Лекция
Цель: выявить тренды во времени.
Данные: таблица (дата, регион, тип инцидента, уровень).
Задачи:
построить временные ряды;
найти пики/спады;
сравнить периоды «до/после» события.
Инструменты: Excel / Python (pandas, matplotlib).
Цель: понять пространственное распределение событий.
Данные: координаты инцидентов, тип местности.
Задачи:
тепловая карта;
кластеры (DBSCAN — учебно);
сравнение городской/сельской зон.
Инструменты: QGIS / Python (geopandas).
Цель: автоматическая категоризация текстов.
Данные: обезличенные отчеты/новости.
Задачи:
очистка текста;
TF-IDF;
классификация по типу события.
Инструменты: Python (scikit-learn).
Цель: выявить узкие места в снабжении (абстрактно).
Данные: время доставки, объем, маршрут (без реальных объектов).
Задачи:
среднее/медиана;
задержки;
визуализация маршрутов.
Инструменты: Excel / Python.
Цель: оценка различий источников.
Данные: условные показатели «спутник vs БПЛА».
Задачи:
точность/частота;
пропуски данных;
выводы о применимости.
Инструменты: Python, таблицы.
Цель: прогноз количества событий.
Данные: исторические ряды.
Задачи:
скользящее среднее;
простая регрессия;
оценка ошибки.
Инструменты: Python.
Цель: наглядное представление данных.
Данные: из проектов выше.
Задачи:
графики;
фильтры;
краткие выводы.
Инструменты: Power BI / Tableau / Python.
описание данных (1 абзац);
метод анализа;
2–3 визуализации;
выводы и ограничения.
Комментарии