სასერტიფიკატო პროგრამები

GAU-ს კურსდამთავრებულები

ნინო საღინაძე
საგარეო საქმეთა სამინისტრო

GAU-მ გამიწია რეკომენდაცია საგარეო საქმეთა სამინისტროში, რათა გამეარა პრაქტიკა ამერიკის დეპარტამენტში ჩემი ცოდნის ასამაღლებლად, პრაქტიკის დასრულებისთანავე დავინიშნე სტაჟიორად უსაფრთხოებისა და ევროატლანტიკური ინტეგრაციის დეპარტამენტში, სადაც ამჟამად ვმუშაობ...

პროფესორები და ლექტორები

დინა ასლამაზიშვილი
დინა არის იაგელონიის უნივერსიტეტის დედოფალი იადვიგას სახელობის სტიპენდიის ორგზის ლაურიატი (კრაკოვი), აქვს მოპოვებული მეცნიერებათა კანდიდატის (PhD) ხარისხი სოციალურ ფილოსოფიაში და არის 50-ზე მეტი პუბლიკაციის ავტორი, რომელიც გამოქვეყნებულია სხვადასხვა საერთაშორისო კრებულში...

მონაცემთა ანალიზი RStudio-ს გამოყენებით

კურსის მიზანი: კურსი აერთიანებს გამოყენებითი მათემატიკისა და სტატისტიკური პროგრამირების საკითხებს, რაც მსმენელს საშუალებას მისცემს გამოიმუშავოს მონაცემთა ანალიტიკოსის პრაქტიკული უნარ-ჩვევები და დამოუკიდებლად წარმართოს მონაცემთა ანალიზის პროცესი, მათ შორის, სტატისტიკური ინფორმაციის ანალიზის საფუძველზე ააგოს მარტივი ეკონომეტრიკული მოდელი და შეაფასოს მოდელისა და მისი პარამეტრების მნიშვნელოვნება. ეკონომეტრიკული მოდელებით  გააანალიზოს ეკონომიკური პროცესები და მონაცემების დამუშავების საფუძველზე დაადგინოს ეკონომიკურ პროცესებს შორის რაოდენობრივი კავშირები.

კურსი განკუთვნილია მათთვის, ვისაც ყოველდღიურ საქმიანობაში უწევთ მონაცემებთან მუშაობა, აკეთებენ სტატისტიკურ ანალიზს და შეიმუშავებენ რეკომენდაციებს ბიზნესისა თუ პოლიტიკის სხვა გადაწყვეტილებების მიმღებთათვის. მათთვის, ვისაც სჭირდებათ ეფექტური იარაღი გადაწყვეტილებების ოპტიმიზაციისთვის. გამოყენებითი მათემატიკის, სტატისტიკისა და ეკონომეტრიკის მიმართულების სტუდენტებისთვის, დამწყები მკვლევარებისთვის და მონაცემთა ანალიზით დაინტერესებული ნებისმიერი ადამიანისთვის.

კურსის სტრუქტურა

სასწავლო პროგრამის ფარგლებში სიღრმისეულად გავეცნობით შემდეგ საკითხებს:

სალექციო თემა
 
თემის აღწერა
 
1. სტატისტიკური პროგრამირების ენაღ(სტუდიო) და სტატისტიკურ-ანალიტიკური მოდელირება
1.1.  ღშტუდიო-ს გადმოწერა/დაინსტალირება
 
1.2.  ძირითადი მახასიათებლების და მუშაობის პრინციპების შესწავლა
 
1.3.  ინტერფეისის გაცნობა და სამუშაო გარემოს დაყენება
 
1.4.  ახალი ღ დოკუმენტის შექმნა/შენახვა. ღ სინტაქსის ძირითადი მახასიათებლები
 
1.5.  ძირითადი არითმეტიკული და ლოგიკური ოპერაციების ჩაწერა/შესრულება
 
2. მონაცემთა სახეები და სტრუქტურები
2.1.  მონაცემთა სახეები: ლოგიკური, თვისობრივი და რაოდენობრივი
 
2.2.  მონაცემების ძირითადი სტრუქტურები: ვექტორები, მატრიცები, სიები, მონაცემთა ჩარჩო
 
2.3.  ცვლადების შექმნა: ლოგიკური, თვისობრივი და რაოდენობრივი;
 
2.4.  მონაცემთა სტრუქტურების შექმნა
 
2.5.  ცვლადების და მონაცემთა სტრუქტურების გარდაქმნა
 
3. მონაცემთა იმპორტი, დათვალიერება, გაწმენდა, იმპუტაცია, ტრანსფორმაცია, და სხვა მნიშვნელოვანი მანიპულაციები

3.1.  სხვადასხვა ფორმატის მონაცემების იმპორტი და წაკითხვა
 
3.2.   მონაცემების დათვალიერება და შესწავლა
 
3.3.   აღწერითი სტატისტიკის ელემენტების გაცნობა და შესწავლა
 
3.4.  მონაცემების გაწმენდა და ახალი ცვლადების შექმნა/გარდაქმნა
 
3.5.  მონაცემების მომზადება ანალიზისთვის.
 
4. მონაცემთა ვიზუალიზაცია გგპლოტ-ის ეფექტური გრაფიკების საშუალებით, გრაფიკებით მიზეზ-შედეგობრივი კავშირების ჩვენება, სხვადასხვა ტიპის გრაფიკების ინტერპრეტაცია
 
4.1. მონაცემთა წერტილოვანი ვიზუალიზაცია
 
4.2. მონაცემთა ვიზუალიზაცია სხვადასხვა ფერების, ზომების და ფიგურების გამოყენებით
 
4.3. ჰისტოგრამების აგება და სხვადასხვა შრეების დამატება       
 
4.4. გრაფიკების სრული კონსტრუირება.
 
5. პირობითი და საკონტროლო ნაკადები, ღსტუდიოს საბაზო და აუცილებელი ფუნქციები
5.1.  კავშირებითი, შედარებითი და ლოგიკური ოპერატორები
 
5.2.  ვექტორებისა და მატრიცების შედარება
 
5.3.  პირობითი წინადადებები.
 
5.4. ღსტუდიოს მნიშვნელოვანი ფუნქციები.
 
6. წყვილური და მრავალგანზომილებიანი წრფივი რეგრესიების აგება. რაოდენობრივი კავშირების ზომის სიდიდისა და მნიშვნელოვნების მაჩვენებლები
6.1.  წრფივი რეგრესიის კონცეფციის გაცნობა
 
6.2.  წყვილური და მრავალგანზომილებიანი რეგრესიების გაშვება
 
6.3.  მოდელის სტატისტიკური მნიშვნელოვნების ანალიზი
 
7. ანალიზისა და პროგნოზირების პროცესების შედეგების ინტერპრეტაცია
7.1.  სტატისტიკური ანალიზის მეშვეობით პროგნოზების გაკეთება
 
7.2.  სხვადასხვა ცვლადების ცვლილებით მიზეზ-შედეგობრივი კავშირების ჩვენება.
 
8. პროექტიდა ღმარკდოწნდასკვნების და რეკომენდაციების რეპორტინგი
8.1.  პროექტის შექმნა ღსტუდიო-ს პროგრამაში
 
8.2. ღმარკდოწნ ფაილები, Nოტებოოკ-ის შექმნა
 
8.3. დოკუმენტების დაგენერირება წორდ, პდფ და ჰტმლ ფორმატში.
 

კურსის დასრულების შემდეგ მსმენელი შეძლებს სხვადასხვა სტრუქტურის მონაცემთა ბაზების დამუშავებას RStudio-ს გამოყენებით. კერძოდ, მათ დათვალიერებას, გაწმენდას, იმპუტაციას, ტრანსფორმაციას, მნიშვნელოვან მანიპულაციებს, ვიზუალიზაციას, სტატისტიკურ ანალიზს, მოდელირებას, პროგნოზირებას, შედეგების ინტერპრეტაციას, დასკვნებისა და რეკომენდაციების რეპორტინგს. კურსის შედეგად მიღებული ცოდნის გამოყენება შესაძლებელი იქნება როგორც აკადემიური მიმართულებით, ასევე, სამსახურებრივ საქმიანობაში მონაცემთა ანალიზით საინტერესო მიზეზ-შედეგობრივი კავშირების შესწავლის მიზნით.

კურსის ხანგძლივობა: კურსი მოიცავს 4 კვირას, კვირაში ორი ლექცია, თითოეული ლექციის ხანგრძლივობა 3 საათი (სულ: 8 ლექცია, 24 საათი). კურსის ბოლო ლექციაზე ჩატარდება გამოცდა. 

კურსი 2019 წლის 13 მარტიდან 5 აპრილის ჩათვლით გაგრძელდება.  

ლექტორები: ნინო მელითაური (სორბონის უნივერსიტეტის, კაშანის უმაღლესი სკოლისა და პარიზის ეკონომიკური სკოლის მაგისტრი) და ნატო ხალაძე(თბილისის ეკონომიკის საერთაშორისო სკოლის (ISET) ეკონომიკის მაგისტრი) 

კურსის ღირებულება: 550 ₾

20%-იანი ფასდაკლება ეკუთვნის GAU-ს აქტიურ სტუდენტს ან კურსდამთავრებულს, ასევე ნებისმიერ ადამიანს, ვისაც GAU-ს მინ ერთი სასერტიფიკატო კურსი აქვს გავლილი.

კურსზე დასარეგისტრირებლად, შეავსეთ აპლიკაცია.

დამატებითი ინფორმაციისათვის დაუკავშირდით:

თამთა ნიშნიანიძე
სასერტიფიკატო პროგრამების მენეჯერი
ელ-ფოსტა: tamtanishnianidze@gau.ge
ტელ: 2 20 65 20 (313)