Закреплена за кафедрой | Кафедра социологии и конфликтологии |
---|---|
Направление подготовки | 39.03.01. Социология |
Профиль | Социология маркетинга и рекламы |
Форма обучения | Заочная |
Общая трудоемкость | 6 ЗЕТ |
Учебный план | z39_03_01_Социология_СМиР-2022 |
|
|
Распределение часов по курсам
Курс | 1 | Итого | ||
---|---|---|---|---|
Вид занятий | УП | РПД | УП | РПД |
Лабораторные | 4 | 4 | 4 | 4 |
Сам. работа | 203 | 203 | 203 | 203 |
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 социологии и конфликтологии
Протокол от 13.05.2022 г. № 9
Заведующий кафедрой Нагайцев Виктор Валентинович
1.1. | курс направлен на формирование у обучающихся способности использовать современные информационные технологии, программные средства и инструменты цифровой культуры для решения задач профессиональной деятельности в области научных исследований и самообразования |
---|
Цикл (раздел) ООП: Б1.О.02 |
ОПК-1 | Способен понимать принципы работы современных информационных технологий и использовать их для решения задач профессиональной деятельности |
В результате освоения дисциплины обучающийся должен | |
3.1. | Знать: |
---|---|
3.1.1. | Знает современную теоретикометодологическую основу изучения конфликтов Знает методологию,методику и основные методы сбора и анализа информации в прикладном исследовании Знает современные информационные технологии и программные средства, в том числе отечественного производства, подходы их использования в профессиональной деятельности;понимает роль цифровой культуры в информационном обществе и профессиональной деятельности |
3.2. | Уметь: |
3.2.1. | Умеет применять методы сбора, анализа и интерпретации эмпирических данных в соответствии с поставленной задачей Умеет концептуализировать проблему и вырабатывать эмпирические показатели,анализировать полученные результаты Умеет анализировать массивы данных с использованием современных программных средств; применять инструменты цифровой культуры в принятии организационно-управленческих решений |
3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
3.3.1. | Обладает навыками оценки достоверности эмпирических данных и обоснованности выводов исследований Владеет навыками работы с различными статистическими пакетами и составления аналитических отчетов по результатам исследования Владеет приемами и методами анализа массивов данных; навыками использования информационно-коммуникационных технологий и программных средств в цифровой среде для взаимодействия с обществом, и решения цифровых задач в 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 | 1 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
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 | 36 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
Раздел 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 | 1 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
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 | 36 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
Раздел 3. Раздел 3. Типовые задачи машинного обучения: кластеризация, классификация и регрессиясамообразования | ||||||
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 | Сам. работа | 1 | 36 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
Раздел 4. 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. | Сам. работа | 1 | 17 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
Раздел 5. 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 | Сам. работа | 1 | 20 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
Раздел 6. 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 | 1 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
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 | 36 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
Раздел 7. Раздел 7. Сервисы, использующих технологии искусственного интеллекта | ||||||
7.1. | Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач | Лабораторные | 1 | 1 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
7.2. | Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач | Сам. работа | 1 | 22 | ОПК-1 | Л2.1, Л2.2, Л1.2, Л1.1, Л2.3 |
5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
см. приложение |
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 |
см. приложение |
6.1. Рекомендуемая литература | ||||
6.1.1. Основная литература | ||||
Авторы | Заглавие | Издательство, год | Эл. адрес | |
Л1.1 | Гаврилов, М. В. | Информатика и информационные технологии : учебник для вузов: | Москва : Издательство Юрайт, 2021 | URL: https://www.urait.ru/bcode/468473 |
Л1.2 | Советов, Б.Я., Цехановский, В.В. | Информационные технологии: учебник для вузов | Юрайт, 2021 | urait.ru |
6.1.2. Дополнительная литература | ||||
Авторы | Заглавие | Издательство, год | Эл. адрес | |
Л2.1 | Горелов, Н.А., Кораблева, О.Н. | Развитие информационного общества: цифровая экономика: учебное пособие для вузов. | Юрайт, 2020 | urait.ru |
Л2.2 | Кравченко, С.А. | Социология цифровизации: учебник для вузов | Юрайт, 2021 | urait.ru |
Л2.3 | Гасумова, С. Е. | Информационные технологии в социальной сфере: учебник и практикум для среднего профессионального образования | Москва : Издательство Юрайт, 2021 | URL: https://www.urait.ru/bcode/476487 |
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
Название | Эл. адрес | |||
Э1 | Курс в Moodle "Цифровая культура в профессиональной деятельности" | portal.edu.asu.ru | ||
Э2 | Ng. A. Machine Learning. - http://coursera.org | |||
Э3 | Нейронные сети и компьютерное зрение | stepik.org | ||
Э4 | Нейронные сети и обработка текста | stepik.org | ||
Э5 | Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. | machinelearning.ru | ||
Э6 | UCIMachineLearningRepository — репозиторий наборов данных для машинного обучения | archive.ics.uci.edu | ||
Э7 | APREducationCommittee&Resources — коллекция ссылок на образовательные ресурсы по распознаванию образов, машинному обучению, обработке сигналов, обработке изображений и компьютерному зрению, поддерживаемая Международной ассоциацией распознавания образов | homepages.inf.ed.ac.uk | ||
Э8 | Андрей Созыкин Учебный курс «Программирование нейросетей на Python» | www.asozykin.ru | ||
6.3. Перечень программного обеспечения | ||||
Python 3.6 и выше Фреймворк Anaconda Google Colab Microsoft Office, Exel Microsoft Windows 7-Zip AcrobatReader 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 |
---|---|---|
511Д | лаборатория математического обеспечения социально-психологических исследований - учебная аудитория для проведения занятий лекционного типа; занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 20 посадочных мест; рабочее место преподавателя; доска меловая 1 шт.; компьютеры: 10 единиц; мониторы: 10 единиц. |
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 |
Изучение учебной дисциплины студентами предусматривает два вида работ: - работа с преподавателем; - самостоятельная работа. Работа с преподавателем осуществляется при выполнении лабораторных работ. Последовательность проведения данных занятий, их содержание определяются настоящей программой. Посещение данных занятий является обязательным для всех студентов. Лабораторная работа требует подготовки студентов, предусматривающей изучение теоретического материала по теме занятия с использованием учебной литературы, перечень которой приведен в данной рабочей программе. При необходимости в процессе работы над заданием студент может получить индивидуальную консультацию у преподавателя. Лабораторная работа заканчивается составлением отчета, проверяется и оценивается преподавателем. Самостоятельная работа студента является основным средством овладения учебным материалом во время, свободное от обязательных учебных занятий. Она включает в себя выполнение различного рода заданий, которые ориентированы на более глубокое усвоение материала изучаемой дисциплины. К выполнению заданий для самостоятельной работы предъявляются следующие требования: задания должны исполняться самостоятельно и представляться в установленный срок, а также соответствовать установленным требованиям по оформлению. Студентам следует: - руководствоваться графиком самостоятельной работы, определенным РПД; - выполнять все плановые задания, выдаваемые преподавателем для самостоятельного выполнения, и разбирать в рамках лабораторных работ и консультаций неясные вопросы; - при подготовке к итоговому контролю параллельно прорабатывать соответствующие теоретические и практические разделы дисциплины, фиксируя неясные моменты для их обсуждения на консультации с преподавателем |