| Закреплена за кафедрой | Кафедра отечественной истории |
|---|---|
| Направление подготовки | 09.04.03. Прикладная информатика |
| Профиль | Анализ данных и разработка цифровых медиа |
| Форма обучения | Очная |
| Общая трудоемкость | 3 ЗЕТ |
| Учебный план | 09_04_03_Прикладная информатика_АДРЦМ-2023 |
|
|
||||||||||||
Распределение часов по семестрам
| Курс (семестр) | 1 (1) | Итого | ||
|---|---|---|---|---|
| Недель | 16 | |||
| Вид занятий | УП | РПД | УП | РПД |
| Лекции | 10 | 10 | 10 | 10 |
| Лабораторные | 22 | 22 | 22 | 22 |
| Сам. работа | 76 | 76 | 76 | 76 |
| Итого | 108 | 108 | 108 | 108 |
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 отечественной истории
Протокол от 30.06.2023 г. № 9
Заведующий кафедрой Демчик Евгения Валентиновна
| 1.1. | формирование у студентов знаний теоретических основ, практических навыков и умений использования языков программирования Python и R, владение базовым набором компетенций в области программирования и анализа дынных. |
|---|
| Цикл (раздел) ООП: Б1.О.03 |
| ОПК-1 | Способен самостоятельно приобретать, развивать и применять математические, естественнонаучные, социально-экономические и профессиональные знания для решения нестандартных задач, в том числе в новой или незнакомой среде и в междисциплинарном контексте; |
| ОПК-1.1 | Знает математические, естественнонаучные и социально-экономические методы для решения задач в профессиональной деятельности |
| ОПК-1.2 | Умеет решать нестандартные профессиональные задачи с применением математических, естественнонаучных социально-экономических и профессиональных знаний |
| ОПК-1.3 | Способен самостоятельно применять математические, естественнонаучные, социально-экономические и профессиональные знания для решения задач профессиональной деятельности в междисциплинарном контексте |
| ОПК-2 | Способен разрабатывать оригинальные алгоритмы и программные средства, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач; |
| ОПК-2.1 | Знает современные интеллектуальные технологии |
| ОПК-2.2 | Умеет обосновывать выбор современных интеллектуальных технологий и программной среды при разработке оригинальных программных средств для решения профессиональных задач |
| ОПК-2.3 | Владеет опытом разработки оригинальных алгоритмов и программных средств, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач |
| ПК-1 | Способен анализировать и визуализировать данные в гуманитарных науках на основе современных методов и инструментальных средств прикладнои? информатики в рамках Data Science |
| ПК-1.1 | Знает способы анализа гуманитарных данных в рамках Data Science |
| ПК-1.2 | Умеет проводить анализ гуманитарных данных в рамках Data Science |
| ПК-1.3 | Владеет навыками визуализации гуманитарных данных в рамках Data Science |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | – методы анализа данных с использованием Python и R |
| 3.2. | Уметь: |
| 3.2.1. | – использовать текст для создания структуры – создавать код программы на языке Python; – решать прикладные задачи с применением условных конструкций и циклов; – писать функции на Python и тестировать их; – выполнять операции с массивами; – выполнять обработку табличных данных средствами Python; – строить графики математических функций и визуализировать данные в Python; |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | – навыки программирования; – навыки анализа данных |
| Код занятия | Наименование разделов и тем | Вид занятия | Семестр | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Анализ данных на Python и R | ||||||
| 1.1. | Введение в программирование. Ввод, обработка, вывод данных. Python и R | Лекции | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.2. | Установка языка Python, настройка. Организация работы в среде R. Программирование на Python: Объекты и Структуры Данных в Python; Операторы Сравнения в Python; Операторы Python; Методы и Функции | Лабораторные | 1 | 4 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.3. | Этапы работ по машинному обучению Библиотеки: NumPy и Pandas | Лекции | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.4. | Программирование на Python и R: Обзор раздела NumPy и Pandas | Лабораторные | 1 | 4 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.5. | Визуализация данных, библиотеки: Matplotlib и Seaborn | Лекции | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.6. | Программирование на Python и R: Обзор раздела Matplotlib и Seaborn | Лабораторные | 1 | 4 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.7. | Машинное обучение: Линейная Регрессия; Полиномиальная регрессия; Регуляризация. Библиотека Scikit-Learn Конструирование признаков (Feature Engineering) и подготовка данных | Лекции | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.8. | Программирование на Python и R: Библиотека Scikit-Learn. Линейная, полиномиальная регрессия. Подготовка данных. | Лабораторные | 1 | 4 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.9. | Кросс-валидация. Логистическая регрессия. Метода k-ближайших соседей | Лекции | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.10. | Программирование на Python и R: Кросс-валидация. Логистическая регрессия. | Лабораторные | 1 | 4 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.11. | Программирование на Python и R: Метода k-ближайших соседей | Лабораторные | 1 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 1.12. | Изучение литературы по курсу. Подготовка к зачету | Сам. работа | 1 | 76 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-1.1, ОПК-1.2, ОПК-1.3 | Л1.3, Л1.1, Л1.2 |
| 5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
| ОЦЕНКА СФОРМИРОВАННОСТИ КОМПЕТЕНЦИИ ОПК-1: Способен самостоятельно приобретать, развивать и применять математические, естественнонаучные, социально-экономические и профессиональные знания для решения нестандартных задач, в том числе в новой или незнакомой среде и в междисциплинарном контексте ПРИМЕРЫ ЗАДАНИЙ ЗАКРЫТОГО ТИПА: 1. Какие языки программирования используются для анализа данных? a) Python и C++ b) R и Java c) Python и R d) Matlab и Perl Ответ: c) Python и R 2. Какой оператор используется для присваивания значения переменной в Python? a) = b) == c) === d) => Ответ: a) = 3. Какая библиотека в Python обеспечивает инструменты для работы с большими наборами данных? a) Pandas b) Numpy c) Scikit-learn d) Matplotlib Ответ: a) Pandas 4. Какой тип данных в R используется для хранения таблиц с различными типами данных? a) Vector b) Matrix c) Data Frame d) List Ответ: c) Data Frame 5. Какой пакет в R используется для создания графиков и визуализации данных? a) ggplot2 b) dplyr c) tidyr d) lubridate Ответ: a) ggplot2 6. Каким методом в Python можно удалить дублирующиеся значения из набора данных? a) drop_duplicates() b) remove_duplicates() c) delete_duplicates() d) clear_duplicates() Ответ: a) drop_duplicates() 7. Какой метод в Python используется для объединения нескольких DataFrame по общим столбцам? a) merge() b) concat() c) join() d) combine() Ответ: a) merge() 8. Какая функция в R используется для чтения данных из CSV файла? a) read.csv() b) read.table() c) read_excel() d) read.json() Ответ: a) read.csv() 9. Какой метод в Python используется для построения графиков из DataFrame с использованием библиотеки Matplotlib? a) plot() b) scatter() c) hist() d) bar() Ответ: a) plot() 10. Какая функция в R используется для преобразования данных в фактор? a) as.character() b) as.numeric() c) as.factor() d) as.integer() Ответ: c) as.factor() 11. Каким методом в Python можно применить функцию к каждому элементу столбца DataFrame? a) apply() b) map() c) applymap() d) transform() Ответ: a) apply() 12. Какая функция в R используется для решения линейных моделей? a) lm() b) glm() c) lme4() d) survival() Ответ: a) lm() 13. Что такое среднеквадратическая ошибка (MSE) в контексте оценки моделей анализа данных? a) Мера расхождения прогнозируемых значений от фактических значений b) Стандартное отклонение прогнозируемых значений c) Среднее значение прогнозируемых и фактических значений d) Количество ошибок первого и второго рода Ответ: a) Мера расхождения прогнозируемых значений от фактических значений 14. Каким методом в Python можно применить стандартизацию данных? a) StandardScaler() b) MinMaxScaler() c) Normalizer() d) RobustScaler() Ответ: a) StandardScaler() 15. Каким методом в R можно привести данные к стандартному нормальному распределению? a) scale() b) normalize() c) standardize() d) zscore() Ответ: a) scale() ПРИМЕРЫ ЗАДАНИЙ ОТКРЫТОГО ТИПА: 1. Какой метод в Python используется для разделения данных на обучающую и тестовую выборки? Ответ: train_test_split() 2. Какая метрика в Python используется для оценки качества классификационных моделей? Ответ: AUC-ROC 3. Какая функция в R используется для кластеризации данных методом k-средних? Ответ: kmeans() 4. Каким методом в Python можно улучшить обобщающую способность модели машинного обучения? Ответ: регуляризация 5. Какой метод в Python используется для поиска наилучших параметров модели машинного обучения? Ответ: GridSearchCV() 6. Какая функция в R используется для сохранения обученной модели в файл? Ответ: save() 7. Что такое регрессия в контексте анализа данных? Ответ: Метод для построения прогнозных моделей 8. Какой метод в Python используется для оценки важности факторов в модели машинного обучения? Ответ: FeatureImportance() 9. Какая метрика в Python используется для оценки качества регрессионных моделей? Ответ: MSE 10. Какая функция в R используется для выполнения операций над текстовыми данными? Ответ: strsplit() 11. Каким методом в Python можно удалить пропущенные значения из набора данных? Ответ: dropna() 12. Какой классификатор в Python основан на принципе максимальной энтропии? Ответ: Logistic Regression 13. Какой пакет в R используется для работы с текстовыми данными и выполнения операций NLP? Ответ: tm 14. Какой метод в Python используется для извлечения ключевых слов из текста? Ответ: TF-IDF 15. Какой алгоритм в Python используется для классификации на основе деревьев решений? Ответ: Decision Tree 16. Какая функция в R используется для вычисления корреляции между двумя переменными? Ответ: cor() 17. Что такое обучение с подкреплением в контексте машинного обучения? Ответ: Метод для обучения алгоритма на основе отклика на действия 18. Какой метод в Python используется для выполнения снижения размерности данных? Ответ: PCA 19. Какой пакет в R используется для работы с временными рядами и выполнения прогнозирования? Ответ: tseries 20. Какой алгоритм в Python используется для кластеризации с неизвестным числом кластеров? Ответ: DBSCAN ОЦЕНКА СФОРМИРОВАННОСТИ КОМПЕТЕНЦИИ ОПК-2: Способен разрабатывать оригинальные алгоритмы и программные средства, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач ПРИМЕРЫ ЗАДАНИЙ ЗАКРЫТОГО ТИПА: 1. Какая функция в Python используется для чтения данных из CSV файла? a) read_csv() b) load_csv() c) import_csv() d) open_csv() Ответ: a) read_csv() 2. Какой оператор в R используется для объединения двух или более векторов в один? a) merge() b) join() c) concat() d) c() Ответ: d) c() 3. Какой метрикой в Python измеряется расстояние между двумя точками в 3D пространстве? a) manhattan_distance() b) euclidean_distance() c) chebyshev_distance() d) minkowski_distance() Ответ: b) euclidean_distance() 4. Какая функция в R используется для создания случайной выборки из вектора? a) sample() b) random_sample() c) random_select() d) random_vector() Ответ: a) sample() 5. Какая библиотека в Python используется для выполнения временных рядов и статистического анализа данных? a) numpy b) pandas c) matplotlib d) statsmodels Ответ: d) statsmodels 6. Какая функция в R используется для преобразования числовых значений в категориальные переменные? a) factor() b) categorical() c) to_categorical() d) convert_category() Ответ: a) factor() 7. Какой алгоритм в Python используется для выполнения кластеризации методом k-средних? a) KMeans b) DBSCAN c) AgglomerativeClustering d) SpectralClustering Ответ: a) KMeans 8. Какой пакет в R используется для выполнения наборных операций и манипуляций с данными? a) dplyr b) reshape2 c) tidyr d) plyr Ответ: a) dplyr 9. Какая функция в Python используется для выполнения форматированного вывода текста? a) print_formatted() b) format() c) display() d) pprint() Ответ: b) format() 10. Какая функция в R используется для чтения данных из Excel файла? a) read_csv() b) read_excel() c) load_excel() d) import_excel() Ответ: b) read_excel() 11. Какой пакет в Python используется для выполнения регулярных выражений? a) regex b) re c) regexpy d) regexplib Ответ: b) re 12. Какая функция в R используется для определения количества уникальных значений в векторе? a) count_unique() b) unique_count() c) unique() d) length(unique()) Ответ: d) length(unique()) 13. Какой метод в Python используется для преобразования текстовых данных в числовые значения? a) text_to_numeric() b) str_to_num() c) to_numeric() d) convert_numeric() Ответ: c) to_numeric() 14. Какой пакет в R используется для выполнения графической визуализации данных? a) matplotlib b) ggplot2 c) seaborn d) plotly Ответ: b) ggplot2 ПРИМЕРЫ ЗАДАНИЙ ОТКРЫТОГО ТИПА: 1. Какая функция в R используется для выполнения сортировки данных по определенному столбцу? Ответ: arrange() 2. Какой пакет в Python используется для выполнения статистического анализа данных? Ответ: scipy 3. Какая функция в R используется для выполнения удаления дубликатов из данных? Ответ: drop_duplicates() 4. Какой алгоритм в Python используется для выполнения рекомендаций на основе коллаборативной фильтрации? Ответ: KNN 5. Какая библиотека в R используется для выполнения машинного обучения? Ответ: caret 6. Какая функция в Python используется для выполнения операций над датами и временем? Ответ: datetime() 7. Какой пакет в R используется для выполнения временного ряда и прогнозирования? Ответ: prophet 8. Какой алгоритм в Python используется для выполнения построения деревьев принятия решений? Ответ: DecisionTreeClassifier 9. Какая функция в R используется для выполнения подбора оптимальных параметров модели? Ответ: tune() 10. Какой пакет в Python используется для выполнения извлечения признаков из текстовых данных? Ответ: nltk 11. Какая функция в R используется для выполнения проверки статистической значимости различий между группами? Ответ: t.test() 12. Какой алгоритм в Python используется для выполнения кластеризации методом DBSCAN? Ответ: DBSCAN 13. Какая функция в R используется для выполнения изменения размерности данных? Ответ: reshape() 14. Какой пакет в Python используется для выполнения графической визуализации данных? Ответ: matplotlib 15. Какая функция в R используется для выполнения выполнения преобразования текста в нижний регистр? Ответ: tolower() 16. Какой алгоритм в Python используется для выполнения логистической регрессии? Ответ: LogisticRegression 17. Какая библиотека в R используется для выполнения визуализации графов? Ответ: igraph 18. Какая функция в Python используется для выполнения агрегации данных? Ответ: aggregate() 19. Какой пакет в R используется для выполнения выполнения нейронных сетей? Ответ: keras 20. Какая функция в Python используется для выполнения визуализации данных? Ответ: plot() ОЦЕНКА СФОРМИРОВАННОСТИ КОМПЕТЕНЦИИ ПК-1: Способен анализировать и визуализировать данные в гуманитарных науках на основе современных методов и инструментальных средств прикладнои информатики в рамках Data Science ПРИМЕРЫ ЗАДАНИЙ ЗАКРЫТОГО ТИПА: 1. Какой модуль нужно импортировать в Python, чтобы работать с анализом данных? a) numpy b) pandas c) matplotlib d) seaborn Ответ: b) pandas 2. Как называется пакет в R для работы с анализом данных? a) dplyr b) tidyr c) ggplot2 d) readr Ответ: a) dplyr 3. Какая функция в Python используется для чтения данных из файла в таблицу? a) read_csv() b) load_data() c) open_file() d) import_data() Ответ: a) read_csv() 4. Какая функция в R используется для чтения данных из файла в таблицу? a) read_csv() b) import_data() c) load_data() d) read.table() Ответ: d) read.table() 5. Какой метод в Python используется для вывода первых нескольких строк таблицы? a) show() b) view() c) head() d) display() Ответ: c) head() 6. Какая функция в R используется для вывода первых нескольких строк таблицы? a) show() b) view() c) head() d) display() Ответ: c) head() 7. Как функция в Python используется для подсчета базовых статистических характеристик (среднее, медиана, стандартное отклонение и т.д.) в таблице? a) summary() b) stats() c) describe() d) mean() Ответ: c) describe() 8. Какая функция в R используется для подсчета базовых статистических характеристик (среднее, медиана, стандартное отклонение и т.д.) в таблице? a) summary() b) stats() c) describe() d) mean() Ответ: a) summary() 9. Какой метод в Python используется для поиска уникальных значений в столбце таблицы? a) unique() b) distinct() c) unique_values() d) find_unique() Ответ: a) unique() 10. Какая функция в R используется для поиска уникальных значений в столбце таблицы? a) unique() b) distinct() c) unique_values() d) find_unique() Ответ: a) unique() 11. Какой метод в Python используется для сортировки таблицы по столбцу? a) sort_by() b) order_by() c) sort_values() d) arrange() Ответ: c) sort_values() 12. Какая функция в R используется для сортировки таблицы по столбцу? a) sort_by() b) order_by() c) sort_values() d) arrange() Ответ: d) arrange() 13. Какой метод в Python используется для фильтрации таблицы по определенному условию? a) filter() b) subset() c) where() d) select() Ответ: a) filter() 14. Какая функция в R используется для фильтрации таблицы по определенному условию? a) filter() b) subset() c) where() d) select() Ответ: a) filter() 15. Какой метод в Python используется для группировки данных в таблице? a) groupby() b) group_values() c) group_data() d) aggregate() Ответ: a) groupby() ПРИМЕРЫ ЗАДАНИЙ ОТКРЫТОГО ТИПА: 1. Какая функция в R используется для группировки данных в таблице? Ответ: aggregate() 2. Какой метод в Python используется для преобразования столбца с датой и временем в специальный тип данных? Ответ: pd.to_datetime() 3. Какая функция в R используется для преобразования столбца с датой и временем в специальный тип данных? Ответ: as.POSIXct() 4. Какой метод в Python используется для вычисления нового столбца на основе существующих столбцов? Ответ: apply() 5. Какая функция в R используется для вычисления нового столбца на основе существующих столбцов? Ответ: mutate() 6. Какой метод в Python используется для замены значений в таблице? Ответ: replace() 7. Какая функция в R используется для замены значений в таблице? Ответ: replace() 8. Какой метод в Python используется для объединения двух таблиц по ключу? Ответ: merge() 9. Какая функция в R используется для объединения двух таблиц по ключу? Ответ: merge() 10. Какой метод в Python используется для решения пропущенных значений в таблице? Ответ: fillna() 11. Какая функция в R используется для решения пропущенных значений в таблице? Ответ: na.omit() 12. Какой метод в Python используется для создания графиков визуализации данных? Ответ: plot() 13. Какая функция в R используется для создания графиков визуализации данных? Ответ: plot() 14. Какой метод в Python используется для создания столбчатой диаграммы? Ответ: plot.bar() 15. Какая функция в R используется для создания столбчатой диаграммы? Ответ: barplot() 16. Какая функция в R используется для создания круговой диаграммы? Ответ: pie() 17. Какой метод pandas используется для создания гистограммы? Ответ: plot.hist() 18. Какая функция в R используется для создания гистограммы? Ответ: hist() 19. Какой метод pandas используется для создания линейного графика? Ответ: plot.line() 20. Какая функция в R используется для создания линейного графика? Ответ: plot() |
| 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 1,2,5,6 и 7 семестров зачета по всему изученному курсу в данный момент времени. Тест размещен в разделе «Промежуточная аттестация по дисциплине» онлайн-курса на образовательном портале «Цифровой университет АлтГУ». Количество заданий в контрольно-измерительном материале (тесте) для промежуточной аттестации, составляет 30 вопросов. КРИТЕРИИ ОЦЕНИВАНИЯ: Каждое задание оценивается 1 баллом. Оценивание КИМ в целом: «зачтено» – верно выполнено более 50 % заданий; «незачтено» – верно выполнено 50 % и менее 50 % заданий. |
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | Волкова В.М. | Программные системы статистического анализа. Обнаружение закономерностей в данных с использованием системы R и языка Python: учебное пособие | Издательство НГТУ, 2017 | www.studentlibrary.ru |
| Л1.2 | Шарден Б., Массарон Л., Боскетти А. | Крупномасштабное машинное обучение вместе с Python: Учебные пособия | Издательство "ДМК Пресс", 2018 //ЭБС издательства «Лань» | e.lanbook.com |
| Л1.3 | Федоров Д.Ю. | ПРОГРАММИРОВАНИЕ НА ЯЗЫКЕ ВЫСОКОГО УРОВНЯ PYTHON. Учебное пособие для прикладного бакалавриата: Гриф УМО ВО | М.:Издательство Юрайт, 2018 | biblio-online.ru |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | Электронная библиотечная система Алтайского государственного университета | elibrary.asu.ru | ||
| Э2 | Научная электронная библиотека elibrary | elibrary.ru | ||
| Э3 | Курс в Moodle "Анализ данных на Python и R" | 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) Python 3.6 Язык R (https://cloud.r-project.org) RStudio (https://www.rstudio.com/download) | ||||
| 6.4. Перечень информационных справочных систем | ||||
| 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). | ||||
| Аудитория | Назначение | Оборудование |
|---|---|---|
| 107Л | 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 | Учебная мебель на 18 посадочных мест; компьютеры: марка HP, модель ProOne 400 - 18 единиц; проектор: марка SMART, модель UF70 - 1 единица; интерактивная доска: марка SMART Board модель SMB680 - 1 единица |
| 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 |
| 311аЛ | учебный кабинет для индивидуального консультирования и психотерапии - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 7 посадочных мест; рабочее место преподавателя |
| Целью настоящего курса является не только обучить студентов работе в Python, но и основам программирования вообще, поскольку наиболее базовые принципы являются схожими почти во всех языках программирования. При решении ряда задач исследователи часто сталкиваются с необходимостью работать с большими массивами данных. Для того чтобы эффективно работать с разными типами данных, необходимо знать основы программирования, так как именно навыки программирования позволяют автоматически собирать необходимую информацию за достаточно быстрое время. В качестве языка программирования в данном курсе используется Python. Язык Python на данный момент является очень популярным, в том числе в исследованиях в рамках социальных наук. В рамках учебной дисциплины студенты знакомятся с циклом разработки программ, переменными, типами данных и простыми программами, которые пишутся как последовательности структур. Обучаемый учится писать программы, способные считывать данные с клавиатуры, выполнять математические операции и выводить результаты на экран. Кроме того, он знакомится с такими инструментами разработки программ, как псевдокод и блок-схемы. Обучаемый знакомится с операторами сравнения и булевыми выражениями и учится управлять потоком выполнения программы при помощи управляющих структур. Рассматриваются счетчики, накопители, нарастающие итоги и сигнальные метки, а также приемы написания циклов проверки допустимости вводимых данных. Рассматриваются преимущества использования функций в плане модуляризации программ, и обсуждается нисходящий подход к их разработке. Затем обучаемый учится передавать аргументы в функции. Приобретаются навыки написания и вызова собственных функций и применения модулей для упорядочения функций. В рамках учебной дисциплины большое внимание уделяется классам и объектно-ориентированному программированию. Раскрываются фундаментальные понятия классов и объектов. Обсуждается тема атрибутов, методов, инкапсуляции и сокрытия данных, а также рассматриваются функции инициализации, методы-получатели и методы-мутаторы. Изучаются понятия наследования и полиморфизма. Рассматриваются рекурсия и ее применение в решении задач. Представлена визуальная трассировка рекурсивных вызовов и рассмотрены рекурсивные приложения. Показаны рекурсивные алгоритмы для ряда задач, таких как нахождение факториалов, нахождение наибольшего общего знаменателя, суммирование диапазона значений. Рассматриваются основные аспекты разработки приложения с графическим интерфейсом пользователя на языке Python. Изучаются фундаментальные элементы визуального интерфейса - виджеты, метки, кнопки, поля ввода данных, переключатели, флаговые кнопки и диалоговые окна, события и методы программирования функции обратного вызова. Даются основы байесовской статистики и происходит знакомство с некоторыми инструментами из байесовского арсенала. Рассматриваются следующие темы: статистическое моделирование, вероятность и неопределенность, теорема Байеса и статистический вывод, статистический вывод с одним параметром и классическая задача о подбрасывании монеты, выбор априорного распределения вероятностей, взаимодействие с байесовским анализом. Студенты получают представлении об использовании языка R для импорта, упорядочивания, преобразования, визуализации, моделирования и обмана данных. Узнают о генерации знаний на основе подготовленных данных при помощи визуализации и моделирования. |