Закреплена за кафедрой | Кафедра культурологии и дизайна |
---|---|
Направление подготовки | 09.03.03. Прикладная информатика |
Профиль | Прикладная информатика в дизайне |
Форма обучения | Заочная |
Общая трудоемкость | 6 ЗЕТ |
Учебный план | z09_03_03_Прикладная информатика_ПИвД-2021 |
|
|
Распределение часов по курсам
Курс | 1 | Итого | ||
---|---|---|---|---|
Вид занятий | УП | РПД | УП | РПД |
Лабораторные | 14 | 14 | 14 | 14 |
Сам. работа | 193 | 193 | 193 | 193 |
Часы на контроль | 9 | 9 | 9 | 9 |
Итого | 216 | 216 | 216 | 216 |
Визирование РПД для исполнения в очередном учебном году
Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2023-2024 учебном году на заседании
кафедры
Кафедра культурологии и дизайна
Протокол от 23.05.2023 г. № 7
Заведующий кафедрой Нехвядович Лариса Ивановна
1.1. | Формирование базовых компетенций в области цифровых технологий и их применения в сфере цифрового дизайна и проектирования информационных систем, включая технологии машинного обучения, нейронных сетей. |
---|
Цикл (раздел) ООП: Б1.О.02 |
ОПК-2 | Способен понимать принципы работы современных информационных технологий и программных средств, в том числе отечественного производства, и использовать их при решения задач профессиональной деятельности; |
ОПК-2.1 | Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности |
ОПК-2.2 | Умеет выбирать современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности |
ОПК-2.3 | Владеет навыками применения современных информационных технологий и программных средств, в том числе отечественного производства, при решении задач профессиональной деятельности |
В результате освоения дисциплины обучающийся должен | |
3.1. | Знать: |
---|---|
3.1.1. | Современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности |
3.2. | Уметь: |
3.2.1. | Выбирать современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности |
3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
3.3.1. | Навыками применения современных информационных технологий и программных средств, в том числе отечественного производства, при решении задач профессиональной деятельности |
Код занятия | Наименование разделов и тем | Вид занятия | Курс | Часов | Компетенции | Литература |
---|---|---|---|---|---|---|
Раздел 1. Раздел 1. Введение в программирование на языке Python, знакомство со средами разработки Jupyter Notebook и GoogleColab | ||||||
1.1. | Установка фреймворка Anaconda. Настройка рабочего окружения. Знакомство со средой программирования Jupyther Notebook. Знакомство с облачной средой разработки Google Colab. Преимущества и особенности Python | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
1.2. | Установка фреймворка Anaconda. Настройка рабочего окружения. Знакомство со средой программирования Jupyther Notebook. Знакомство с облачной средой разработки Google Colab. Преимущества и особенности Python. | Сам. работа | 1 | 8 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
Раздел 2. Загрузка данных в рабочую среду. Визуализация данных и описательная статистика. Корреляционно-регрессионный анализ | ||||||
2.1. | Библиотека Pandas для обработки и анализа данных. Считывание больших данных чанками (порциями). Библиотека NumPy. Визуализация с помощью библиотек Matplotlib и Seaborn. Типы данных. Кросс-таблицы, группировка, сортировка и агрегирование данных. Корреляционный анализ. Линейная регрессия. Основы работы с библиотекой scikit-learn | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
2.2. | Библиотека Pandas для обработки и анализа данных. Считывание больших данных чанками (порциями). Библиотека NumPy. Визуализация с помощью библиотек Matplotlib и Seaborn. Типы данных. Кросс-таблицы, группировка, сортировка и агрегирование данных. Корреляционный анализ. Линейная регрессия. Основы работы с библиотекой scikit-learn | Сам. работа | 1 | 28 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
Раздел 3. Типовые задачи машинного обучения: кластеризация, классификация и регрессия | ||||||
3.1. | Избранные методы кластеризации данных (k-means, иерархическая и спектральная кластеризация, DBSCAN). Задачи обучения с учителем. Понятие переобучения. Деревья решений для задач классификации и регрессии. Методы, основанные на деревьях решений: Random Forest, XGBoost и CatBoost. Метрики качества обучения и валидация | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
3.2. | Избранные методы кластеризации данных (k-means, иерархическая и спектральная кластеризация, DBSCAN). Задачи обучения с учителем. Понятие переобучения. Деревья решений для задач классификации и регрессии. Методы, основанные на деревьях решений: Random Forest, XGBoost и CatBoost. Метрики качества обучения и валидация | Сам. работа | 1 | 28 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
Раздел 4. Введение в нейронные сети и глубокое обучение | ||||||
4.1. | Полносвязные нейронные сети. Фреймворк TensorFlow и инструментарий Keras для построения нейронных сетей. Контроль переобучения. Классификация и регрессия с помощью нейронных сетей | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
4.2. | Полносвязные нейронные сети. Фреймворк TensorFlow и инструментарий Keras для построения нейронных сетей. Контроль переобучения. Классификация и регрессия с помощью нейронных сетей | Сам. работа | 1 | 22 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
Раздел 5. Сверточные нейронные сети в задачах анализа изображений | ||||||
5.1. | Идеи, лежащие в основе сверточной нейронной сети, ее преимущество в сравнении с полносвязной нейронной сетью в задачах обработки изображений. Инструментарий Keras для построения сверточных нейронных сетей. Предобученные нейронные сети и перенос обучения. Примеры задач компьютерного зрения | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
5.2. | Идеи, лежащие в основе сверточной нейронной сети, ее преимущество в сравнении с полносвязной нейронной сетью в задачах обработки изображений. Инструментарий Keras для построения сверточных нейронных сетей. Предобученные нейронные сети и перенос обучения. Примеры задач компьютерного зрения | Сам. работа | 1 | 28 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
Раздел 6. Нейронные сети в задачах анализа текста. Конструирование чат-ботов | ||||||
6.1. | Особенности обработки естественных языков. Векторная модель текста и классификация длинных текстов. Базовые нейросетевые методы работы с текстами. Языковые модели и генерация текста. Прикладные задачи обработки текста. Конструирование чат-ботов. | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
6.2. | Особенности обработки естественных языков. Векторная модель текста и классификация длинных текстов. Базовые нейросетевые методы работы с текстами. Языковые модели и генерация текста. Прикладные задачи обработки текста. Конструирование чат-ботов. | Сам. работа | 1 | 20 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
Раздел 7. Сервисы, использующих технологии искусственного интеллекта | ||||||
7.1. | Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л1.3, Л1.1, Л2.2 |
7.2. | Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач | Сам. работа | 1 | 10 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л2.1, Л1.2, Л2.2 |
Раздел 8. Технологии искусственного интеллекта в проектировании информационных ресурсов | ||||||
8.1. | Применение машинного обучения для аналитики трендов веб-дизайна.Генеративный дизайн | Сам. работа | 1 | 20 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л1.2, Л2.2 |
Раздел 9. Цифровая среда проектной работы дизайнера | ||||||
9.1. | Ключевые инструменты и принципы организации работы дизайнера в цифровой среде | Сам. работа | 1 | 29 | ОПК-2.1, ОПК-2.2, ОПК-2.3 | Л1.2, Л2.2 |
5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
Оценочные материалы для текущего контроля по разделам и темам дисциплины в полном объеме размещены в онлайн-курсе на образовательном портале «Цифровой университет АлтГУ» — https://portal.edu.asu.ru/course/view.php?id=8477. ОЦЕНКА СФОРМИРОВАННОСТИ КОМПЕТЕНЦИИ ОПК-2: Способен понимать принципы работы современных информационных технологий и программных средств, в том числе отечественного производства, и использовать их при решении задач профессиональной деятельности ПРИМЕРЫ ЗАДАНИЙ ЗАКРЫТОГО ТИПА 1.Что такое открытый исходный код программного обеспечения, и какие преимущества он может предоставить в профессиональной деятельности? Открытый исходный код - это программа, которая работает только на открытом воздухе. Открытый исходный код - это старый и устаревший способ разработки программ. Открытый исходный код - это программное обеспечение, исходный код которого доступен для общественности, что позволяет участникам сообщества улучшать и адаптировать его под свои нужды. Ответ 3 2. Какой символ используется для комментариев в Python? // -- # /* */ Ответ 3 3. Как создать переменную в Python? var x = 5 x = 5 let x = 5 x := 5 Ответ 2 4. Какой оператор используется для условных выражений в Python? switch if-else for while Ответ 2 5. Какой способ форматирования строк используется в Python 3? % форматирование .format() метод f-строки (f-strings) & форматирование Ответ 3 6. Как объявить функцию в Python? function my_function(): def my_function(): func my_function(): define my_function(): Ответ 2 7. Как создать список (list) в Python? new list = [] list = new List() list = {} list = [] Ответ 4 8. Как завершить выполнение программы в Python? - [ ] exit() - [ ] done() - [ ] stop() - [ ] sys.exit() Ответ 4 9. Как создать кортеж (tuple) в Python? - [ ] tuple = () - [ ] tuple = [] - [ ] tuple = {} - [ ] new tuple = tuple() Ответ 1 10. Как выполнить округление числа до ближайшего целого в Python? - [ ] round() - [ ] ceil() - [ ] floor() - [ ] int() Ответ 1 11. Какой библиотекой Python чаще всего используется для машинного обучения? Pandas NumPy TensorFlow Matplotlib Ответ 3 12. Какие из перечисленных алгоритмов являются методами обучения с учителем? K-средних (K-means) Решающие деревья (Decision Trees) Метод опорных векторов (Support Vector Machines) Линейная регрессия (Linear Regression) Ответ 4 13. Что представляют собой сверточные слои в сверточных нейронных сетях (CNN)? Слои, которые уменьшают размерность входных данных. Слои, которые применяют операцию свертки к входным данным для выделения признаков. Слои, которые соединяют нейроны предыдущего слоя с нейронами текущего слоя. Слои, которые добавляют случайный шум к данным. Ответ 2 14. Какая модель окажется в среднем более эффективной в задачах распознавания образов? а) модель на основе бэггинга, б) полносвязная нейронная сеть, в) сверточная нейронная сеть. Ответ:В 15. Библиотека, предназначенная для визуализации данных: А) Keras, Б) matplotlib, В) pandas Г) TensorFlow Ответ: В КРИТЕРИИ ОЦЕНИВАНИЯ: Каждое задание оценивается 1 баллом. Оценивание КИМ теоретического характера в целом:«отлично» – верно выполнено 85-100% заданий; «хорошо» – верно выполнено 70-84% заданий; «удовлетворительно» – верно выполнено 51-69% заданий; «неудовлетворительно» – верно выполнено 50% или менее 50% заданий. ПРИМЕРЫ ЗАДАНИЙ ОТКРЫТОГО ТИПА 1.Какие основные принципы работы современных информационных технологий вы знаете? Ответ: Принцип открытости, модульности, надежности. 2.Перечислите основные виды программных средств, которые используются в профессиональной деятельности. Ответ: Операционные системы, офисные пакеты, специализированные программы. 3.Приведите примеры современных информационных технологий отечественного производства. Ответ: Яндекс, Касперский, Лаборатория Касперского и т.д. 4.В чем заключается понимание принципов работы современных информационных технологий? Ответ: Знание основ работы ИТ, умение объяснить их функционирование, способность выявлять проблемы и предлагать решения. 5.Какие задачи профессиональной деятельности можно решить с использованием информационных технологий? Ответ: Управление данными, аналитика, автоматизация процессов. 6. Как выбирать современные информационные технологии для решения определенных задач профессиональной деятельности? Ответ: Учитывать требования к задаче, анализировать доступные технологии, сравнивать их возможности и выбирать наиболее подходящую. 7. Какие критерии следует учитывать при выборе программных средств для решения задач профессиональной деятельности? Ответ: Функционал, стоимость, совместимость с другими системами, производительность. 8. Для решения каких задач применяют Python? Ответ: Python применяют для решения различных задач, включая обработку данных, веб-разработку, машинное обучение, написание скриптов и автоматизацию процессов. 9. Что такое современные информационные технологии, и почему они важны для профессиональной деятельности? Ответ: Современные информационные технологии - это набор средств и методов для сбора, обработки, хранения и передачи данных. Они важны для профессиональной деятельности, потому что улучшают эффективность, доступность и точность информации. 10. Приведите примеры современных информационных технологий, которые могут быть полезными в вашей профессиональной области. Ответ: Примеры включают в себя системы управления проектами, облачные хранилища данных, мобильные приложения для мониторинга, аналитику данных и программы для виртуальной коммуникации. 11. Какие критерии вы используете при выборе информационных технологий и программных средств для решения задач профессиональной деятельности? Ответ: Основные критерии включают в себя соответствие целям задачи, бюджет, безопасность и удобство использования. 12. Опишите, какие принципы работы стоят за понятием "открытого исходного кода" в программном обеспечении и как оно может быть полезным для вас. Ответ: Открытый исходный код предоставляет доступ к исходным текстам программы, позволяя пользователям участвовать в разработке и модификации программы. Это может быть полезным для настройки программ под конкретные нужды и снижения зависимости от вендоров. 13. Каким образом вы обновляете свои знания о новых информационных технологиях и программных средствах в вашей области? Ответ: Обновление знаний включает в себя участие в профессиональных курсах, участие в вебинарах и практических проектах. 14. Какие возможности предоставляют облачные вычисления для решения задач профессиональной деятельности, и какие риски они могут представлять? Ответ: Облачные вычисления позволяют доступ к ресурсам через интернет, обеспечивая гибкость и масштабируемость. Риски включают в себя безопасность данных и зависимость от поставщиков облаков. 15. Каким образом современные информационные технологии могут помочь в оптимизации процессов в вашей профессиональной области? Ответ: Они могут автоматизировать задачи, улучшить аналитику данных, ускорить обмен информацией и повысить эффективность решения задач. 16. Какие меры безопасности вы принимаете при работе с информационными технологиями, чтобы защитить конфиденциальность и целостность данных? Ответ: Меры включают в себя использование паролей, шифрование данных, регулярные резервные копии и обновления программного обеспечения. 17. Какие инструменты и ресурсы вы используете для автоматизации рутинных задач в своей профессиональной деятельности? Ответ: Инструменты могут включать в себя скрипты, ботов, автоматизированные системы управления и программы для роботизации процессов. 18. Какие тренды в области информационных технологий вы считаете наиболее значимыми для будущего вашей профессиональной деятельности? Ответ: Тренды включают в себя искусственный интеллект, интернет вещей (IoT), кибербезопасность и развитие облачных вычислений. 19. Каким образом вы оцениваете эффективность использования информационных технологий в решении профессиональных задач? Ответ: Оценка может включать в себя анализ результатов, сравнение с планами, сбор обратной связи и измерение производительности. 20. Какие навыки и знания считаются важными для успешного применения информационных технологий в вашей профессиональной деятельности? Ответ: Программирование, аналитическое мышление, способность к обучению новым технологиям и коммуникативные навыки. КРИТЕРИИ ОЦЕНИВАНИЯ ОТКРЫТЫХ ВОПРОСОВ. • «Отлично» (зачтено): Ответ полный, развернутый. Вопрос точно и исчерпывающе передан, терминология сохранена, студент превосходно владеет основной и дополнительной литературой, ошибок нет. • «Хорошо» (зачтено): Ответ полный, хотя краток, терминологически правильный, нет существенных недочетов. Студент хорошо владеет пройденным программным материалом; владеет основной литературой, суждения правильны. • «Удовлетворительно» (зачтено): Ответ неполный. В терминологии имеются недостатки. Студент владеет программным материалом, но имеются недочеты. Суждения фрагментарны. • «Неудовлетворительно» (не зачтено): Не использована специальная терминология. Ответ в сущности неверен. Переданы лишь отдельные фрагменты соответствующего материала вопроса. Ответ не соответствует вопросу или вовсе не дан. |
5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.) |
не предусмотрено |
5.3. Фонд оценочных средств для проведения промежуточной аттестации |
Промежуточная аттестация заключается в проведении в конце семестра экзамена. Для обучающихся, организуется экзамен в форме письменного опроса по всему изученному курсу. Контрольно-измерительный материал для письменного опроса формируется из заданий открытого типа текущего контроля, размещенных в Контрольных вопросах и заданиях для проведения текущей аттестации по дисциплины, а также заданий текущего контроля в онлайн-курсе на образовательном портале «Цифровой университет АлтГУ». Количество заданий в письменном опросе для промежуточной аттестации - 20. КРИТЕРИИ ОЦЕНИВАНИЯ: Каждое задание оценивается 1 баллом. Оценивание КИМ в целом: «отлично» – верно выполнено более 85% заданий; «хорошо» – верно выполнено более 70% заданий, «удовлетворительно» верно выполнено более 50% заданий. |
6.1. Рекомендуемая литература | ||||
6.1.1. Основная литература | ||||
Авторы | Заглавие | Издательство, год | Эл. адрес | |
Л1.1 | Гласснер, Э. | Глубокое обучение без математики. Том 2. Практика : | , 2020 | e.lanbook.com |
Л1.2 | Гудфеллоу Я., Бенджио И., Курвилль А. | Глубокое обучение: | Издательство "ДМК Пресс", 2018 | e.lanbook.com |
Л1.3 | Гласснер, Э. | Глубокое обучение без математики. Том 1: | ДМК Пресс, 2019 | https://e.lanbook.com/book/131696 |
6.1.2. Дополнительная литература | ||||
Авторы | Заглавие | Издательство, год | Эл. адрес | |
Л2.1 | П. Флах | Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных: Учебник | ДМК Пресс, 2015//ЭБС издательства «Лань» | e.lanbook.com |
Л2.2 | Ганегедара, Т. | Обработка естественного языка с TensorFlow: | , 2020 | e.lanbook.com |
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
Название | Эл. адрес | |||
Э1 | Ng. A. Machine Learning. - http://coursera.org | coursera.org | ||
Э2 | Нейронные сети и компьютерное зрение https://stepik.org/lesson/223828/ | stepik.org | ||
Э3 | Нейронные сети и обработка текстa https://stepik.org/lesson/225309 | stepik.org | ||
Э4 | Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. - http://machinelearning.ru | machinelearning.ru | ||
Э5 | UCIMachineLearningRepository — репозиторий наборов данных для машинного обучения - http://archive.ics.uci.edu/ml/ | archive.ics.uci.edu | ||
Э6 | IAPREducationCommittee&Resources — коллекция ссылок на образовательные ресурсы по распознаванию образов, машинному обучению, обработке сигналов, обработке изображений и компьютерному зрению, поддерживаемая Международной ассоциацией распознавания образов - http://homepages.inf.ed.ac.uk/rbf/IAPR/index.php | homepages.inf.ed.ac.uk | ||
Э7 | Андрей Созыкин Учебный курс «Программирование нейросетей на Python» https://www.asozykin.ru/courses/nnpython | www.asozykin.ru | ||
Э8 | Электронный курс на Едином образовательном портале АлтГУ: https://portal.edu.asu.ru/course/view.php?id=8809 | portal.edu.asu.ru | ||
6.3. Перечень программного обеспечения | ||||
Microsoft Office 2010 (Office 2010 Professional, № 4065231 от 08.12.2010), (бессрочно); Microsoft Windows 7 (Windows 7 Professional, № 61834699 от 22.04.2013), (бессрочно); Chrome (http://www.chromium.org/chromium-os/licenses ), (бессрочно); 7-Zip (http://www.7-zip.org/license.txt ), (бессрочно); AcrobatReader (http://wwwimages.adobe.com/content/dam/Adobe/en/legal/servicetou/Acrobat_com_Additional_TOU-en_US-20140618_1200.pdf), (бессрочно); ASTRA LINUX SPECIAL EDITION (https://astralinux.ru/products/astra-linux-special-edition/), (бессрочно); LibreOffice (https://ru.libreoffice.org/), (бессрочно); Веб-браузер Chromium (https://www.chromium.org/Home/), (бессрочно); Антивирус Касперский (https://www.kaspersky.ru/), (до 23 июня 2024); Архиватор Ark (https://apps.kde.org/ark/), (бессрочно); Okular (https://okular.kde.org/ru/download/), (бессрочно); Редактор изображений Gimp (https://www.gimp.org/), (бессрочно) | ||||
6.4. Перечень информационных справочных систем | ||||
Сайт библиотеки АлтГУ: www.lib.asu.ru; Электронно-библиотечная система издательства "Лань": www.e.lanbook.com; Электронно-библиотечная система "Университетская библиотека online": www.biblioclub.ru; Свободная энциклопедия "Википедия": http://ru.wikipedia.org; Единый образовательный портал http://portal.edu.asu.ru Электронная база данных ZBMATH: https://zbmath.org |
Аудитория | Назначение | Оборудование |
---|---|---|
Помещение для самостоятельной работы | помещение для самостоятельной работы обучающихся | Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ |
Учебная аудитория | для проведения занятий всех видов (дисциплинарной, междисциплинарной и модульной подготовки), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проекта (работы), проведения практики | Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска, мультимедийное оборудование стационарное или переносное) |
При изучении дисциплины целесообразно выполнять следующие рекомендации: а) изучение должно быть систематическим, в течение всего семестра; для формирования устойчивых навыков и знаний эффективнее следовать логике построения курса и осваивать учебный материал небольшими порциями; б)после изучения темы на занятии следует выполнить самостоятельную работу по данной теме, если она предполагается, а также изучить дополнительные ресурсы, рекомендованные преподавателем, а также найденные самостоятельно в сети Интернет, в фондах научной библиотеки университета; в)особое внимание следует уделять выполнению заданий на практических занятиях и завершению работы над ними в рамках самостоятельной работы. Выполнение практических заданий предусмотрено как на практических занятиях, так и в форме самостоятельной работы. При выполнении самостоятельной работы учащийся может задавать уточняющие вопросы преподавателю, используя электронные средства коммуникации на Едином образовательном портале АлтГУ, а также при непосредственном общении с преподавателем в часы консультаций. |