Цифровая культура в профессиональной деятельности - Рабочая программа дисциплины - 09.03.03. Прикладная информатика - Направления подготовки

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

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

1. Цели освоения дисциплины

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.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.О.02

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

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

4. Структура и содержание дисциплины

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. Фонд оценочных средств

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. Учебно-методическое и информационное обеспечение дисциплины

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

7. Материально-техническое обеспечение дисциплины

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)

8. Методические указания для обучающихся по освоению дисциплины

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.