| Научная литература (online-курс) Поиск и анализ научной литературы, особенности работы с различными типами научных публикаций, инструменты для патентного поиска, основы научной коммуникации. СОТРУДНИЧЕСТВО | |
Структура курса
лекции и практические занятия, посвященные следующим темам
Типы научных публикаций
⦁ Исследовательская статья
⦁ Материалы конференций
⦁ Обзор (review)
⦁ Глава в книге
⦁ Монография
⦁ Технический отчет
⦁ Датасеты
⦁ Краткие изложения личного опыта или мнения ученого
⦁ Инструменты для научной коммуникации
⦁ Материалы конференций
⦁ Обзор (review)
⦁ Глава в книге
⦁ Монография
⦁ Технический отчет
⦁ Датасеты
⦁ Краткие изложения личного опыта или мнения ученого
⦁ Инструменты для научной коммуникации
Поиск научных публикаций
⦁ Публикации в открытом доступе
⦁ Бизнес-модели научных журналов
⦁ Хищнические издания
⦁ Реферативные базы данных
⦁ Онлайн-библиотеки
⦁ Основы наукометрии: какие бывают критерии оценки качества публикаций
⦁ Бизнес-модели научных журналов
⦁ Хищнические издания
⦁ Реферативные базы данных
⦁ Онлайн-библиотеки
⦁ Основы наукометрии: какие бывают критерии оценки качества публикаций
Патентный поиск
⦁ Какие бывают виды интеллектуальной собственности?
⦁ РОСПАТЕНТ
⦁ Espacenet
⦁ WIPO
⦁ Google Патенты
⦁ Patentleft
⦁ Патентная семья
⦁ РОСПАТЕНТ
⦁ Espacenet
⦁ WIPO
⦁ Google Патенты
⦁ Patentleft
⦁ Патентная семья
| | Анализ и визуализация данных для школьных проектов (online-курс) Мы разберем, какие данные существуют. Сбор данных и систематизация. Базовые понятия статистики для анализа Ваших данных. Правила составления отчетов по проведенной аналитике и инструменты визуализации данных. СОТРУДНИЧЕСТВО |
Data Engineering для школьников
Название курса: Основы Data Engineering, Длительность курса: 12 занятий по 40-60 минут, Для кого предназначен: школьники 12-14 лет, Формат: лекции и практические задания, Доступ к курсу: постоянный
Введение. Понятие о данных
Понятие анализа данных. Какие данные существуют. Примеры. Для чего необходим анализ данных. Кто такие аналитики и какова их роль в производстве и разработке.
Домашнее задание №1: Попробовать найти где в нашей повседневной жизни мы сталкиваемся с анализом данных. Попробовать эти данные собрать каким-либо образом на ваше усмотрение, и проанализировать. Формат любой какой вздумается
(Потом мы это первое задание будем сравнивать с самым последним заданием таким же анализом, но после прохождения курса и будем смотреть чему мы научились)
Домашнее задание №1: Попробовать найти где в нашей повседневной жизни мы сталкиваемся с анализом данных. Попробовать эти данные собрать каким-либо образом на ваше усмотрение, и проанализировать. Формат любой какой вздумается
(Потом мы это первое задание будем сравнивать с самым последним заданием таким же анализом, но после прохождения курса и будем смотреть чему мы научились)
Базы данных. Работа с данными.
Узнает о методах взаимодействия и обработки данных. Сбор, базы данных. Хранение. Операции над данными и некоторые инструменты для этого. Инструменты для работы с данными. ПО. Классификация ПО. Создание первой базы данных в AIRTABLE или дибивер
Домашнее задание № 2: Занести данные с прошлого творческого задания в AIRTABLE
Домашнее задание № 2: Занести данные с прошлого творческого задания в AIRTABLE
Статистика для проведения исследований.
Освоение основных формул и понятий теории вероятности применяемой при анализе данных. Начала теории вероятности для анализа данных. Мода, медиана, среднее значение,выброс, дисперсия. Выборки. Совокупность. Подсчеты в Excel по формулам. Яндекс Таблицы.
Домашнее задание № 3: Дана совокупность некоторых данных, полученных в ходе эксперимента, необходимо занести данные в таблицу, а также вычислить численные характеристики
Домашнее задание № 3: Дана совокупность некоторых данных, полученных в ходе эксперимента, необходимо занести данные в таблицу, а также вычислить численные характеристики
Начала математической статистики. Визуализация данных.
Вариационные ряды и их графические изображения. Полигон. Гистограмма. Диаграммы. Визуализация статистики в Excel. Построение графиков и диаграмм. MATLAB. Statistics Toolbox. Визуализация данных.
Домашнее задание № 4: Самостоятельно визуализировать данные свой базы данных (см 1 практическое занятие) в Excel и по желанию в MATLAB
Домашнее задание № 4: Самостоятельно визуализировать данные свой базы данных (см 1 практическое занятие) в Excel и по желанию в MATLAB
Статистика для научных вычислений
Получат необходимые навыки для расчета меры различия. Получат практический навык обсчета научных вычислений. Выборки. Меры различий для несвязанных выборок. Практика.
Домашнее задание № 5: Даны данные, полученные в ходе некого эксперимента. Необходимо: подсчитать по ним меры различий. А также визуализировать данные в Sofa Statistic.
Домашнее задание № 5: Даны данные, полученные в ходе некого эксперимента. Необходимо: подсчитать по ним меры различий. А также визуализировать данные в Sofa Statistic.
Статистика Social life
Получит знания об анализе социологических данных, а также навыки работы в ПО PSPP. Обработка данных социальных наук. Практика: Подсчет данных в PSPP. Домашнее задание № 6
Оформление отчетов
Правила составления отчетов по проведенной аналитике. Практика Написание отчета. Оформление отчета по собственным данным.
Научная информация
Научный метод
Возникновение научного метода. Элементы научного метода. Этапы научного поиска, проблемы научного поиска. Логический позитивизм и постпозитивизм. Рецензирование научных работ.
Литературный поиск
Требования к результату поиска научной литературы. Этапы и алгоритмы литературного поиска. Как читать научную литературу? Реферативные базы данных. Полнотекстовые базы данных.
Какие бывают научные публикации?
Классификация научной литературы. Исследовательские статьи (Research paper, Article). Материалы конференций (PROCEEDINGS PAPER). Обзоры (REVIEW). BOOK CHAPTER. EDITORIAL MATERIAL и NEWS. MEETING ABSTRACT. NOTE. LETTER. EARLY ACCESS. BOOK. NEWS ITEM. REPRINT. CORRECTION и CORRECTION ADDITION. DATA PAPER. Ведущие издательства.
Агрегаторы научной литературы
Google Scholar и Google Academy. Scopus. Web of Science (WoS). PubMed. Microsoft Academic. Science Direct. Semantic Scholar. Science Citation Index. eLibrary.Ru. MEDLINE®
Критерии оценки научной информации
ORCID. ResearcherID. DOI. h-индекс, или индекс Хирша, g-индекс и i-индекс. K-Index. Российский индекс научного цитирования (РИНЦ). Импакт-фактор и CiteScore. Квартиль научного журнала. Открытый доступ и плата за публикацию. Хищнические журналы. Научное пиратство. Антиплагиат и ретракция.
Научная коммуникация
Researchgate. Academia. Mendeley. Американское химическое общество (American Chemical Society)
