Код: 316192

Назва:

Статистичні основи веб-аналітики

Анотація: Курс присвячено математичним основам аналізу даних в маркетингових дослідженнях та веб-аналітиці. Зокрема, наводяться основні поняття математичної статистики, такі як популяція, вибірка, основні статистичні оцінки, конзистентні та некозистентні, зміщені та незміщені, статистичні гіпотези, основні ймовірнісні розподіли, основні статистичні критерії, АВ-тестування. Усі теоретичні методи наводяться з практичними прикладами. Значна частина курсу присвячена чисельному експерименту (з основою в мові Python).

Тип дисципліни: вибіркова

Рік навчання: 3

Семестр: 6 (весняний)

Кількість кредитів: 4

Форма контролю: залік

Викладач(і): доц., к.ф-м.н. Крюкова Г.В.

Результати навчання: Демонструвати знання й розуміння основних концепцій, принципів, теорій прикладної математики і використовувати їх на практиці. Володіти основними положеннями та методами математичного, комплексного та функціонального аналізу, лінійної алгебри та теорії чисел, аналітичної геометрії, теорії диференціальних рівнянь, зокрема рівнянь у частинних похідних, теорії ймовірностей, математичної статистики та випадкових процесів, чисельними методами. Формалізувати задачі, сформульовані мовою певної предметної галузі; формулювати їх математичну постановку та обирати раціональний метод вирішення; розв'язувати отримані задачі аналітичними та чисельними методами, оцінювати точність та достовірність отриманих результатів. Виконувати математичний опис, аналіз та синтез дискретних об'єктів та систем, використовуючи поняття й методи дискретної математики та теорії алгоритмів. Вміти проводити практичні дослідження та знаходити розв'язок некоректних задач.
Поєднувати методи математичного та комп'ютерного моделювання з неформальними процедурами експертного аналізу для пошуку оптимальних рішень. Володіти методиками вибору раціональних методів та алгоритмів розв'язання математичних задач оптимізації, дослідження операцій, оптимального керування і прийняття рішень, аналізу даних. Розв'язувати окремі інженерні задачі та/або задачі, що виникають принаймні в одній предметній галузі: в соціології, економіці, екології та медицині. Використовувати в практичній роботі спеціалізовані програмні продукти та програмні системи комп'ютерної математики. Виявляти здатність до самонавчання та продовження професійного розвитку.
Уміти організувати власну діяльність та одержувати результат у рамках обмеженого часу. Демонструвати навички взаємодії з іншими людьми, уміння працювати в команді. Уміти здійснювати збір, опрацювання, аналіз, систематизацію науковотехнічної інформації, уникаючи при цьому академічної недоброчесності. Ефективно спілкуватися з питань інформації, ідей, проблем та рішень зі спеціалістами та суспільством загалом. Збирати та інтерпретувати відповідні дані й аналізувати складності в межах своєї спеціалізації для донесення суджень, які відбивають відповідні соціальні та етичні проблеми. Демонструвати навички професійного спілкування, включаючи усну та письмову комунікацію українською мовою та принаймні однією з офіційних мов ЄС.
Знати основні поняття, засоби і методи математичної логіки, їх застосування в інформатиці й програмуванні. Обгрунтовувати власний погляд на задачу та спосіб її розв'язання, спілкуватися з колегами з питань застосування апарату математичної логіки.
Знати основні принципи, методи і задачі машинного навчання.
Застосовувати вивчені методи машинного навчання при вирішенні реальних практичних задач.


Спосіб навчання: дистанційний

Необхідні обовязкові попередні й супутні модулі: теорія ймовірностей, математична статистика.

Зміст дисципліни: Основні поняття та твердження з теорії множин, комбінаторики, теорії ймовірностей, математичної статистики. Знайомство з програмним забезпеченням та основи мови Pyton. Шкали вимірювання: номінальна, порядкова, інтервальна. шкала відношень. Основні статистичні поняття. Первинні описові статистики. Розподіл даних. Нормальний закон розподілу. Перевірка гіпотез за допомогою статистичних критеріїв. Методи кореляційного аналізу. Простий регресійний аналіз. Кластерний аналіз та факторний аналіз. А/В тестування.


Рекомендована література: 1. Боднарчук Ю. В., Олійник Б. В. Основи дискретної математики: Навч. посіб. - К.: Вид. дім "Києво-Могилянська академія", 2009. - 159 с.
2. Грэхем З., Кнут Д., Паташник О. Конкретная математика. Основание информатики. - М.: Мир, 1998. - 703 с.
3. VanderPlas J. Pyton Data Science Handbook: Essential Tools for Working with Data. - O'Reilly Media, Inc., 2016. - 548.


Форми та методи навчання: лекції, практичні заняття, розв'язування задач, обговорення методів та прикладів,опрацювання літератури, самостійна робота.

Методи й критерії оцінювання: рейтингова система оцінювання за 100-бальною шкалою: - за роботу в семестрі (контрольні роботи, інивідуальне завдання, колоквіум) - 70%; - залік - 30%.

Мова навчання: українська