Перспективы, границы и возможности метода. В лекции демонстрируются различные основания определения концепта "Big Data", показывается ретроспектива развития исследований, основанных на анализе больших данных. Отдельно будут обозначены тезисы существующей дискуссии относительно возможностей и ограничений анализа больших данных в социальных и когнитивных науках.
Преподаватели:
Кашпур Виталий Викторович, Мягков Михаил Георгиевич.
Принципы цифровой аналитики
В лекции описываются ключевые принципы и специфика современной цифровой аналитики, структура аналитической деятельности. Дается представление о ключевых инструментах цифровой аналитики. Также описывается процесс организации аналитических групп и выделяются конкретные уровни и позиции аналитической работы.
Преподаватель:
Кашпур Виталий Викторович.
Проектирование дизайна исследования с использованием технологий и методов Big Data
В лекции описываются основные этапы проведения исследования с использованием технологий и методов сбора и обработки больших массивов данных. В ходе лекции будут представлены основные источники открытых данных, обзор инструментов анализа данных и примеры прикладных проектов на основе обработки открытой информации из социальных медиа.
Преподаватели:
Кашпур Виталий Викторович,
Гойко Вячеслав Леонидович.
Исследование психологических характеристик личности, их взаимосвязь с цифровыми следами
На лекции представляется роль психологической науки в информационном обществе: что происходит с психикой человека и межличностными отношениями под воздействием стремительного развития цифровых технологий?Отдельно будут представлены примеры прикладного применения результатов научных исследований взаимосвязи психологических черт личности и её поведения в цифровом пространстве.
Преподаватели:
Щербакова Виктория Владимировна,
Фещенко Артем Викторович.
Структура модуля (учебный план)
Лекция познакомит слушателей с основами машинного обучения, историей развития технологии и яркими примерами применения алгоритмов в прикладных сферах. В рамках лекции будут подробно разобраны основные теоретические понятия, а также обзор наиболее популярных инструментов для анализа данных и машинного обучения - библиотек Pandas и Scikit-learn.
Преподаватель:
Гойко Вячеслав Леонидович.
Введение в машинное обучение
Работа с API социальных сетей
Сбор открытой информации. В рамках практического занятия студенты познакомятся с различными способами сбора открытых данных: методами работы с API (программный интерфейс приложения), парсингом открытых данных сайтов и порталов.
Преподаватель:
Петров Евгений Юрьевич.
Платформа по сбору и анализу данных социальных сетей Университетского Консорциума исследователей больших данных
В ходе практического занятия студенты познакомятся с возможностями платформы по сбору и анализу данных социальных сетей на примере выгрузки подписчиков сообщества, друзей и пабликов у пользователей.
Преподаватель:
Петров Евгений Юрьевич.
Основные методы статистического анализа данных
Цель практического занятия познакомить слушателей с основными статистическими методами, применяемыми при анализе данных в различных областях гуманитарных наук, психологии, социологии, лингвистики и пр., научить решать задачи статистического анализа данных, начиная от формулирования исходных задач соответствующей предметной области на языке прикладной статистики, выбора методов решения и критериев качества полученных решений и заканчивая формулировкой полученных выводов на языке предметной области.
Преподаватели:
Губанов Александр Валерьевич, Мягков Михаил Георгиевич.
В занятии будет представлена методология анализа взаимодействия субъектов (людей, организаций) между собой в контексте различных социальных явлений. Будут проведены различия между структурным анализом, изучающим порядок взаимодействия между субъектами, позиционным анализом, показывающим наиболее влиятельных лиц в сети, а также динамическим анализом, который позволяет проанализировать, как изменяется взаимодействие между ними. В ходе практического занятия обучающиеся смогут построить сеть взаимодействия субъектов социальной сети и проанализировать её структуру, выделить ключевых лидеров при помощи программного продукта Gephi.
Преподаватель:
Мундриевская Юлия Олеговна.
Social Network Analysis: сетевое взаимодействие между субъектами в социальных сетях
Введение в язык программирования Python 3
Практические занятия нацелены на изучение основ языка программирования Python, приобретение навыков работы в современных программных средах разработки, формирование способности самостоятельно создавать алгоритмы и программы с использование языка программирования Python для решения задач в области анализа текстовой информации и автоматизации работы с файлами.
Преподаватель:
Губанов Александр Валерьевич.
Большие данные и машинное обучение в прогнозировании когнитивных особенностей личности
Практическое занятие позволит получить представления о возможностях прикладного применения исследований когнитивных особенностей учащихся с использованием технологий анализа больших пользовательских данных из социальных сетей. Предлагаемый подход позволяет получать дополнительные данные об учащихся, повышать сложность цифровой модели учащегося для прогнозной аналитики и персонализации обучения.
Преподаватели:
Гойко Вячеслав Леонидович, Фещенко Артем Викторович.
Инструменты автоматического анализа текстов
Практическое занятие включает в себя два раздела. Первый - описание принципов и методов автоматического анализа текстов. Второй раздел представляет работу в платформе для автоматического анализа текстов PolyAnalyst. Будут рассмотрены вопросы функционала платформы, примеры аналитических решений, интерфейс программы и ее основные инструменты.
Преподаватель:
Петров Евгений Юрьевич.
Раздел 1. Введение. 18 аудиторных/9 СРС часов. 0,75 З.Е.
Раздел 1. Введение. 18 аудиторных/9 СРС часов. 0,75 З.Е.
Раздел 3. Групповая проектная работа. 18 аудиторных/9 СРС часов. 0,75 З.Е.
Групповая проектная работа предполагает совместную реализацию конкретных исследовательских задач в рамках команд обучающихся численностью от 6 до 10 человек. В ходе групповой проектной работы обучающиеся используют знания и навыки сформированные в ходе лекций и практических занятий для решения конкретных исследовательских задач.