Title Описание этапов курсовой работы_v3.docx.pdf ✅

ТитСтруктура и описание разделов курсовой работы на тему «Применение методов статистического анализа данных с использованием языка программирования Python / Excel на примере «(название датасета, строки, номер варианта)» Примечание Студенты, претендующие на оценку «отлично», выполняют все этапы курсовой работы с помощью языка Python. Для остальных студентов предусмотрена возможность выполнения работы посредством MS Excel. В случае выявления использования искусственного интеллекта при написании программного кода студент получает оценку «неудовлетворительно» на защите курсовой работы и отправляется на пересдачу. Инструкции по началу работы с Python выдаются на самостоятельное изучение вместе с заданием на курсовую работу. При выборе работы в Excel на одном из этапов понадобятся навыки работы с макросами. 1. Введение 1.1.Краткое описание целей и задач курсовой работы. Основная цель курсовой работы по дисциплине «Статистические методы анализа данных в принятии решений» – это приобретение студентами практических навыков анализа данных с использованием современных статистических методов и инструментов. Курсовая работа направлена на углубление полученной в ходе лекций теоретической базы (с помощью изучения дополнительной литературы), а также на развитие аналитического мышления и способности интерпретировать результаты статистического анализа. Задачи: 1. изучение и применение базовых методов статистического анализа данных; 2. использование программного обеспечения (Python или Excel) для выполнения расчетов и визуализации результатов; 3. интерпретация полученных результатов и формулирование выводов на основе проведенного анализа; 4. составление отчета о проделанной работе, включающего все этапы анализа. Студенты самостоятельно формулируют цель и задачи курсовой работы, конкретизируя её под исходные данные и полученный вариант. (Чему я должен научиться и какими компетенциями овладеть?) 1.2. Постановка задачи исследования. Курсовая работа предполагает выполнение одного из предложенных вариантов задания, основанных на реальных данных. Конкретная постановка задачи исследования будет зависеть от выбранного инструмента, полученного варианта курсового задания и данных в исходной выборке. Описание задачи исследования предполагает конкретизированное перечисление этапов курсовой работы. (Что я должен сделать и как применить результаты?) 1.3. Описание используемых инструментов (Python, библиотеки, Excel, надстройки). Для студентов, выполняющих работу в Python:
1. Python как основной язык программирования: почему он широко используется в аналитике, почему подходит для решения задач курсовой работы 2. Основные библиотеки и их описание: Pandas, NumPy, Matplotlib/Seaborn, Scikit-learn, Statsmodels и др. 3. Дополнительные библиотеки (в зависимости от варианта): например, если требуется анализ временных рядов, можно использовать библиотеку statsmodels.tsa, а для проверки гипотез – функции из модуля scipy.stats. Для студентов, выполняющих работу в Excel: 1. Excel как инструмент для анализа данных: почему используется аналитиками в настоящее время, функции, аналоги. 2. Основные возможности Excel: таблицы и графики, встроенные функции для статистического анализа показателей; надстройки (например, «Анализ данных» / Data Analysis ToolPak) Таким образом, во введении студент должен четко обозначить цели и задачи курсовой работы, конкретизировать задачу исследования и описать используемые инструменты. Это поможет лучше понять требования к выполнению работы и грамотно подойти к ее реализации.

Таблица 1 – Разделение для студентов, использующих разные инструменты. Что отразить в курсовой (этап 2)? Для студентов, выполняющих работу в Python Для студентов, выполняющих работу в Excel Загрузка данных (код, текстовое описание) Описание данных (код, просмотр первых нескольких строк, информация о типах данных и количестве пропусков, основные статистики для количественных переменных) Проверка на наличие пропусков (код, количество пропусков по каждой колонке, удаление строк с пропущенными значениями) Выявление выбросов (код, текстовое описание) Нормализация данных (код, текстовое описание) Импорт данных (опционально, описание работы через меню, скриншот) Описание данных (использование функций COUNTA/СЧЕТ, MIN/МИН, MAX/МАКС, AVERAGE для получения основных статистик, скриншоты/таблицы). Проверка на наличие пропусков (фильтры для поиска пустых ячеек, их последующее удаление или заполнение, скриншоты/рисунки, текстовое описание). Выявление выбросов (построение диаграмм рассеяния или ящиков с усами для визуального обнаружения выбросов, рисунки, текстовое описание). Нормализация данных (создание новых столбцов с нормализованными значениями, текстовое описание).