Статистика обучение онлайн

Статистика для гуманитариев

• 10 недель

от 8 до 12 часов в неделю

понадобится для освоения

3 зачётных единицы

для зачета в своем вузе

Цели дисциплины «Статистика» состоят в ознакомлении учащихся с основными этапами и базовыми методами статистического анализа данных, применяемыми при обработке информации; выработке навыков решения конкретных практических задач и использования основных пакетов прикладных программ, применяемых для статистического анализа в профессиональной деятельности.

Изучаемые теоретические положения, формируемые навыки необходимы для освоения курсов, углубляющих и специализирующих умения обучающихся работать с проектами, технологиями статистического анализа данных, применяемых при обработке информации, а также для выполнения выпускной квалификационной работы.

О курсе

Задачи дисциплины «Статистика»:

1. Сформировать у студентов положительную мотивацию на использование современных статистических методов в фундаментальных прикладных исследованиях;
2. Дать знания об основных понятиях статистики, их применении для представления и анализа результатов аналитического исследования;
3. Способствовать овладению студентами навыками статистического анализа, использования полученных данных при подготовке проектной документации, необходимой при решении различных профессиональных задач в сфере рекламы и связей с общественностью (технико-экономическое обоснование, техническое задание, бизнес-план, креативный бриф, соглашение, договор, контракт).

Формат

• видеолекции;
• презентации;
• тестовые задания на оценку;
• вопросы к обсуждению на форуме курса.

Предусмотрено итоговое контрольное тестирование по содержанию всего курса. Финальная оценка результатов обучения формируется на основе данных итогового тестирования и еженедельного контроля.

Курс рассчитан на 10 недель изучения. Недельная учебная нагрузка обучающихся по курсу составляет 8-12 часов. Общая трудоемкость курса – 3 зачетные единицы.

Информационные ресурсы

В качестве дополнительных ресурсов слушателям рекомендуется использовать литературу и электронные ресурсы, список которых даётся в сопроводительных материалах к курсу.

Требования

Дисциплина «Статистика» входит в базовую часть ООП бакалавриата и является обязательной для изучения.

Входными требованиями для освоения дисциплины «Статистика» является изучение курсов «Компьютерные технологии и информатика», «Математика», формирующие у обучающихся необходимые знания в области математических основ статистического анализа данных.

Программа курса

Онлайн-курс состоит из девяти разделов:

Модуль 1. Знакомство с пакетом R.

• Рабочее пространство в R.
• Типы и структуры данных.
• Последовательности, векторы, матрицы.
• Списки, массивы, факторы.
• Объекты типа data.frame.

Модуль 2. Введение в статистику. Предварительная обработка данных. Способы представления выборок.

• Введение в статистику.
• Сводка, группировка.
• Измерительные шкалы и типы данных.
• Генеральная и выборочная совокупность.
• Табличные способы представления выборок.
• Графические способы представления выборок.

Модуль 3. Оценки параметров. Описательные статистики.

• Точечные оценки параметров.
• Числовые характеристики выборки.
• Средние показатели.
• Меры вариации.
• Структурные характеристики.
• Интервальное оценивание.
• Предварительная обработка данных (пропуски, выбросы).

Модуль 4. Проверка статистических гипотез.

• Проверка статистических гипотез.
• Критерии согласия.
• Критерии проверки нормальности.

Модуль 5. Сравнение групп. Параметрические и непараметрические критерии.

• Параметрические критерии сравнения групп.
• Непараметрические критерии сравнения групп.

Модуль 6. Корреляционный анализ.

• Корреляционный анализ количественных данных. Парный коэффициент корреляции Пирсона.
• Ранговая корреляция.
• Корреляционный анализ категоризованных данных. Анализ таблиц сопряженности.

Модуль 7. Регрессионный и дисперсионный анализ.

• Регрессионный анализ. Общая постановка задачи.
• Парная регрессии.
• Множественная регрессия.

• Дисперсионный анализ (ANOVA). Общая постановка задачи.
• Однофакторный ANOVA.
• Двухфакторный ANOVA.

Модуль 8. Анализ рядов динамики. Экономические индексы.

• Определение и структура временного ряда.
• Методы сглаживания временного ряда.
• Сезонная составляющая.
• Экономические индексы.

Модуль 9. Итоговая аттестация.

Результаты обучения

В результате освоения курса студент сможет (научится):

1. Проводить предварительную обработку данных для статистических исследований.

2. Выбирать наиболее адекватные статистические методы для анализа.

3. Применять (реализовывать) статистические методы для анализа данных.

4. Применять пакеты прикладных программа для реализации статистических методов.

Обзор рынка онлайн-образования

1. ВВЕДЕНИЕ

Дистанционное образование (онлайн-образование) – широкий спектр образовательных программ или курсов, проводящихся без непосредственного физического присутствия обучающегося в месте проведения занятий. Обычно для этого используются различное программное обеспечение (например, Skype) или специальные онлайн-сервисы. Проводить обучение могут как аккредитованные организации с выдачей дипломов и аттестатов по завершении обучения, так и неаккредитованные структуры.

Несмотря на относительную молодость онлайн-обучения, оно имеет сложную структуру, которая включает в себя различные направления в сегментах b2c и b2b.

Преимуществ у данного вида обучения много. Для игроков рынка – это возможность привлечь фактически неограниченное количество учащихся, а, следовательно, значительно повысить доходность.

Для потребителей это:

доступ к обучающим программам зарубежных учебных организаций из дома

возможность обучения в любое удобное время (записи лекций, курсов)

более доступная стоимость обучения по сравнению с заочной формой

Первые площадки, предоставляющие услуги онлайн-образования появились еще в 90-е годы, однако по ряду причин популярностью они не пользовались. Бурный рост данного направления начался в 2012 году, когда на рынок вышли сразу несколько крупных игроков, являющихся сегодня основой всего направления.

Благодаря развитию информационных технологий, развитию широкополосного доступа к интернету и его проникновению, рынок дистанционного обучения сегодня растет существенными темпами.

2. АНАЛИЗ РЫНКА

Периодическую оценку мирового рынка онлайн-образования проводит аналитическая компания J’son&Partners. Отчет о результатах исследования, проведенного в 2016 году посвящен теме массовых онлайн-курсов для частных лиц; корпоративное обучение в отчете не рассматривается. В объекте исследования выделены также два основных сегмента: курсы по расписанию, доступ к которым возможен только в установленное время (непосредственно онлайн-обучение) и курсы без расписания (записи лекций).

Главный продукт образовательных платформ – это контент. На сегодняшний день существует несколько способов его производства:

показ готового контента (агрегаторы)

адаптация контента (перевод, консолидация)

использование пользовательского контента (функции сервиса для трансляции)

В плане создания контента основной тенденцией является смещение спроса от услуг площадок-агрегаторов в сторону уникального качественного контента.

Вариантов монетизации онлайн-обучения довольно много:

продажа программы из набора курсов (средний чек – 200-500 долларов)

продажа отдельного ролика (средний чек – до 10 долларов)

продажа курса (средний чек – до 100 долларов)

продажа подписки на фиксированный период (средний чек – 20-25 долларов в месяц)

продажа сертификатов при бесплатном прохождении курсов (средний чек – 50-80 долларов)

продажа дополнительных услуг: проверка заданий и обратная связь, консультации (средний чек – 100-300 долларов)

продажа данных посетителей рекламодателям для таргетированной рекламы

платное предоставление аналитики и подбор необходимых исследований в загруженном контенте

продажа дополнительных сервисов: дискуссионные площадки, облачные хранилища для контента и прочие

выполнение функций обучающей, рекрутинговой или PR-площадки

По мнению экспертов, наиболее перспективными являются гибридные модели, сочетающие инструменты онлайн и офлайн-обучения.

К основным трендам развития мирового рынка онлайн-образования можно отнести:

рост популярности микрокурсов с длительностью одного ролика в 1-3 минуты

Геймификация – представление обучающей программы в виде игры, что позволяет удерживать внимание пользователя

использование технологий дополненной и виртуальной реальности

активное развитие b2b-рынка

рост популярности обучения прикладным навыкам; очень высока популярность этого направления в России

Зарабатывай онлайн на проведении игр!

Интеллектуальный онлайн-бизнес на трансформационных играх, который не требует сотрудников и помещения. Минимальные вложения. Онлайн-обучение «под ключ» за два дня.

Вообще, цифровое образование – один из наиболее быстрорастущих сегментов мирового рынка образования. Темпы ежегодного прироста составляют в среднем 23% с 2012 года и по сегодняшний день. Однако, в общем объеме образовательных услуг оно все еще занимает очень небольшую долю – менее 3%.

Общий объем инвестиций в образовательные проекты во всем мире в 2015-2016 гг. составил 5,5 млрд долларов. При этом, 50% всего рынка принадлежит США, однако, рост азиатских рынков выражается сотнями процентов.

Наиболее востребованным остается онлайн-изучение иностранных языков, в том числе за счет прямого общения с носителями языка. Популярны также онлайн-репетиторы, подготовка к офлайн-тестам, а также корпоративное обучение. В сегменте последнего популярность набирает так называемое «long-life learning», или обучение в течение жизни, то есть непрерывный процесс обучения персонала в соответствии с изменяющейся внешней средой, новыми задачами и так далее.

Готовые идеи для вашего бизнеса

По оценкам экспертов, рынок онлайн-обучения в России показывает ежегодные темпы прироста на уровне 25%. При этом, объем российского рынка составляет в 2016 году только 10,5 млрд рублей, в то время как объем мирового рынка оценивается в 107 млрд долларов. Также, как утверждают эксперты, к услугам онлайн-обучения хотя бы раз прибегали 7,2 млн россиян. К основным проблемам рынка специалисты относят достаточно низкий уровень доходности.

Из-за больших расстояний между образовательными центрами в России, дистанционное онлайн-обучение становится все более популярным. Позитивным фактором развития этого направления является также и рост проникновения доступа к широкополосному интернету в России – в 2016 году оно составило 73,41% от общего количества населения. Эти факторы оказали влияние на ряд российских ВУЗов (МГУ, СПбГУ, МФТИ и других), которые, объединившись, создали электронную площадку онлайн-обучения «Открытое образование», которая должна была составить конкуренцию крупным международным проектам.

Большим сегментом рынка является рынок корпоративного обучения – работодателю (в первую очередь это касается крупных компаний, имеющих широкую филиальную сеть) в большинстве случаев проще обучить сотрудника дистанционно.

На развитие онлайн-обучения в России оказывает влияние поддержка Агентства стратегических инициатив (АСИ). Один из инструментов АСИ для работы в этом направлении – Фонд поддержки интернет-инициатив.

По словам директора направления «Молодые профессионалы» АСИ, в последнее время Фонд оказывает поддержку не только социально значимым проектам, не имеющих существенных коммерческих перспектив, но и полностью коммерческим проектам, имеющим большой потенциал капитализации. По его мнению, в ближайшем будущем онлайн-образование станет крайне востребованным.

Сегодняшний рынок онлайн-обучения – это не только лекции и учебники, доступные студентам для изучения. Ведущие мировые ВУЗы разрабатывают программы, включающие также практические занятия, оценку учащихся, а также программы, требующие взаимодействия учащихся между собой, даже если они живут на расстоянии тысяч километров друг от друга.

В мире набирает популярность бизнес-модель образовательных организаций, когда организация получает деньги не только с учащихся, но и с их потенциальных работодателей, которым она предоставляет данные об успеваемости и когнитивных возможностях каждого из учеников. По сути, в этом случае образовательная организация частично выполняет функции биржи труда. Под когнитивным стилем понимается не только традиционная оценка успеваемости ученика, но и совокупность его поведения в течение всего обучения: статистика по соблюдению сроков выполнения заданий, участие в командной работе и прочие.

Противники онлайн-обучения утверждают, что такая форма не дает возможности получить обратную связь от преподавателя (при большом количестве учащихся). Однако, следует принимать во внимание, что большинство совершаемых ошибок при выполнении заданий – стандартны. Таким образом, преподаватель может написать стандартные замечания к эти типовым ошибкам, а рассылаться студентам они будут автоматически и индивидуально.

В некоторых случаях выполненные задания не могут быть выполнены в качестве теста и, соответственно, быть проверены автоматически. Это касается творческих заданий – сочинений и эссе. В этом случае предполагается проверка работы не преподавателем, а другим студентом, что является революцией в области обучения. Суть данной методики состоит в том, что, если студент получил низкую оценку от другого студента, он имеет право дать отзыв на полученную оценку и предъявить претензии. Таким образом, по каждому студенту можно составить рейтинг не только по полученным оценкам, но и по тому, насколько грамотно и аргументированно он может отстоять свою точку зрения. Во многом такая оценка также осуществляется автоматически.

Статистика для гуманитариев

• 10 недель

от 8 до 12 часов в неделю

понадобится для освоения

3 зачётных единицы

для зачета в своем вузе

Цели дисциплины «Статистика» состоят в ознакомлении учащихся с основными этапами и базовыми методами статистического анализа данных, применяемыми при обработке информации; выработке навыков решения конкретных практических задач и использования основных пакетов прикладных программ, применяемых для статистического анализа в профессиональной деятельности.

Изучаемые теоретические положения, формируемые навыки необходимы для освоения курсов, углубляющих и специализирующих умения обучающихся работать с проектами, технологиями статистического анализа данных, применяемых при обработке информации, а также для выполнения выпускной квалификационной работы.

О курсе

Задачи дисциплины «Статистика»:

1. Сформировать у студентов положительную мотивацию на использование современных статистических методов в фундаментальных прикладных исследованиях;
2. Дать знания об основных понятиях статистики, их применении для представления и анализа результатов аналитического исследования;
3. Способствовать овладению студентами навыками статистического анализа, использования полученных данных при подготовке проектной документации, необходимой при решении различных профессиональных задач в сфере рекламы и связей с общественностью (технико-экономическое обоснование, техническое задание, бизнес-план, креативный бриф, соглашение, договор, контракт).

Формат

• видеолекции;
• презентации;
• тестовые задания на оценку;
• вопросы к обсуждению на форуме курса.

Предусмотрено итоговое контрольное тестирование по содержанию всего курса. Финальная оценка результатов обучения формируется на основе данных итогового тестирования и еженедельного контроля.

Курс рассчитан на 10 недель изучения. Недельная учебная нагрузка обучающихся по курсу составляет 8-12 часов. Общая трудоемкость курса – 3 зачетные единицы.

Информационные ресурсы

В качестве дополнительных ресурсов слушателям рекомендуется использовать литературу и электронные ресурсы, список которых даётся в сопроводительных материалах к курсу.

Требования

Дисциплина «Статистика» входит в базовую часть ООП бакалавриата и является обязательной для изучения.

Входными требованиями для освоения дисциплины «Статистика» является изучение курсов «Компьютерные технологии и информатика», «Математика», формирующие у обучающихся необходимые знания в области математических основ статистического анализа данных.

Программа курса

Онлайн-курс состоит из девяти разделов:

Модуль 1. Знакомство с пакетом R.

• Рабочее пространство в R.
• Типы и структуры данных.
• Последовательности, векторы, матрицы.
• Списки, массивы, факторы.
• Объекты типа data.frame.

Модуль 2. Введение в статистику. Предварительная обработка данных. Способы представления выборок.

• Введение в статистику.
• Сводка, группировка.
• Измерительные шкалы и типы данных.
• Генеральная и выборочная совокупность.
• Табличные способы представления выборок.
• Графические способы представления выборок.

Модуль 3. Оценки параметров. Описательные статистики.

• Точечные оценки параметров.
• Числовые характеристики выборки.
• Средние показатели.
• Меры вариации.
• Структурные характеристики.
• Интервальное оценивание.
• Предварительная обработка данных (пропуски, выбросы).

Модуль 4. Проверка статистических гипотез.

• Проверка статистических гипотез.
• Критерии согласия.
• Критерии проверки нормальности.

Модуль 5. Сравнение групп. Параметрические и непараметрические критерии.

• Параметрические критерии сравнения групп.
• Непараметрические критерии сравнения групп.

Модуль 6. Корреляционный анализ.

• Корреляционный анализ количественных данных. Парный коэффициент корреляции Пирсона.
• Ранговая корреляция.
• Корреляционный анализ категоризованных данных. Анализ таблиц сопряженности.

Модуль 7. Регрессионный и дисперсионный анализ.

• Регрессионный анализ. Общая постановка задачи.
• Парная регрессии.
• Множественная регрессия.

• Дисперсионный анализ (ANOVA). Общая постановка задачи.
• Однофакторный ANOVA.
• Двухфакторный ANOVA.

Модуль 8. Анализ рядов динамики. Экономические индексы.

• Определение и структура временного ряда.
• Методы сглаживания временного ряда.
• Сезонная составляющая.
• Экономические индексы.

Модуль 9. Итоговая аттестация.

Результаты обучения

В результате освоения курса студент сможет (научится):

1. Проводить предварительную обработку данных для статистических исследований.

2. Выбирать наиболее адекватные статистические методы для анализа.

3. Применять (реализовывать) статистические методы для анализа данных.

4. Применять пакеты прикладных программа для реализации статистических методов.

Статистика обучение онлайн

Следующий — осенью в Москве
Семидневный практический курс, на котором вы не только научитесь статистике, но и поймете её

Для ученых, аналитиков и всех, кто работает с данными

4 года мы преподаем и организуем курсы по анализу данных: в Бластиме, в МГУ, в Вышке, на летних школах и семинарах. И у большинства участников есть пробелы в статистике.

Если механически проводить статистические тесты и не понимать истинного смысла результатов, легко ошибиться в выводах. За 7 дней мы научим всему необходимому, чтобы этого избежать.

⁍ Курс полезен тем, кто хочет понять статистику и работает с данными: ученым, аналитикам, маркетологам, продакт-менеджерам

⁍ Математика выше школьной и знание программирования не нужны

⁍ Примеры будут в основном биологические и медицинские, но специальных знаний не нужно

⁍ Если вы помните что-то из тервера и линала или имеете опыт в Питоне или Матлабе, мы подготовим задачки посложнее

⁍ Можно запустить программу и получить p-value, но обычно этого недостаточно. Мы научим считать (и понимать) мощность теста, размер эффекта и другие параметры

⁍ Реальные данные сложнее примеров из учебников. Поэтому мы научим их фильтровать, визуализировать и разными способами щупать

⁍ Инвестиция в изучение R окупается временем, сэкономленным на автоматизации. Если вы постоянно копируете столбики в Экселе, мы научим быстро написать скрипт, а потом отдыхать

⁍ Теоретически вы можете научиться сами на бесплатных онлайн-курсах. На это часто не хватает времени и мотивации, поэтому мы предлагаем формат интенсива

⁍ Преподаватели вместе помогают участникам и сразу объяснят то, что непонятно именно вам

⁍ На курсе много практики, а последний день посвящен самостоятельному проекту

— Исследование и препроцессинг данных, выбор методов анализа
— Формулировка гипотез и статистический анализ
— Выводы, интерпретация и визуализация
— Презентация результатов и обсуждение с другими участниками

В процессе преподаватели дают советы и отвечают на вопросы

Имеются данные 5-ти летнего мониторинга населения (экономические показатели, состояние здоровья, образ жизни).

Проводим дескриптивный анализ данных. Формулируем гипотезы о связи избыточного веса с демографическими и социально-экономическими факторами. Проверяем гипотезы с помощью регрессионных моделей, оцениваем мультиколлинеарность, разбиваем данные на группы (по полу; по возрасту), проверяем гипотезы о различиях между группами и находим значимые факторы внутри групп.

Сравниваем данные экспрессии 10 генов с определенным воздействием и контрольные данные для этих генов без воздействия.

Проверяем гипотезу о среднем значении экспрессии генов в группе контроля (one-sample t-test).
Оцениваем различия в двух группах: сравниваем средние значения с помощью two-sample t-test и оцениваем дисперсию данных для двух групп, используя f-test. Теперь можем сделать заключение, есть ли отличие экспрессии генов в случае воздействия, с указанием достигаемого уровня значимости.

Почти все понравилось. Очень хорошие преподаватели с хорошей практикой. Курс в целом логичный, подача материала последовательная и продуманная, подходит как для начала знакомства с R, так и для уже кое-что умеющих пользователей.
Маловато практики. На мой взгляд, нужно больше давать заданий на самостоятельную работу, чтобы в процессе закреплять знания, и меньше давать заданий на копирование кусков скрипта из туториала. Возможно, для такого объема материала 3 дня – мало. Возможно. имеет смысл растянуть курс на 4-5 дней и увеличить количество практических заданий.

# Так мы и сделали: увеличили курс до 7 дней и добавили еще практики