МИНОБРНАУКИ РОССИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
«Алтайский государственный университет»

Цифровая культура в профессиональной деятельности

рабочая программа дисциплины
Закреплена за кафедройКафедра цифровых технологий и бизнес-аналитики
Направление подготовки38.03.02. Менеджмент
ПрофильУправление бизнесом
Форма обученияОчная
Общая трудоемкость6 ЗЕТ
Учебный план38_03_02_Менеджмент_УБ-2022
Часов по учебному плану 216
в том числе:
аудиторные занятия 72
самостоятельная работа 117
контроль 27
Виды контроля по семестрам
экзамены: 2

Распределение часов по семестрам

Курс (семестр) 1 (2) Итого
Недель 23
Вид занятий УПРПДУПРПД
Лабораторные 72 72 72 72
Сам. работа 117 117 117 117
Часы на контроль 27 27 27 27
Итого 216 216 216 216

Программу составил(и):
канд.экон.наук, доцент, Селиверстов Сергей Иванович

Рецензент(ы):
канд. физ.-мат. наук, доцент, Журенков Олег Викторович

Рабочая программа дисциплины
Цифровая культура в профессиональной деятельности

разработана в соответствии с ФГОС:
Федеральный государственный образовательный стандарт высшего образования - бакалавриат по направлению подготовки 38.03.02 Менеджмент (приказ Минобрнауки России от 12.08.2020 г. № 970)

составлена на основании учебного плана:
38.03.02 Менеджмент
утвержденного учёным советом вуза от 27.04.2021 протокол № 6.

Рабочая программа одобрена на заседании кафедры
Кафедра цифровых технологий и бизнес-аналитики

Протокол от 22.03.2022 г. № 8
Срок действия программы: 2022-2023 уч. г.

Заведующий кафедрой
Трошкина Галина Николаевна, канд.техн.наук, доцент


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.1.02

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОПК-5Способен использовать при решении профессиональных задач современные информационные технологии и программные средства, включая управление крупными массивами данных и их интеллектуальный анализ.
ОПК-5.1 Знает современные информационные технологии и программные средства, возможности их использования в профессиональной деятельности; понимает роль цифровой культуры в информационном обществе и профессиональной деятельности
ОПК-5.2 Умеет анализировать массивы больших данных с использованием современных программных средств
ОПК-5.3 Умеет применять инструменты цифровой культуры для решения поставленных профессиональных задач и принятия организационно-управленческих решений
ОПК-6Способен понимать принципы работы современных информационных технологий и использовать их для решения задач профессиональной деятельности.
ОПК-6.1 Знает основные современные информационные технологии, принципы взаимодействия со службами информационных технологий
ОПК-6.2 Умеет применять методы и программные средства обработки деловой информации во взаимодействии со службами информационных технологий
ОПК-6.3 Владеет навыками эффективного использования корпоративных информационных систем при решении задач профессиональной деятельности
В результате освоения дисциплины обучающийся должен
3.1.Знать:
3.1.1.ОПК-5.1. Знает современные информационные технологии и программные средства необходимые для профессиональной деятельности.

ОПК-6.1. Знает основные современные информационные технологии, принципы взаимодействия со службами информационных технологий.

3.2.Уметь:
3.2.1.ОПК-5.2. Умеет использовать современные информационные технологии и программные средства при решении профессиональных задач.

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.

4. Структура и содержание дисциплины

Код занятия Наименование разделов и тем Вид занятия Семестр Часов Компетенции Литература
Раздел 1. Цифровые офисные технологии
1.1. Цифровые офисные технологии для работы с текстовыми документами Лабораторные 2 4 Л1.1, Л2.1
1.2. Цифровые офисные технологии для работы с текстовыми документами Сам. работа 2 5 Л1.1, Л2.1
1.3. Цифровые офисные технологии для обработки таблиц Лабораторные 2 4 Л1.1, Л2.1
1.4. Цифровые офисные технологии для обработки таблиц Сам. работа 2 10 Л1.1, Л2.1
Раздел 2. Цифровые технологии для работы с сетевыми ресурсами
2.1. Цифровые технологии для работы с сетевыми ресурсами Лабораторные 2 8 Л1.1, Л2.1
2.2. Цифровые технологии для работы с сетевыми ресурсами Сам. работа 2 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 2 4 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 2 6 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 2 12 Л1.1, Л2.1
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 2 18 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 2 12 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 2 18 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 2 6 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 2 12 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 2 8 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 2 12 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 2 8 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 2 12 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 2 6 Л1.1, Л2.1
9.2. Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач Сам. работа 2 8 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

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 в Moodle "Цифровая культура в профессиональной деятельности" 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.