могут являться числовыми данными либо символьными. Числовые данные, в свою
данные являются значениями признака, общее число которых конечно либо бесконечно, но может быть подсчитано при помощи натуральных чисел от одного до бесконечности.
Пример дискретных данных. Продолжительность маршрута автобуса (количество вариантов продолжительности конечно): 15, 20, 30 мин.
Непрерывные данные - данные, значения которых могут принимать какое угодно значение в некотором интервале.
Измерение непрерывных данных предполагает большую точность.
Пример непрерывных данных: температура, высота, вес, длина и т.д.

Слайд 10

Шкалы

Привести пример каждого типа шкал измерений

Шкалы Привести пример каждого типа шкал измерений

Слайд 11

Задания

Задания

Слайд 12

Индивидуальная работа (визуализация, доклад)
06.11 Данные в цифровой экономике, их визуализация и предварительная

Индивидуальная работа (визуализация, доклад) 06.11 Данные в цифровой экономике, их визуализация и
обработка
13.11. Технологии анализа данных. Инструменты описательной статистики
20.11. Агрегирование данных. Методы одномерного и двумерного анализа данных
27.11. Методы многомерного анализа данных. Методы анализа временных рядов.
04.12 Программные средства анализа данных
11.12. Гипотезы. Проверка статистических гипотез.
18.12 Дисперсионный анализ. Основы непараметрической статистики.
25.12. Итоговая комплексная работа
Имя файла: Современные-методы-сбора-и-анализа-данных.pptx
Количество просмотров: 60
Количество скачиваний: 0