Duomenų analizės technologijos

Modulio tikslas

Suteikti studentams žinias ir gebėjimus įgalinčius suprasti programavimo Python ypatumus, žinoti Python programavimo kalbos sintaksę, gebėti pasinaudojus išdėstytais programavimo pagrindais patiems rašyti programas. Suteikti pakankamą supratimą apie pagrindines Python bibliotekas ir jų panaudojimo galimybes, ko pasekoje studentai turėtų gebėti naudotis jomis pagal paskirtį.

Studijų dalyko aprašas

Modulyje yra nagrinėjami programavimo Python ypatumai. Supažindinama su Python programavimo kalbos sintakse, duomenų struktūrų tipais. Pateikiami programavimo Python pagrindai, įvadas į funkcinį programavimą. Pristatomos pagrindinės Python bibliotekos, apžvelgiamos jų taikymo galimybės.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 51 % paskaitų ir ne mažiau kaip 80 % pratybų.

Modulio tikslas

Kurso tikslas yra supažindinti studentus regresinės anlizės ir su ja susijusių modelių, principų ir metodų taikymo ekonometriniuose tyrimuose galimybėmis ir rezultatų interpretvimu, išmokyti juos atlikti su kompiuteriu realių ekonominių duomenų analizę.

Studijų dalyko aprašas

Pradinio ekonometrijos kurso pagrindą sudaro tiesinė regresija ir su ja susiję modeliai: dispersinė ir faktorinė analizė. Kurso tikslas yra supažindinti studentus su baziniais ekonometrinės analizės principais, išdėstyti pagrindines regresinės ir dispersinės bei faktorinės analizės sąvokas ir metodus, išmokyti studentus tinkamai taikyti šiuos metodus realiuose tyrimuose ir teisingai interpretuoti gautus rezultatus.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 % pratybų ir ne mažiau kaip 80 % laboratorinių darbų.

Modulio tikslas

Dalyko studijų tikslas:
-išaiškinti studentams matematinės skaičiuojamosios statistikos pagrindinius principus, uždavinių tipus ir metodus;
-išmokyti atlikti realių duomenų statistinę analizę ir interpretuoti gautus rezultatus,
-paruošti studentus kitų aukštesnio lygio bei labiau specializuotų statistinės duomenų analizės kursų studijoms.

Studijų dalyko aprašas

Studentai supažindinami su matematinės statistikos pagrindiniais principais, uždavinių tipais ir metodais. Greta klasikinių matematinės statistikos temų dėstomi robastinių statistikų ir Bajeso teorijos elementai. Baziniams duomenų analizės metodams įsisavinti atliekamos užduotys su programavimo kalba R.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 % pratybų.

Modulio tikslas

Suteikti pagrindines žinias apie stochastinę prigimtį turinčius gamtos reiškinius ir jų matematinius modelius.

Studijų dalyko aprašas

Pirmoje kurso dalyje įvedamos atsitiktinio įvykio ir jo tikimybės sąvokos, ir apibrėžiama tikimybinė erdvė. Toliau pateikiamas klasikinis tikimybės apibrėžimas, įrodomos pagrindinės tikimybių savybės Antroji kurso dalis skiriama atsitiktinių dydžių pasiskirstymų analizei. Detaliai supažindinama su dažniausiai pasitaikančiais Gauso ir Puasono dėsniais, atsitiktinių dydžių skaitinėms charakteristikoms. Kurse supažindinama su didžiųjų skaičių dėsniu, centrine ribine teorema.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 51 % paskaitų ir ne mažiau kaip 80 % pratybų.

Modulio tikslas

Kurso tikslas yra supažindinti studentus su svarbiausiais laiko eilučių analizės metodais, išmokyti studentus juos tinkamai taikyti realiuose tyrimuose ir teisingai interpretuoti gautus rezultatus.

Studijų dalyko aprašas

Modulis supažindina studentus su pagrindinėmis koncepcijomis statistinių modelių kūrime, kai tiriamieji duomenys sudaro statistiškai priklausomų dydžių seką ar kinta laikui bėgant. Nagrinėjami statistinio modelio parinkimo, jo parametrų vertinimo, parinkto modelio diagnostikos bei prognozavimo klausimai. Naudojami stacionarių laiko eilučių ARMA tipo modeliai bei nestacionarių – ARIMA. Teorinės žinios įsisavinamos sprendžiant atsitiktinių sekų tyrimo uždavinius auditorijoje pratybų metu bei atliekant laboratorinius darbus kompiuteriu, naudojant R paketą.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 % pratybų.

Modulio tikslas

Dalyko tikslas yra suteikti pagrindines žinias apie didžiuosius duomenis (Big Data). Išmokyti analizuoti duomenis, supažindinti su pagrindiniais įrankiais skirtais analizuoti duomenis. Tyrinėti draudimo rinkos procesus bei ugdyti gebėjimą pritaikyti didžiuosius duomenis (Big Data) šioje rinkoje taip sukuriant papildomą vertę verslui.

Studijų dalyko aprašas

Studijų dalyką sudaro didžiųjų duomenų (Big Data) pagrindai, supažindinama su pagrindiniais duomenų analizės metodais. Apžvelgiami pagrindiniai duomenų analizės įrankiai bei kaip didieji duomenys (Big Data) yra integruojami su tradicinėmis duomenų saugyklų, veiklos analizės (BI) sistemomis. Supažindinama su didžiųjų duomenų (Big Data) galimybėmis sukurti vertę versle. Taip pat nagrinėjami įvairūs realūs panaudojimo uždaviniai finansų sektoriuje.

Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų

Modulio tikslas

Supažindinti studentus su pagrindiniais duomenų klasifikavimo principais, jų teoriniu pagrindimu, pademonstruoti įvairių klasifikavimo metodų galimybes sprendžiant praktinius duomenų analizės uždavinius.

Studijų dalyko aprašas

Klasifikavimas – vienas iš pagrindinių uždavinių atliekant statistinę duomenų analizę biologijoje, medicinoje, technikoje ir kitose srityse. Šiame kurse studentai supažindinami su pagrindiniais duomenų klasifikavimo principais, dažniausiai pasitaikančiais uždavinių tipais ir jų sprendimo metodais: klasterine analize, diskriminantine analize ir k. t.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 % pratybų ir ne mažiau kaip 80 % laboratorinių darbų.