1. Цели освоения дисциплины
| 1.1. | Цель дисциплины: формирование цифровой и информационной грамотности студентов, освоение ими знаний и умений рационального поиска, отбора, обработки и использования информации и цифровых инструментальных средств в учебной и профессиональной деятельности, соблюдение цифровой этики, гигиены и информационной безопасности, формирование теоретических знаний и практических навыков работы с современными информационно-коммуникационными технологиями, ознакомление с принципами и методами функционирования мировых информационных ресурсов, а также с возможностями их использования в различных областях экономики и бизнеса,а также формирование навыков саморазвития в контексте современной информатизации общества и принципов образования в течение всей жизни. |
|---|
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 решении задач профессиональной деятельности; |
| ОПК-3 | Способен решать стандартные задачи профессиональной деятельности на основе информационной и библиографической культуры с применением информационно-коммуникационных технологий и с учетом основных требований информационной безопасности; |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | ОПК-5.1. 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. ОПК-5.2. Знает государственные и муниципальные информационные системы, технологии электронного правительства и предоставления государственных (муниципальных) услуг; ОПК-6.1. Знает основные современные информационные технологии, принципы взаимодействия со службами информационных технологий. |
| 3.2. | Уметь: |
| 3.2.1. | ОПК-5.3. Умеет анализировать крупные массивы данных с использованием современных программных средств; применять инструменты цифровой культуры в принятии организационно- управленческих решений. ОПК-5.4. Умеет применять технологии электронного правительства и предоставления государственных (муниципальных) услуг; ОПК-6.2. Умеет применять методы и программные средства обработки деловой информации во взаимодействии со службами информационных технологий. |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | ОПК-5.5. Владеет приемами и методами анализа крупных массивов данных; навыками использования информационно-коммуникационных технологий и программных средств в цифровой среде для взаимодействия с обществом, и решения цифровых задач в профессиональной деятельности; ОПК-6.3. Владеет навыками эффективного использования корпоративных информационных систем при решении задач профессиональной деятельности. |
4. Структура и содержание дисциплины
| Код занятия | Наименование разделов и тем | Вид занятия | Курс | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Цифровые офисные технологии | ||||||
| 1.1. | Цифровые офисные технологии для работы с текстовыми документами при решении экономических задач в организации. | Лабораторные | 1 | 1 | Л1.1, Л2.1 | |
| 1.2. | Цифровые офисные технологии для работы с текстовыми документами при решении экономических задач в организации. | Сам. работа | 1 | 16 | Л1.1, Л2.1 | |
| 1.3. | Цифровые офисные технологии для обработки таблиц при решении экономических задач в организации. | Лабораторные | 1 | 1 | Л1.1, Л2.1 | |
| 1.4. | Цифровые офисные технологии для обработки таблиц при решении экономических задач в организации. | Сам. работа | 1 | 16 | Л1.1, Л2.1 | |
| Раздел 2. Цифровые технологии для работы с сетевыми ресурсами | ||||||
| 2.1. | Цифровые технологии для работы с сетевыми ресурсами при решении экономических задач в организации. | Лабораторные | 1 | 1 | Л1.1, Л2.1 | |
| 2.2. | Цифровые технологии для работы с сетевыми ресурсами при решении экономических задач в организации. | Сам. работа | 1 | 16 | Л1.1, Л2.1 | |
| Раздел 3. Введение в программирование на языке Python, знакомство со средами разработки Jupyter Notebook и GoogleColab | ||||||
| 3.1. | 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 | Л1.1, Л2.1 | |
| 3.2. | 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 | 22 | Л1.1, Л2.1 | |
| Раздел 4. Загрузка данных в рабочую среду. Визуализация данных и описательная статистика. Корреляционно-регрессионный анализ | ||||||
| 4.1. | 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 | ||
| 4.2. | 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 | 34 | Л1.1, Л2.1 | |
| Раздел 5. Типовые задачи машинного обучения: кластеризация, классификация и регрессия | ||||||
| 5.1. | 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 | 0 | Л1.1, Л2.1 | |
| 5.2. | 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 | 27 | Л1.1, Л2.1 | |
| Раздел 6. Введение в нейронные сети и глубокое обучение | ||||||
| 6.1. | Полносвязные нейронные сети. Фреймворк TensorFlow и инструментарий Keras для построения нейронных сетей. Контроль переобучения. Классификация и регрессия с помощью нейронных сетей. | Лабораторные | 1 | 2 | Л1.1, Л2.1 | |
| 6.2. | Полносвязные нейронные сети. Фреймворк TensorFlow и инструментарий Keras для построения нейронных сетей. Контроль переобучения. Классификация и регрессия с помощью нейронных сетей. | Сам. работа | 1 | 16 | Л1.1, Л2.1 | |
| Раздел 7. Сверточные нейронные сети в задачах анализа изображений | ||||||
| 7.1. | 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 | 1 | Л1.1, Л2.1 | |
| 7.2. | 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 | 20 | Л1.1, Л2.1 | |
| Раздел 8. Нейронные сети в задачах анализа текста. Конструирование чат-ботов | ||||||
| 8.1. | 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 | Л1.1, Л2.1 | |
| 8.2. | 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 | 14 | Л1.1, Л2.1 | |
| Раздел 9. Сервисы, использующих технологии искусственного интеллекта | ||||||
| 9.1. | Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач | Лабораторные | 1 | 1 | Л1.1, Л2.1 | |
| 9.2. | Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач | Сам. работа | 1 | 16 | Л1.1, Л2.1 | |
5. Фонд оценочных средств
| 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.) |
| См. Приложение |
| 5.3. Фонд оценочных средств для проведения промежуточной аттестации |
| См. Приложение |
| Приложения |
|
Приложение 1.
ФОС прикладная экономика.doc
|
6. Учебно-методическое и информационное обеспечение дисциплины
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | Гудфеллоу Я., Бенджио И., Курвилль А. | Глубокое обучение / пер. с анг. А. А. Слинкина. – 2-е изд., испр. – 652 с.: | М: ДМК Пресс, 2018 | e.lanbook.com |
| 6.1.2. Дополнительная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л2.1 | Ганегедара Т. | Обработка естественного языка с TensorFlow. — 382 с.: | М.: ДМК Пресс, 2020 | e.lanbook.com |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | Курс Цифровая культура | portal.edu.asu.ru | ||
| 6.3. Перечень программного обеспечения | ||||
| Open Office Office 2010 Professional Windows 7 Professional 7-Zip AcrobatReader Python 3.6 и выше Фреймворк Anaconda Google Colab 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 | ||||
| ПС Гарант (http://www.garant.ru) СПС КонсультантПлюс (http://www.consultant.ru/) Электронная база данных "Scopus" (http://www.scopus.com) Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru) Научная электронная библиотека elibrary (http://elibrary.ru) | ||||
7. Материально-техническое обеспечение дисциплины
| Аудитория | Назначение | Оборудование |
|---|---|---|
| 103С | лаборатория информационных технологий - компьютерный класс – учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации; помещение для саостоятельной работы | Учебная мебель на 16 посадочных мест; рабочее место преподавателя; доска маркерная; марка ASUSTeK Computer INC модель P8B75-M - 15 единиц; мониторы: марка Asus модель VW224 - 15 единиц |
8. Методические указания для обучающихся по освоению дисциплины
| 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. |