Экономика и анализ данных: программа бакалавриата СПбГУПТД

Программа предлагает студентам изучение основ экономической теории и методов анализа данных. Студенты получат знания и навыки, необходимые для понимания и объяснения экономических явлений, анализа экономических данных и принятия информированных решений. В рамках программы обучения студенты изучат основные принципы микроэкономики и макроэкономики, эконометрику, статистику, теорию игр, финансы, маркетинг и другие ключевые аспекты экономики и анализа данных. Они также будут знакомиться с современными инструментами и технологиями анализа данных, включая статистические пакеты программного обеспечения и методы машинного обучения. В результате программы студенты будут готовы к применению своих знаний в различных сферах, включая бизнес, финансы, государственное управление и консалтинг, где они смогут вносить ценный вклад в процесс принятия решений и развития экономики.

Образовательная программа предоставляет уникальную возможность получить образование по двум востребованным направлениям подготовки: «Экономика» и «Прикладная математика и информатика».

Уже начиная с первого курса у студентов будет практикум, на котором представится возможность применить полученные знания по программированию к решению экономических задач и экономическому моделированию. А начиная со второго курса все студенты будут участвовать в проектах, наставниками которых выступают сотрудники двух факультетов и представители бизнеса. Такие мастерские позволят получить опыт применения новейших методов анализа данных и машинного обучения к решению реальных задач.

Профессиональные дисциплины:

• Математический анализ
• Математический анализ 1 (углублённый курс)
• Математика для экономистов
• Математика для экономистов (углублённый курс)
• Линейная алгебра
• Социально-экономическая статистика
• Основы статистических наблюдений
• Дискретная математика
• Теория вероятностей и математическая статистика
• Теория оптимизации
• Микроэкономика
• Микроэкономика (углубленный курс)
• Финансовый учет и отчетность
• Российская экономика
• Макроэкономика
• Экономическое мышление
• Эконометрика
• Финансовые рынки
• Экономическая история
• Дифференциальные и разностные уравнения
• Экономическая демография
• Международные стандарты финансовой отчетности
• Цифровые трансформации в управлении персоналом
• Финансовые институты и риски
• Инструментальные методы цифровой экономики
• Привлечение капитала на фондовом рынке
• Россия и развитие мировой экономики в XX в.
• Случайные процессы
• Теория игр
• Международная торговля
• Экономика труда
• Динамическая оптимизация в экономике и финансах
• Социоэкономика
• Экономика общественного сектора
• Поведенческая и экспериментальная экономика
• Институциональная экономика
• Структурная политика: современные практики и уроки
• Аграрная экономика
• Финансовая экономика
• Корпоративные финансы
• Международные финансы
• Дифференциальные и разностные уравнения
• Дополнительные главы макроэкономики
• Политическая экономика
• Финансовая стабильность и финансовый кризис
• Отраслевые рынки
• Введение в экономику цифровых платформ
• Принятие решений в задачах цифровой экономики в условиях риска и неопределённости
• Теория аукционов
• Экономика информации
• Экономический рост и развитие
• Управленческий учет
• Машинное обучение для больших данных
• Байесовские методы в машинном обучении
• Профессиональные участники финансовых рынков
• Экономический рост: уроки прошлого
• Динамическая оптимизация в экономике и финансах
• Эконометрика временных рядов
• Модели с качественными и ограниченными зависимыми переменными
• Анализ панельных данных и данных о длительности состояний
• Финансовая стабильность и финансовый кризис
• Поведенческая и экспериментальная экономика
• Экономика общественного сектора
• Экономический анализ социальных проблем
• Модели финансовых рынков
• Структурная политика: современные практики и уроки
• Деловые циклы
• Модель человека в экономической науке
• Случайные процессы
• Экономический рост: уроки прошлого.
• Введение в программирование на языках Python и С++
• Алгоритмы и структуры данных
• Архитектура компьютера и операционных систем
• Глубинное обучение.