| Закреплена за кафедрой | Кафедра теоретической кибернетики и прикладной математики |
|---|---|
| Направление подготовки | 09.04.03. Прикладная информатика |
| Профиль | Цифровые технологии анализа данных для устойчивого развития регионов Северной и Центральной Азии |
| Форма обучения | Очная |
| Общая трудоемкость | 3 ЗЕТ |
| Учебный план | 09_04_03_Прикладная информатика_ЦТАД_ЦА-2024 |
|
|
||||||||||||
Распределение часов по семестрам
| Курс (семестр) | 2 (3) | 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 |
| 1.1. | Приобретение слушателями базовых знаний и навыков в области выявления и анализа причинно-следственных связей, оценки причинных эффектов, разработки сетевых моделей, а также применения методов интеллектульаного анализа данных для исследования проблем устойчивого развития территорий регионов Северной и Центральной Азии. |
|---|
| 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 социальноэкономических и профессиональных знаний. |
| ОПК-1.3 | Способен самостоятельно применять математические, естественнонаучные, социальноэкономические и профессиональные знания для решения задач профессиональной деятельности в междисциплинарном контексте. |
| ПК-1 | Способен использовать и разрабатывать методы, модели, алгоритмы и цифровые технологии, а также различные инструментальные средства сбора, анализа и обработки данных различной природы для решения прикладных задач устойчивого развития территорий |
| ПК-1.1 | Знает методы и программный инструментарий технологий анализа данных, методы сравнительного анализа методов, моделей, алгоритмов и информационных технологий, специфику применения и ограничения различных методов. |
| ПК-1.2 | Умеет применять на практике методы научных исследований и инструментарий информационных технологий для выполнения научно-исследовательских задач в области устойчивого развития территорий. |
| ПК-1.3 | Владеет навыками проведения научного исследования параметров функционирования и/или развития территориально-распределенных систем с использованием современных цифровых технологий. |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | основные понятия предметной области, методические подходы к оценке причинных эффектов, основные функции программных сред, используемых для решения задач предметной области, общий алгоритм проведения аналитического исследования. |
| 3.2. | Уметь: |
| 3.2.1. | применять методы и информационные технологии для количественной оценки причинных эффектов, формировать базу исходных данных и организовывать работу по оценке причинности, интерпретировать полученные результаты, оценивать их точность. |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | методами решения основых задач оценки причинности, программными средами в рамках решения прикладных задач дисциплины, алгоритмами решения базовых (типовых) задач, разработки компонентов цифровых технологий для обработки данных различной природы для решения прикладных задач устойчивого развития территорий. |
| Код занятия | Наименование разделов и тем | Вид занятия | Семестр | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Оценка причинных эффектов в рамках экспериментальных исследований (experimental studies). | ||||||
| 1.1. | Концепции изучения причинности. Теория потенциального исхода Рубина-Неймана. Предположение SUTVA. Экспериментальные исследования. Рандомизированный эксперимент и методы оценки причинных эффектов. Статистические критерии (тесты Стьюдента, Манна-Уитни, Краскела-Уоллиса, Хи-квадрат тест). Применение регрессионных моделей для оценки причинности (линейная и логистическая регрессии), оценки среднего причинного эффекта и эффекта по среднему. | Лекции | 3 | 2 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| 1.2. | Рандомизированные выборки и способы их формирования. Оценка причинных эффектов на основе статистических тестов и логистической регрессии. Работа в R. | Лабораторные | 3 | 6 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| 1.3. | Чтение литературы по теме. Выполнение типовых расчетных заданий. | Сам. работа | 3 | 20 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| Раздел 2. Оценка причинных эффектов с учетом структурных особенностей системы в рамках экспериментальных исследований (experimental studies). | ||||||
| 2.1. | Структурные уравнения регрессии. Оценка причинных эффектов в структуре. Байесовские сети доверия и анализ причинности. Сценарный анализ. Методы обучения структуры сети и таблиц условных вероятностей. | Лекции | 3 | 4 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| 2.2. | Оценка причинных эффектов на основе структурной модели регрессии и байесовской сети доверия. Работа в R. | Лабораторные | 3 | 8 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| 2.3. | Чтение литературы по теме. Выполнение типовых расчетных заданий. | Сам. работа | 3 | 20 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| Раздел 3. Техники матчинга объектов выборки. | ||||||
| 3.1. | Обзервационные исследования. Метод псевдорандомизации. Propensity Score Matching. Методы поиска соотвествий, метрики соотвествия. Метод ближайших соседей и Full matching. | Лекции | 3 | 4 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| 3.2. | Propensity Score Matching. Анализ эффективности методов поиска соотвествий. | Лабораторные | 3 | 8 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| 3.3. | Чтение литературы по теме. Выполнение типовых расчетных заданий. | Сам. работа | 3 | 36 | Л2.1, Л2.2, Л3.1, Л3.2, Л1.1, Л1.2, Л3.3 | |
| 5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
| ОЦЕНКА СФОРМИРОВАННОСТИ КОМПЕТЕНЦИИ ОПК-1, ПК-1: ПРИМЕРЫ ЗАДАНИЙ ЗАКРЫТОГО ТИПА: Инструкция: Выберите один правильный ответ из предложенных вариантов. 1. Что является основным направлением изучения теории причинности? а) Описание корреляций между переменными б) Установление причинно-следственных связей между переменными в) Предсказание последующих последовательностей г) Классификация данных Ответ: б) 2. В чем суть концепции потенциального исхода Рубина-Неймана? а) В сравнении средних результатов измеряемых в разных группах б) В анализе зависимости между переменными в) В моделировании результатов при разных условиях воздействия г) В использовании байесовских сетей Ответ: в) 3. Что означает предположение SUTVA? а) Воздействие на одну единицу наблюдения не влияет на другие б) Все последующие наблюдения одинаково реагируют на воздействие в) Воздействие не зависит от времени г) а) и б) Ответ: г) 4. Какой тип исследования лучше всего подходит для выявления причин? а) Обсервационное исследование б) Экспериментальное исследование в) Описательное исследование г) Корреляционное исследование Ответ: б) 5. Что характеризует рандомизированный эксперимент? а) Случайное формирование экспериментальной и тестовой выборок объектов б) Наблюдение за ходом событий в) Системный отбор наблюдения г) Использование регрессионного анализа Ответ: а) 6. Какие статистические критерии используются для сравнения средних показателей в двух независимых группах с нормальным распределением? а) Критерий Манна-Уитни б) Критерий Краскела-Уоллиса в) т-критерий Стьюдента г) Хи-квадрат тест Ответ: в) 7. Для сравнения средних в более чем двух независимых группах, когда данные не имеют нормального распределения, используется: а) t-критерий Стьюдента b) критерий Манна-Уитни c) критерий Краскела-Уоллиса d) критерий Хи-квадрат Ответ: c) 8. Какой тест используется для проверки связи между двумя категориальными переменными? а) т-критерий Стьюдента б) Критерий Манна-Уитни в) Критерий Краскела-Уоллиса г) Хи-квадрат тест Ответ: г) 9. Для оценки причинного эффекта в случае бинарного исхода используется: а) Линейная регрессия б) Логистическая регрессия в) Анализ основных компонент г) К-средних кластеризация Ответ: б) 10. Что такое средний причинный эффект (СПЭ)? а) Разница между потенциальными значениями и значениями результата вмешательства в контрольной и экспериментальной группах б) Вероятность событий при воздействии в) Корреляция между переменными г) Разница между медианными результатами в контрольной и экспериментальной группах Ответ: а) 11. Что такое средний причинный эффект ATT? a) Разница между значениями результатов в контрольной и экспериментальной группах b) Средний эффект воздействия на рассмотренных (экспериментальных) единицах c) Вероятность событий при отсутствии воздействий d) Корреляция между переменными Ответ: б) 12. Как формируется рандомизированная экспериментальная выборка? а) Систематическим отбором б) Случайным отбором в) произвольным отбором Ответ: б) 13. В чем суть метода сопоставления показателей склонности? а) Сопоставление объектов осуществляется в группе контрольной и экспериментальной по степени близости метрики склонности б) В рандомизации данных в) В использовании регрессионного анализа г) В построении байесовских сетей Ответ: а) 14. Что такое метод сопоставления ближайших соседей? а) Метод матчинга наблюдений по величине близости метрики сходства в многомерном пространстве б) Метод полной диаграммы всех наблюдений в) Метод рандомизации данных г) Метод построения байесовских сетей Ответ: а) 15. Что представляют собой структурные уравнения регрессии? a) Система определения, описывающих взаимосвязи между переменными в причинной модели b) Система определения, описывающая зависимости между переменными c) Система определения для прогнозирования последующих результатов d) Система определения для классификации данных Ответ: а) 16. Какие компоненты содержит Байесовская сеть? а) Переменные, таблицы условных распределений, направленный ациклический граф б) Только переменные в) Только условные зависимости г) Корреляционные коэффициенты Ответ: а) 17. Что такое сценарный анализ в причинном анализе? a) Анализ различных проявлений воздействий и их результатов для заданных условий на основе модели b) Анализ корреляций между переменными c) Анализ временных рядов d) Анализ кластеров Ответ: а) 18. Метод псевдорандомизации используется в: а) Рандомизированных экспериментах б) Обсервационных исследованиях в) Анализе временных рядов г) Кластерном анализе Ответ: б) 19. Полное совпадение при сопоставлении оценок склонности — это: a) Сопоставление каждого результата из одной группы с единицами из другой b) Сопоставление каждого результата из одной группы с несколькими единицами из другой c) Сопоставление всех результатов из одной группы с единицами из другой группы, минимизируя дисбаланс г) Случайное обсуждение Ответ: c) 20. В чем заключается основная задача определения причинных эффектов (например, с помощью структурных методов)? а) Выявление всех прямых и дополнительных эффектов между переменными б) Прогнозирование последующих значений в) Описание корреляций между переменными г) Кластеризация данных Ответ: а) КРИТЕРИИ ОЦЕНИВАНИЯ: Каждое задание оценивается 1 баллом. Оценивание КИМ теоретического характера в целом: «Зачтено» – верно выполнено более 50% заданий; «не зачтено» – верно выполнено 50% и менее 50% заданий; «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. Что такое причинность, и чем она отличается от корреляции? (Ответ: Причинность подразумевает, что изменение одной переменной вызывает изменение другой, в то время как корреляция лишь указывает на статистическую взаимосвязь, без указания направления влияния.) 2. Какие основные подходы к изучению причинности вы знаете? (Ответ: Рандомизированные эксперименты, обсервационные исследования с методами псевдорандомизации, анализ байесовских сетей.) 3. Опишите основные понятия теории потенциальных исходов Рубина-Неймана. (Ответ: Потенциальный исход (outcome) – результат, который субъект показал бы при каждом возможном воздействии (treatment). 4. В чем заключается фундаментальная проблема причинного вывода? (Ответ: Для каждого субъекта можно наблюдать только один потенциальный исход, соответствующий полученному воздействию. Невозможно одновременно наблюдать, что произошло бы с субъектом, если бы он получил другое воздействие.) 5. Что такое предположение SUTVA, и почему оно важно для оценки причинных эффектов? (Ответ: Stable Unit Treatment Value Assumption. Два предположения: (1) воздействие, получаемое одним субъектом, не влияет на исходы других субъектов; (2) не существует разных версий одного воздействия, приводящих к разным исходам. Важно, потому что позволяет однозначно определить потенциальные исходы.) 6. Что такое рандомизированный эксперимент, и какие преимущества он имеет при оценке причинных эффектов? (Ответ: Эксперимент, в котором воздействие назначается случайным образом. Преимущества: устраняет систематические различия между группами воздействия и контроля, позволяя напрямую оценивать причинный эффект.) 7. Как оценивается средний причинный эффект (ATE) в рандомизированном эксперименте? (Ответ: ATE = Среднее значение исхода в группе воздействия - Среднее значение исхода в контрольной группе.) 8. Какие статистические критерии можно использовать для проверки различий между двумя группами по непрерывной переменной? (Ответ: t-тест Стьюдента (для нормально распределенных данных), U-критерий Манна-Уитни (для данных, не соответствующих нормальному распределению).) 9. Какой критерий используется для сравнения нескольких групп по непрерывной переменной? (Ответ: Критерий Краскела-Уоллиса.) 10. Какой статистический критерий используется для анализа взаимосвязи между двумя дискретными переменными? (Ответ: Критерий Хи-квадрат.) 11. Как можно использовать линейную регрессию для оценки причинного эффекта? Что такое средний причинный эффект и эффект по среднему? (Ответ: Включить переменную воздействия (treatment) в качестве предиктора в дель линейной регрессии. Коэффициент при этой переменной оценивает ATE. Средний причинный эффект (ATE) - это среднее влияние воздействия на всех субъектов. Эффект по среднему (ATT) - это среднее влияние воздействия на группу, которая его получила.) 12. Как использовать логистическую регрессию для оценки причинного эффекта, если зависимая переменная бинарная? (Ответ: Включить переменную воздействия в модель логистической регрессии. Коэффициент при этой переменной (после преобразования) оценивает влияние воздействия на вероятность положительного исхода.) 13. Что такое структурные уравнения регрессии (SEM)? (Ответ: Система уравнений регрессии, описывающая причинно-следственные связи между несколькими переменными.) 14. Что такое path-диаграмма в SEM и как она помогает визуализировать причинные связи? (Ответ: Графическое представление системы уравнений регрессии, где переменные представлены узлами, а причинные связи – стрелками (paths).) 15. Что такое обсервационное исследование, и какие проблемы возникают при оценке причинности в таких исследованиях? (Ответ: Исследование, в котором воздействие не назначается исследователем, а наблюдается в реальных условиях. Проблемы: наличие смешивающих факторов, которые могут влиять и на воздействие, и на исход.) 16. Что такое Propensity Score Matching (PSM), и как он используется для оценки причинных эффектов в обсервационных исследованиях? (Ответ: Метод псевдорандомизации, в котором для каждого субъекта, получившего воздействие, подбирается похожий субъект из контрольной группы на основе оценки вероятности получения воздействия (propensity score). Это позволяет уменьшить смещение, вызванное смешивающими факторами.) 17. Что такое Байесовская сеть доверия, и как она используется для анализа причинности? (Ответ: Графическая модель, представляющая вероятностные зависимости между переменными. Стрелки указывают на причинные связи, а узлы представляют переменные. Позволяет вычислять вероятности различных сценариев и оценивать влияние одних переменных на другие.) 18. Что такое d-разделимость, и как она используется для определения условной независимости переменных в байесовской сети? (Ответ: Критерий определения независимости между двумя переменными при условии знания значений третьих переменных. Если две переменные d-разделимы, то они условно независимы.) 19. Что такое “критерий черного хода” (backdoor criterion) и как он используется для идентификации причинных эффектов на причинно-следственных диаграммах? (Ответ: Критерий определения набора переменных, которые необходимо контролировать, чтобы устранить смещение, вызванное альтернативными причинными путями между воздействием и исходом.) 20. Какие существуют основные подходы к обучению структуры Байесовской сети? (Ответ: Score-based (оптимизация функции оценки соответствия структуры данным), constrained-based (выявление условных независимостей для построения структуры), hybrid (комбинация обоих подходов).) 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 предусмотрены. |
| 5.3. Фонд оценочных средств для проведения промежуточной аттестации |
| Промежуточная аттестация заключается в проведении в конце семестра зачета (для обучающихся, не получивших зачет по результатам текущей успеваемости) по всему изученному курсу. Зачет проводится в устной форме по билетам. В билет входит 2 вопроса теоретического характера. ВОПРОСЫ ТЕОРЕТИЧЕСКОГО ХАРАКТЕРА: 1. Концепции изучения причинности. 2. Теория потенциального исхода Рубина-Неймана. 3. Предположение SUTVA. 4. Рандомизированный эксперимент и методы оценки причинных эффектов. 5. Статистические критерии детектирования причинных взаимосвязей для непрерывных переменных (тесты Стьюдента, Манна-Уитни, Краскела-Уоллиса) 6. Статистические критерии детектирования причинных взаимосвязей для дискретных переменных (Хи-квадрат тест). 7. Применение регрессионных моделей для оценки причинности (линейная регрессия), оценки среднего причинного эффекта и эффекта по среднему. 8. Применение регрессионных моделей для оценки причинности (логистическая регрессия), оценки среднего причинного эффекта и эффекта по среднему. 9. Структурные уравнения регрессии. Оценка причинных эффектов в структуре. 10. Диаграммы Path в структурных уравнениях регрессии. 11. Обзервационные исследования. Методы псевдорандомизации. Propensity Score Matching. Метод ближайшего соседа. Метод Full Matching. 12. Байесовские сети доверия и анализ причинности. Байесовский вывод. Сценарный анализ. 13. Графический анализ причинности. D-разделимость, критерии детектирования причинного эффекта (критерий парадного входа, критерий запасной двери). 14. Методы обучения структуры баейсовской сети (score-based алгоритмы, restriction based алгоритмы, гибридные алгоритмы). 15. Методы обучения таблиц словных вероятностей в байесовской сети (EM-алгоритм). ЗАДАНИЯ ПРАКТИЧЕСКОГО ХАРАКТЕРА: 1. Оценка причинных эффектов на основе статистических тестов и модели регрессии. 2. Оценка причинных эффектов на основе структурной модели регрессии и байесовской сети доверия. 3. Propensity Score Matching. Анализ эффективности методов поиска соответствий. КРИТЕРИИ ОЦЕНИВАНИЯ: «Отлично» (зачтено): студентом дан полный, в логической последовательности развернутый ответ на поставленные вопросы, где он продемонстрировал знания предмета в полном объеме учебной программы, достаточно глубоко осмысливает дисциплину, самостоятельно, и исчерпывающе отвечает на дополнительные вопросы, приводит собственные примеры по проблематике поставленного вопроса, решил предложенные практические задания без ошибок. «Хорошо» (зачтено): студентом дан развернутый ответ на поставленный вопрос, где студент демонстрирует знания, приобретенные на лекционных и семинарских занятиях, а также полученные посредством изучения обязательных учебных материалов по курсу, дает аргументированные ответы, приводит примеры, в ответе присутствует свободное владение монологической речью, логичность и последовательность ответа. Однако допускаются неточности в ответе. Решил предложенные практические задания с небольшими неточностями. «Удовлетворительно» (зачтено): студентом дан ответ, свидетельствующий в основном о знании процессов изучаемой дисциплины, отличающийся недостаточной глубиной и полнотой раскрытия темы, знанием основных вопросов теории, слабо сформированными навыками анализа явлений, процессов, недостаточным умением давать аргументированные ответы и приводить примеры, недостаточно свободным владением монологической речью, логичностью и последовательностью ответа. Допускается несколько ошибок в содержании ответа и решении практических заданий. «Неудовлетворительно» (не зачтено): студентом дан ответ, который содержит ряд серьезных неточностей, обнаруживающий незнание процессов изучаемой предметной области, отличающийся неглубоким раскрытием темы, незнанием основных вопросов теории, неумением давать аргументированные ответы. Выводы поверхностны. Решение практических заданий не выполнено. Студент не способен ответить на вопросы даже при дополнительных наводящих вопросах преподавателя. |
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | Мхитарян В.С. - Отв. ред. | Анализ данных: Учебник для академического бакалавриата | М.:Издательство Юрайт, 2018 | urait.ru |
| Л1.2 | Храмов В. В., Гвоздев Д. С. | Интеллектуальные информационные системы: интеллектуальный анализ данных: учебное пособие | Ростовский государственный университет путей сообщения (Ростов-на-Дону), 2012 | elibrary.ru |
| 6.1.2. Дополнительная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л2.1 | Орлов А.И. | Прикладная статистика: | М.: Экзамен, 2009 | biblioclub.ru |
| Л2.2 | Крутиков В. Н., Мешечкин В. В. | Анализ данных: учебное пособие | Кемеровский государственный университет, 2014 // ЭБС "Университетская библиотека online" | biblioclub.ru |
| 6.1.3. Дополнительные источники | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л3.1 | Уэс Маккинли | Python и анализ данных: | Издательство "ДМК Пресс", 2015 | e.lanbook.com |
| Л3.2 | АлтГУ | Статистический анализ данных: учеб.-метод. пособие | Изд-во АлтГУ, 2018 | elibrary.asu.ru |
| Л3.3 | А. Б. Шипунов, Е. М. Балдин | Анализ данных с R: | , | sociology.knu.ua |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | Электронная библиотечная система "Лань" . | e.lanbook.com | ||
| Э2 | Научная электронная библиотека "Elibrary". | elibrary.ru | ||
| Э3 | Электронная библиотечная система издательства "Юрайт". | biblio-online.ru | ||
| Э4 | Издательство МЦНО (свободно-распространяемые книги). | www.mccme.ru | ||
| Э5 | Онлайн курс на открытом образовательный портал АлтГУ | public.edu.asu.ru | ||
| 6.3. Перечень программного обеспечения | ||||
| Microsoft Office, Microsoft Windows, Google Colaboratory, R, 7-zip, Acrobat Reader.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 |
|---|---|---|
| 106Л | помещение для хранения и профилактического обслуживания учебного оборудования | Стеллажи – 3 шт. осциллограф, паяльная станция, источник тока, переносные ноутбуки |
| 320Л | медиатека, читальный зал – помещение для самостоятельной работы | Учебная мебель на 15 посадочных мест; персональные компьютеры с выходом в информационно-телекоммуникационную сеть Интернет и электронную информационно-образовательную среду; |
| 408Л | лаборатория математического моделирования - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 15 посадочных мест; рабочее место преподавателя; доска меловая 1 шт.; компьютер Depo - 10 шт., 5 шт. с мониторами LG и 5 шт. с мониторами Philips; мультимедиа-проектор Sony - 1 шт.; МФУ Canon - 1 шт.; стационарный экран: марка Digis Optima C - 1 шт. |
| Учебная аудитория | для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик | Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска) |
| 1. Для успешного освоения содержания дисциплины необходимо посещать лекции, принимать активное участие в работе на семинаре, практическом занятии, а также выполнять задания, предлагаемые преподавателем для самостоятельного выполнения. 2. Лекция. -На лекцию приходите не опаздывая, так как это неэтично. - На лекционных занятиях необходимо конспектировать изучаемый материал. - Для систематизации лекционного материала, который будет полезен при подготовке к итоговому контролю знаний, записывайте на каждой лекции тему, вопросы для изучения, рекомендуемую литературу. - В каждом вопросе выделяйте главное, обязательно запишите ключевые моменты (определение, факты, законы, правила и т.д.), подчеркните их. - Если по содержанию материала возникают вопросы, не нужно выкрикивать, запишите их и задайте по окончании лекции или на семинарском занятии. - Перед следующей лекцией обязательно прочитайте предыдущую, чтобы актуализировать знания и осознанно приступить к освоению нового содержания. 3. Практическое (лабораторное) занятие – это форма работы, где студенты максимально активно участвуют в освоении теории и методов. - Для подготовки к семинару необходимо просмотреть лекционный конспект, отметить наиболее непонятные моменты, прочитать литературу рекомендуемую преподавателем. - При использовании литературы важно запомнить, что любой источник должен нести достоверную информацию, особенно это относится к Internet-ресурсам. При использовании Internet - ресурсов в процессе подготовки не нужно их автоматически «скачивать», они должны быть проанализированы. Не нужно «скачивать» готовые рефераты, так как их однообразие преподаватель сразу выявляет, кроме того, они могут быть сомнительного качества. - В процессе изучения темы анализируйте несколько источников. Используйте периодическую печать - специальные журналы. - Полезным будет работа с электронными учебниками и учебными пособиями в Internet-библиотеках. Зарегистрируйтесь в них: университетская библиотека Онлайн (http://www.biblioclub.ru/) и электронно-библиотечная система «Лань» (http://e.lanbook.com/). - В процессе подготовки и построения ответов при защите результатов типовых расчетных заданий не просто пересказывайте конспект лекции, содержание презентации или задания, но и проявите больше красноречия, используйте дополнительные сведения об изучаемом объекте, чтобы украсить ваше выступление. - При возникновении трудностей в процессе подготовки взаимодействуйте с преподавателем, консультируйтесь по самостоятельному изучению темы. 4. Самостоятельная работа. - При изучении дисциплины не все вопросы рассматриваются на лекциях и практических занятиях, часть вопросов рекомендуется преподавателем для самостоятельного изучения. - Поиск ответов на вопросы и выполнение заданий для самостоятельной работы позволит вам расширить и углубить свои знания по курсу, применить теоретические знания в решении задач практического содержания, закрепить изученное ранее. - Эти задания следует выполнять не «наскоком», а постепенно, планомерно, следуя порядку изучения тем курса. - При возникновении вопросов обратитесь к преподавателю в день консультаций на кафедру. - Выполнив их, проанализируйте качество их выполнения. Это поможет вам развивать умения самоконтроля и оценочные компетенции. 5. Итоговый контроль. - Для подготовки к зачету/экзамену возьмите перечень примерных вопросов у методиста кафедры. - В списке вопросов выделите те, которые были рассмотрены на лекции, практических занятиях. Обратитесь к своим записям, выделите существенное. Для более детального изучения изучите рекомендуемую литературу. - Если в списке вопросов есть те, которые не рассматривались на лекции, семинарском занятии, изучите их самостоятельно. Если есть сомнения, задайте вопросы на консультации перед экзаменом. - Продумайте свой ответ на экзамене, его логику. Помните, что ваш ответ украсит ссылка на источник литературы, иллюстрация практики применения теоретического знания. |