Программа дисциплины «Программный пакет r и его применение в нейронных сетях и деревьях решений» для направления 040200. 62 «Социология» подготовки магистров первого года обучения 

Вид материала

Программа дисциплины

Содержание 1 Область применения и нормативные ссылки 2 Цели освоения дисциплины 3 Компетенции обучающегося, формируемые в результате освоения дисциплины 4 Место дисциплины в структуре образовательной программы 5 Тематический план учебной дисциплины 6 Формы контроля знаний студентов 7 Содержание дисциплины 8.2 Критерии выставления оценки за текущий контроль 8.3 Вопросы для оценки качества освоения дисциплины 8.4 Критерии выставления оценки за промежуточный и итоговый контроль 9 Образовательные технологии 10 Порядок формирования оценок по дисциплине 11.1 Базовый учебник

Подобный материал:

• Программа дисциплины «Современные методики социологического исследования» для направления, 179.66kb.
• Программа дисциплины правоведение  для направления/ специальности 040200. 62 «Социология», 496.85kb.
• Программа дисциплины «Социальная структура действия»  для направления 040200., 442.43kb.
• Программа дисциплины «Современная философия и методология познания общества». Часть, 351.14kb.
• Программа дисциплины Профориентационный семинар (нис) для направления 040200. 62 «Социология», 136.78kb.
• Программа дисциплины Маргинальность: основания социологической теории для направления, 184.83kb.
• Программа дисциплины «Социология культуры» для направления 040200. 62 «Социология», 532.71kb.
• Программа дисциплины «Социально-экономическое развитие посткоммунистических стран», 335.17kb.
• Программа дисциплины Социология гендера для направления 040200. 68 Социология подготовки, 217.82kb.
• Программа дисциплины Социология репродуктивного поведения для направления 040200., 139.41kb.

Правительство Российской Федерации


Государственное образовательное бюджетное учреждение

высшего профессионального образования


Национальный исследовательский университет - Высшая школа экономики

Факультет социологии Санкт-Петербургского филиала

Кафедра методов и технологий социологических исследований


Программа дисциплины

«Программный пакет R и его применение в нейронных сетях и

деревьях решений»

для направления 040200.62 «Социология» подготовки магистров первого года обучения





Автор программы:

Понарин Э.Д., Ph.D. (Sociology), ponarin13@gmail.com


Одобрена на заседании кафедры

Зав. кафедрой

___________ проф. А.А. Вейхер

« » 20 г


Рекомендована секцией УМС

«___»____________ 20 г

Председатель

____________


Утверждена УС факультета

«___»_____________20 г.

Ученый секретарь

_______________

________________________ [подпись]


Санкт-Петербург, 2010/2011 уч. год

1 Область применения и нормативные ссылки


Настоящая программа учебной дисциплины устанавливает минимальные требования к

знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности.

Программа предназначена для преподавателей, ведущих данную дисциплину, учебных

ассистентов и студентов направления подготовки/специальности 040200.62, обучающихся по магистерской программе «Современные методы и технологии в изучении социальных проблем общества» по специализации «Социология», изучающих дисциплину «Программный пакет R и его применение в нейронных сетях и деревьях решений».


Программа разработана в соответствии с:


• Образовательной программой для направления 040200.62 «Социология» по магистерской программе «Современные методы и технологии в изучении социальных проблем общества»

• Рабочим учебным планом университета по направлению подготовки/ специальности 040200.62 по специализации «Социология», утвержденным в 201_г.


2 Цели освоения дисциплины

Целями освоения дисциплины «Программный пакет R и его применение в нейронных сетях и деревьях решений» является ознакомление слушателя с продвинутыми статистическими техниками с использованием языка R.


3 Компетенции обучающегося, формируемые в результате освоения дисциплины

В результате освоения дисциплины студент должен:

Знать основные теоретические и методологические направления анализа данных с использованием языка R;

Уметь анализировать данные и конструировать модель анализа средствами программы R;

Обладать навыками применения техник многомерного статистического анализа данных.


В результате освоения дисциплины студент осваивает следующие компетенции:

Компетенция	Код по ФГОС/ НИУ	Дескрипторы – основные признаки освоения (показатели достижения результата)	Формы и методы обучения, способствующие формированию и развитию компетенции
Студент должен знать основные теоретические и методологические направления анализа данных с использованием языка R	ОК-1	Необходимо иметь представление об основных теоретических и методологических направлениях анализа данных	Знакомство слушателей с методами многомерного статистического анализа данных, в т.ч. факторным, кластерным, дискриминантным методами анализа, системами структурных уравнений.
Студент должен уметь анализировать данные и конструировать модель анализа средствами программы R	ОК-1	Необходимо применять освоенные статистические техники в программном пакете R	Обучение слушателей техническим возможностям программы R
Студент должен обладать навыками применения техник многомерного статистического анализа данных	ОК-1	Необходимо интерпретировать полученные результаты	Обучение слушателей основным принципам интерпретации полученных результатов

4 Место дисциплины в структуре образовательной программы

Для специализаций 040200.62 «Социология» настоящая дисциплина является дисциплиной по выбору (факультативной).


Изучение данной дисциплины базируется на следующих дисциплинах:

• Теория вероятностей и математическая статистика
  
• Базовые компьютерные технологии исследовательской и проектной деятельности
  
• Современные методы сбора социологической информации
  

Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями:

• теоретическими и методологическими техниками анализа данных с использованием языка R
  
• практическими навыками построения моделей средства R
  
• интерпретировать полученные результаты
  

Основные положения дисциплины должны быть использованы в дальнейшем при изучении следующих дисциплин:

• Научно-исследовательский семинар «Методы обработки и представления социологических данных»
  

5 Тематический план учебной дисциплины

№	Название раздела	Всего часов	Аудиторные часы		Самостоя­тельная работа
			Лекции	Семинары (практические занятия)
1	Дискриминантный анализ	8	2	2	4
2	Анализ главных компонент	8	2	2	4
3	Факторный анализ	8	2	2	4
4	Системы структурных уравнений	8	2	2	4
5	Пат-анализ	8	2	2	4
6	Кластерный анализ	8	2	2	4
7	Нейронные сети	8	2	2	4
8	Деревья решений	8	2	2	4
9	Анализ скрытых классов	8	2	2	4
	Итого:	72	18	18	36

6 Формы контроля знаний студентов

Тип контроля	Форма контроля	Кафедра	Период проведения	Формат работы **	Объем, длительность	Проверяемые компетенции
Текущий	Контрольная работа			тестирование	40 минут
	Эссе				3-4 тыс. слов
	Реферат
	Коллоквиум			письменная работа	120 минут
	Домашнее задание	Методов и технологий социологических исследований	В течение всего курса
Промежу­точный	Зачет
	Экзамен			Письменный по билету, 2 вопроса и задача	90 мин.
Итоговый	Зачет	Методов и технологий социологических исследований	на зачетной неделе	Письменный	90 мин.	Овладение техниками методов многомерного статистического анализа данных

7 Содержание дисциплины

Курс состоит из лекций и практических занятий. В ходе практических занятий будут рассмотрены задачи, отвечающие по содержанию теоретической части, рассмотренной в лекции. Контроль успеваемости включает четыре домашние работы и заключительную контрольную работу в классе (письменный зачёт). Курс рассчитан на 36 аудиторных часов.


Лекция и лаборатория 1. Дискриминантный анализ (4 часа)

• задачи ДА;
  
• примеры использования;
  

Лекция и лаборатория 2. Анализ главных компонент (4 часа)

• задачи АГК;
  
• примеры использования;
  

Лекция и лаборатория 3. Факторный анализ (4 часа)

• задачи ФА;
  
• отличия ФА от АГК;
  
• примеры использования;
  
• полихорические корреляции.
  

Лекция и лаборатория 4. Системы структурных уравнений (6 часа)

• ССУ как генерализация ФА;
  
• энодогенные и экзогенные переменные;
  
• примеры использования.
  

Лекция и лаборатория 5. Пат-анализ (4 часа)

• ПА как частный случай ССУ;
  
• задачи ПА;
  
• примеры использования.
  

Лекция и лаборатория 6. Кластерный анализ (4 часа)

• задачи КА;
  
• виды КА;
  
• примеры использования.
  

Лекция и лаборатория 7. Нейронные сети (4 часа)

• понятие о нейронных сетях;
  
• примеры использования.
  

Лекция и лаборатория 8. Деревья решений (4 часа)

• понятие о деревьях решений;
  
• примеры использования.
  

Лекция и лаборатория 9. Анализ скрытых классов (4 часа)

• понятие о АСК;
  
• примеры использования.
  

8 Оценочные средства для текущего, промежуточного и итогового контроля студента

8.1 Тематика заданий текущего контроля


Примерные вопросы/задания для зачета, проводимого в письменной форме:


На зачёте требуется уметь решить с помощью R предложенную преподавателем задачу из следующего списка:

Дискриминантный анализ

Анализ главных компонент

Факторный анализ

Системы структурных уравнений

Пат-анализ

Кластерный анализ

Нейронные сети

Деревья решений

Анализ скрытых классов

8.2 Критерии выставления оценки за текущий контроль


В рамках курса оценивается выполнение домашних работ и итоговый зачет по дисциплине. Домашние работы нацелены на выработку у студентов навыков решения конкретных задач и осознанного применения различных методов многомерного статистического анализа с использованием программы R.

Курс завершается письменным зачетом, целью которого является тестирование по всему курсу.

Оценки по всем формам текущего контроля выставляются по 10-ти балльной шкале. Итоговая оценка получается суммированием набранных студентом баллов по схеме:

0-3 баллов – «неудовлетворительно»;

4-5 баллов – «удовлетворительно»;

6-7баллов – «хорошо»;

8-10 баллов – «отлично».


8.3 Вопросы для оценки качества освоения дисциплины

Примерный перечень вопросов к зачету по всему курсу для самопроверки студентов:

Дискриминантный анализ

Анализ главных компонент

Факторный анализ

Системы структурных уравнений

Пат-анализ

Кластерный анализ

Нейронные сети

Деревья решений

Анализ скрытых классов

8.4 Критерии выставления оценки за промежуточный и итоговый контроль


Итоговая оценка включает в себя:

оценку участия в семинарских занятиях (обсуждение домашних заданий, проработка практических заданий) - 25%

оценку выполняемых домашних работ - 35 %

оценку за зачет - 40%


9 Образовательные технологии

В рамках курса используются следующие образовательные технологии: компьютеры, проекционное оборудование, разбор практических задач с использованием программных разработок пакета R.

В рамках курса предусмотрены групповые дискуссии с обсуждением результатов домашних работ. Проведение зачета предусмотрено в письменной форме с решением одной из задач, предложенных преподавателем.


10 Порядок формирования оценок по дисциплине

Преподаватель оценивает работу студентов на семинарских и практических занятиях. Итоговая оценка по учебной дисциплине складывается из следующих элементов:

Работа на семинарах (обсуждение домашних заданий, проработка практических заданий) - 25%

Домашние задания - 35 %

Письменный зачет - 40%

Оценки за работу на семинарских и практических занятиях преподаватель выставляет в рабочую ведомость. Результирующая оценка по 10-ти балльной шкале за работу на семинарских и практических занятиях определяется перед промежуточным или итоговым контролем - О_{аудиторная}.

Преподаватель оценивает самостоятельную работу студентов: исходя из объема знаний, накопленного в ходе изучения дисциплины. Оценки за самостоятельную работу студента преподаватель выставляет в рабочую ведомость. Результирующая оценка по 10-ти балльной шкале за самостоятельную работу определяется перед промежуточным или итоговым контролем – О_{сам. работа}.


Результирующая оценка за текущий контроль учитывает результаты студента по текущему контролю следующим образом:

О_{текущий} = n₁·О_{семинары} + n₂·О_дз + n₃·О_посещ ;


Результирующая оценка за итоговый контроль в форме зачета выставляется по следующей формуле, где О_зачет – оценка за работу непосредственно на зачете:


О_{итоговый} = k₁·О_зачет + k₂·О_{текущий} + k₃·О_{сам. работа} + k₄·О_{аудиторная}


В диплом выставляет результирующая оценка по учебной дисциплине, которая формируется по следующей формуле:

О_{дисциплина} = k₁·О_{текущий} + k₂·О_{промежуточный}


11 Учебно-методическое и информационное обеспечение дисциплины


11.1 Базовый учебник

Venables, William N. and Brian D. Ripley. Modern Applied Statistics with S. (4^th edition). Springer, 2002.

11.2 Дополнительная литература

Fox, John. An R- and S-plus Companion to Applied Regression. Sage Publications, 2002.


11.3 Программные средства

Для успешного освоения дисциплины, студент использует следующие программные средства:

• программный пакет R
  

12 Материально-техническое обеспечение дисциплины

В рамках курса используются следующие образовательные технологии: компьютеры, проекционное оборудование, разбор практических задач с использованием программных разработок пакета R.


Автор программы: /Ф.И.О./Понарин Э.Д.