Цифровая культура в профессиональной деятельности - Рабочая программа дисциплины - 42.03.01. Реклама и связи с общественностью - Направления подготовки

Закреплена за кафедрой	Кафедра журналистики, медиа и рекламы
Направление подготовки	42.03.01. Реклама и связи с общественностью
Профиль	Реклама и PR в digital-сфере
Форма обучения	Очная
Общая трудоемкость	6 ЗЕТ
Учебный план	42_03_01_Реклама и СО-2025

Курс (семестр)	1 (2)	Итого
Недель	17,5
Вид занятий	УП	РПД	УП	РПД
Лабораторные	20	20	20	20
Сам. работа	196	196	196	196
Итого	216	216	216	216

1. Цели освоения дисциплины

1.1.	формирование представлений о составляющих цифровой культуры, подготовка к эффективному применению в профессиональной деятельности информационных технологий коммуникации, поиска, сбора, обработки, интерпретации, анализа и хранения информации в цифровых средах, понимание рисков и угроз, связанных с использованием информационных и коммуникационных технологий.

1.1.

формирование представлений о составляющих цифровой культуры, подготовка к эффективному применению в профессиональной деятельности информационных технологий коммуникации, поиска, сбора, обработки, интерпретации, анализа и хранения информации в цифровых средах, понимание рисков и угроз, связанных с использованием информационных и коммуникационных технологий.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.О.02

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОПК-6	Способен понимать принципы работы современных информационных технологий и использовать их для решения задач профессиональной деятельности
ОПК-6.1	Отбирает для осуществления профессиональной деятельности необходимое техническое оборудование и программное обеспечение
ОПК-6.2	Применяет современные цифровые устройства, платформы и программное обеспечение на всех этапах создания текстов рекламы и связей с общественностью и (или) иных коммуникационных продуктов
В результате освоения дисциплины обучающийся должен
3.1.	Знать:
3.1.1.	сущность личности и индивидуальности, структуру личности и движущие силы ее развития.
3.2.	Уметь:
3.2.1.	выстраивать индивидуальную образовательную траекторию развития; анализировать эффективность, планировать свою профессионально-образовательную деятельность; критически оценивать эффективность использования времени и других ресурсов при решении поставленных задач, а также относительно полученного результата; применять разнообразные способы, приемы техники самообразования и самовоспитания на основе принципов образования в течение всей жизни.
3.3.	Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.	навыками эффективного целеполагания; приемами организации собственной познавательной деятельности; приемами саморегуляции, регуляции поведения в сложных, стрессовых ситуациях.

4. Структура и содержание дисциплины

Код занятия	Наименование разделов и тем	Вид занятия	Семестр	Часов	Литература
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	2	2	Л1.1
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	2	6	Л1.1
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	2	2
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	2	18
Раздел 3. Типовые задачи машинного обучения: кластеризация, классификация и регрессия
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	Лабораторные	2	2
3.2.	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
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	Лабораторные	2	2
4.2.	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
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	Лабораторные	2	2
5.2.	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
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	2	2
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	2	12
Раздел 7. Сервисы, использующих технологии искусственного интеллекта
7.1.	Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач	Лабораторные	2	4
7.2.	Обзор готовых сервисов, использующих технологии машинного обучения для решения прикладных задач	Сам. работа	2	40
Раздел 8. Технологии искусственного интеллекта в проектировании информационных ресурсов
8.1.	Применение машинного обучения для аналитики трендов веб-дизайна.Генеративный дизайн	Лабораторные	2	2
8.2.	Применение машинного обучения для аналитики трендов веб-дизайна.Генеративный дизайн	Сам. работа	2	35
Раздел 9. Цифровая среда проектной работы дизайнера
9.1.	Ключевые инструменты и принципы организации работы дизайнера в цифровой среде	Лабораторные	2	2
9.2.	Ключевые инструменты и принципы организации работы дизайнера в цифровой среде	Сам. работа	2	43

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины

ПАСПОРТ ОЦЕНОЧНЫХ СРЕДСТВ
1. Перечень формируемых компетенций:
ОПК-2: Способен понимать принципы работы современных информационных технологий и программных средств, в том числе отечественного производства, и использовать их при решения задач профессиональной деятельности;

2. Планируемые результаты освоения дисциплины (модуля) / практики:
№ п/п Контролируемые разделы дисциплины (модуля) / Контролируемые элементы практики Код контролируемой компетенции (или её части) Код и наименование индикатора достижения Наименование оценочного средства
1 2 3 4 5
1 Раздел 1. Введение в программирование на языке Python, знакомство со средами разработки Jupyter Notebook и GoogleColab
ОПК-2 ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
Контрольно-измерительный материал практического характера

2 Раздел 2. Загрузка данных в рабочую среду. Визуализация данных и описательная статистика. Корреляционно-регрессионный анализ
ОПК-2 ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности Контрольно-измерительный материал практического характера

3 Раздел 3. Типовые задачи машинного обучения: кластеризация, классификация и регрессия
ОПК-2 ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
Контрольно-измерительный материал практического характера

4 Раздел 4. Введение в нейронные сети и глубокое обучение
ОПК-2 ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности. Контрольно-измерительный материал практического характера

5 Раздел 5. Сверточные нейронные сети в задачах анализа изображений
ОПК-2 ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
Контрольно-измерительный материал практического характера

6 Раздел 6. Нейронные сети в задачах анализа текста. Конструирование чат-ботов
ОПК-2 ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
Контрольно-измерительный материал практического характера

7 Раздел 7. Сервисы, использующие технологии искусственного интеллекта
ОПК-2 ОПК-2.2. Умеет выбирать современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
ОПК-2.3. Владеет навыками применения современных информационных технологий и программных средств, в том числе отечественного производства, при решении задач профессиональной деятельности
Контрольно-измерительный материал практического характера

8 Раздел 8. Технологии искусственного интеллекта в проектировании информационных ресурсов
ОПК-2 ОПК-2.2. Умеет выбирать современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности. Контрольно-измерительный материал практического характера

9 Раздел 9. Цифровая среда проектной работы дизайнера
ОПК-2 ОПК-2.3. Владеет навыками применения современных информационных технологий и программных средств, в том числе отечественного производства, при решении задач профессиональной деятельности
Контрольно-измерительный материал практического характера

Промежуточная аттестация по дисциплине – зачет ОПК-2 ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
ОПК-2.2. Умеет выбирать современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
ОПК-2.3. Владеет навыками применения современных информационных технологий и программных средств, в том числе отечественного производства, при решении задач профессиональной деятельности

Контрольно-измерительный материал практического характера

3. Типовые оценочные средства, необходимые для оценки планируемых результатов обучения по дисциплине (модулю) / практике:

ТЕКУЩИЙ КОНТРОЛЬ ПО УЧЕБНОЙ ДИСЦИПЛИНЕ (МОДУЛЮ) / ПРАКТИКЕ

ОЦЕНОЧНОЕ СРЕДСТВО-1: Контрольно-измерительный материал практического характера
1. Цель: ознакомление с основным инструментарием курса.
2. Контролируемый раздел дисциплины (модуля): 1
3. Проверяемые компетенции (код): ОПК-2
4. Индикаторы достижения:
ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной̆ деятельности.
5. Пример оценочного средства
1. Создайте ноутбук Google Colab.
2. Создайте текстовую ячейку. Напишите в ноутбуке заголовок работы и имя:
Цифровая культура в профессиональной деятельности
Лабораторная работа №1
Ваше ФИО, группа
3. Создайте ячейку для кода. Напишите в ноутбуке код на языке Python, который выводит ваше имя и фамилию.
4. Создайте еще одну ячейку для кода. Посчитайте в ноутбуке количество секунд в году, а также количество секунд, которые уже прошли с начала года к началу текущего дня.
5. Скопируйте ноутбук на ваш Google Диск. Переименуйте в «Лабораторная работа 1». Создайте публичную ссылку на эту копию, удостоверьтесь, что ссылка откроется с любого устройства.
6. Прикрепите ссылку в ответ к этому заданию.
6. Критерии оценивания:

Оценка Критерии
Зачтено Задание решено самостоятельно, на достаточном или высоком уровне. Задание решено полностью или с незначительными упущениями. Ответ предоставлен в срок. Решение обоснованно и рационально. Допускаются несколько несущественных ошибок.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

7. Рекомендуемый перечень вопросов для самостоятельной подготовки:
● Облачные платформы
● Инструменты для работы с машинным обучением.

ОЦЕНОЧНОЕ СРЕДСТВО-2: Контрольно-измерительный материал практического характера
1. Цель: ознакомление с трендами развития технологии анализа данных.
2. Контролируемый раздел дисциплины (модуля): 1
3. Проверяемые компетенции (код): ОПК-2
4. Индикаторы достижения:
ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
.
5. Пример оценочного средства
На основе предложенного видеоматериала и самостоятельного поиска сформулируйте и запишите три самых важных или интересных тезиса, которые характеризуют текущее и будущее развитие технологий Data Science. Каждый тезис должен быть достаточно раскрыт, описан несколькими предложениями, по возможности аргументируйте тезисы. Для выполнения задания не копируйте текст из интернета или других источников, сформулируйте самостоятельно
6. Критерии оценивания:

Оценка Критерии
Зачтено Задание решено самостоятельно, на достаточном или высоком уровне. Задание решено полностью или с незначительными упущениями.
Ответ предоставлен в срок.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

7. Рекомендуемый перечень вопросов для самостоятельной подготовки:
● Понятие data science

ОЦЕНОЧНОЕ СРЕДСТВО-3: Контрольно-измерительный материал практического характера
1. Цель: формирование навыков работы с Google Colab и/или Jupyter Notebook, базовых навыков работы с языком Python
2. Контролируемый раздел дисциплины (модуля): 2
3. Проверяемые компетенции (код): ОПК-2
4. Индикаторы достижения:
5. ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
6. Пример оценочного средства
Авторизуйтесь на платформе Google или запустите Jupyter Notebook.
Откройте ноутбук Google Colab, скопируйте его на свой Google Диск.
Или используйте для работы в Jupyter Notebook файл, прилагаемый к этому занятию.
В ходе занятия вы сможете изучить материалы ноутбука и выполнить задания:
А) Создайте ниже три переменных и проверьте их типы:
• со строковым типом,
• с целочисленным типом,
• с логическим типом данных.
Б) Присвойте переменной строковое значение, содержащее строчку из любого стихотворения или песни. Произведите операцию взятия среза: выведите отдельно одно слово из этой строчки.
В) Составьте англо-русский словарь из пяти слов.

В качестве ответа к этому заданию прикрепите ссылку с доступом к ноутбуку Google Colab или файл в формате .ipynb.

7. Критерии оценивания:

Оценка Критерии
Зачтено Задания выполнены самостоятельно, на достаточном или высоком уровне. Ответ предоставлен в срок. Допускаются несколько несущественных ошибок.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

8. Рекомендуемый перечень вопросов для самостоятельной подготовки:
● Типы данных в Python
● Cписки, кортежи, словари, множества в Python.

ОЦЕНОЧНОЕ СРЕДСТВО-4: Контрольно-измерительный материал практического характера
1. Цель: формирование базовых навыков кодирования на языке Python, в том числе навыков работы с библиотекой NumPy
2. Контролируемый раздел дисциплины (модуля): 2
3. Проверяемые компетенции (код): ОПК-2
4. Индикаторы достижения:
ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
5. Пример оценочного средства
А) Дополните словарь users, содержащий контактную информацию пользователей (придумайте данные еще трех пользователей), и используйте для работы с ним представленный в лабораторной работе метод:
users = {"Иванова Мария": {
"phone": "+786532469",
"email": "tom1@gmail.com"},
"Краснов Петр":{
"phone": {"mob": "+65435680", "home": "224583"},
"email": "booob@gmail.com"}
}
б) С помощью пакета NumPy создайте двумерный массив из случайных целых чисел. Вычислите его размеры, среднее арифметическое, медиану, дисперсию, стандартное отклонение. Определите минимальные и максимальные элементы массива. Вычислите сумму элементов каждого столбца.

6. Критерии оценивания:

Оценка Критерии
Зачтено Задание выполнено самостоятельно, на достаточном или высоком уровне. Ответ предоставлен в срок. Допускаются несколько несущественных ошибок.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

7. Рекомендуемый перечень вопросов для самостоятельной подготовки:
● Библиотека NumPy: предназначение, работа с массивами

ОЦЕНОЧНОЕ СРЕДСТВО-5: Контрольно-измерительный материал практического характера
1. Цель: формирование навыков построения модели машинного обучения на основе линейной регрессии.
5. Контролируемый раздел дисциплины (модуля): 3
6. Проверяемые компетенции (код): ОПК-2
7. Индикаторы достижения:
ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной̆ деятельности.
5. Пример оценочного средства
Используя данные и код из лабораторной работы, постройте регрессионную модель машинного обучения, поменяв целевую переменную.
Рассчитайте коэффициенты детерминации, регрессии, среднюю квадратичную ошибку, сравните их с оценками регрессии из второго примера.
Поменяйте доли распределения тестовых и тренировочных данных и сделайте выводы, повлияло ли это на оценку качества модели.

6. Критерии оценивания:

Оценка Критерии
Зачтено Задание выполнено в целом верно, самостоятельно. Ответ предоставлен в срок. Допускаются несколько несущественных ошибок.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

7. Рекомендуемый перечень вопросов для самостоятельной подготовки:
● Линейная регрессия, классификация, кластеризация.
● Понятие машинного обучения.

ОЦЕНОЧНОЕ СРЕДСТВО-6: Контрольно-измерительный материал практического характера
1. Цель: сформировать базовые навыки работы с моделями нейронной сети на основе градиентного спуска
2. Контролируемый раздел дисциплины (модуля): 4
3. Проверяемые компетенции (код): ОПК-2
4. Индикаторы достижения:
ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
5. Пример оценочного средства
Используйте код из теоретической части лабораторной работы:
weight = 0.5
input = 2
goal_pred = 0.8
alpha = 0.1

for iteration in range(20):
pred = input * weight
error = (pred - goal_pred) ** 2 # ошибка, возведенная в квадрат
derivative = (pred - goal_pred) * input # как должен измениться вес
weight = weight - (alpha * derivative)

print ("Ошибка:" +str(error) + " Предсказание:" +str(pred))

Поменяйте значения веса и альфа-коэффициента. Повторите два-три раза и сделайте выводы.

6. Критерии оценивания:

Оценка Критерии
Зачтено Задание выполнено самостоятельно и в срок. Допускаются несколько несущественных ошибок.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

7. Рекомендуемый перечень вопросов для самостоятельной подготовки:
● Градиентный спуск.
● Нейронные сети.
● Keras и TensorFlow

ОЦЕНОЧНОЕ СРЕДСТВО-7: Контрольно-измерительный материал практического характера
1. Цель: знакомство с принципами работы свёрточных и полносвязных нейронных сетей.
2. Контролируемый раздел дисциплины (модуля): 5
3. Проверяемые компетенции (код): ОПК-2
4. Индикаторы достижения:
ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности
5. Пример оценочного средства
Рассмотрите код, который использует набор данных MNIST. Ответьте ниже этого кода, какая модель используется для обработки данных. Оцените точность этой модели, сравните уровень точности с примером, рассмотренным в лабораторной работе, сделайте общий вывод.
model = keras.Sequential([
layers.Dense(512, activation="relu"),
layers.Dense(10, activation="softmax")
])

model.compile(optimizer="rmsprop",
loss="sparse_categorical_crossentropy",
metrics=["accuracy"])

train_images = train_images.reshape((60000, 28 * 28))
train_images = train_images.astype("float32") / 255
test_images = test_images.reshape((10000, 28 * 28))
test_images = test_images.astype("float32") / 255

model.fit(train_images, train_labels, epochs=5, batch_size=128)

6. Критерии оценивания:

Оценка Критерии
Зачтено Задание выполнено на высоком или пороговом уровне, разработаны электронные слайды, включающие титульный слайд. В работе демонстрируются навыки подбора шрифта, композиционного решения и цвета в соответствии с рекомендациями. Используются облачные инструментальные средства разработки. Допускается использование шаблонов. Допускаются несколько несущественных ошибок.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

7. Рекомендуемый перечень вопросов для самостоятельной подготовки:
● Сверточные и полносвязные нейронные сети.
● Распознавание образов.
● Keras и Tensorflow

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 ПО ДИСЦИПЛИНЕ (МОДУЛЮ) / ПРАКТИКЕ

1. Форма проведения промежуточной аттестации: зачет
2. Процедура проведения:
Подготовка к зачету заключается в изучении и тщательной проработке студентом учебного материала дисциплины с учётом лабораторных занятий. Зачет по курсу проводится в виде защиты итоговых работ - демонстрации подготовленных материалов, а также выполнения итогового теста. Для одного выступления отводится не более семи минут. Преподаватель имеет право задавать уточняющие вопросы, если студент недостаточно полно осветил тематику вопроса. Выполнение итогового теста организовано на зачетном занятии средствами электронного курса. Качественной подготовкой к зачету является: знание всего учебного материала по курсу; свободное оперирование материалом; демонстрация приобретенных навыков и знаний дополнительного материала.
Неудовлетворительной подготовкой, вследствие которой студенту не зачитывается прохождение курса, является: недостаточное знание всего учебного материала по курсу; нечёткие ответы или отсутствие ответа на дополнительные вопросы, задаваемые экзаменатором с целью выяснить объём знаний студента; отсутствие итоговой работы, отсутствие подготовки к зачету или отказ студента от сдачи зачета.

3. Проверяемые компетенции (код):
ОПК-2: Способен понимать принципы работы современных информационных технологий и программных средств, в том числе отечественного производства, и использовать их при решения задач профессиональной деятельности;

4. Индикаторы достижения:
ОПК-2.1. Знает современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
ОПК-2.2. Умеет выбирать современные информационные технологии и программные средства, в том числе отечественного производства при решении задач профессиональной деятельности.
ОПК-2.3. Владеет навыками применения современных информационных технологий и программных средств, в том числе отечественного производства, при решении задач профессиональной деятельности

5. Пример оценочного средства:
На основе выполненной работы проведите презентацию самостоятельного проекта в области интеллектуальных технологий и обработки данных. Предъявите разработанные электронные слайды и охарактеризуйте идею, цель и задачи проекта, обоснуйте выбор информационных технологий и программных средств. Продемонстрируйте применение полученных в рамках дисциплины навыков работы в сфере аналитики данных на основе языка Python и специальных библиотек, прокомментируйте предлагаемое решение.

Критерии оценивания:

Оценка Критерии
Зачтено Задание выполнено самостоятельно на высоком или пороговом уровне.
Разработаны и продемонстрированы электронные слайды, включающие титульный слайд и не менее слайдов. Демонстрируются навыки выбора информационных технологий и программных средств для реализации проектов. Структура слайдов логична. Студент продемонстрировал применение полученных в рамках дисциплины навыков работы с данными на языке Python и с помощью специальных библиотек.
Выступление раскрывает идею, цель проекта. Допускаются небольшие речевые ошибки.

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

Примеры оценочного средства – заданий итогового теста:

1. К нейронным сетям относятся:
а) сверточные сети,
б) градиентный спуск,
в) многослойный перцептрон,
г) ансамбли на основе бустинга.

2. Какая модель окажется в среднем более эффективной в задачах распознавания образов?
а) модель на основе бэггинга,
б) полносвязная нейронная сеть,
в) сверточная нейронная сеть.

3. Интерпретируйте следующую строчку кода:
model.fit(train_data, train_labels)
а) здесь происходит компиляция модели нейронной сети,
б) данные таким образом разделяются на тренировочный и тестовый набор,
в) модель обучается.

4. Что такое словарь в Python?
А) перечень всех служебных слов языка программирования,
Б) неупорядоченные коллекции произвольных объектов с доступом по ключу,
В) список всех объектов программы, снабженный индексами и ключами.

5. Библиотека, предназначенная для визуализации данных:
А) Keras,
Б) matplotlib,
В) pandas
Г) TensorFlow

Критерии оценивания:

Оценка Критерии
Зачтено Задание выполнено самостоятельно на высоком или пороговом уровне.
Верно выполнено более 50% тестовых заданий

Не зачтено Задание выполнено наполовину или менее, допущены существенные ошибки, дан верный ответ на половину или менее тестовых заданий. Результат отличается низкой степенью самостоятельности и демонстрирует невладение навыками, необходимыми для решения профессиональных задач.

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.1.1. Основная литература
	Авторы	Заглавие	Издательство, год	Эл. адрес
Л1.1	Хахаев И. А.	Практикум по алгоритмизации и программированию на Python: курс	М.: Национальный Открытый Университет «ИНТУИТ», 2016//ЭБС «Университетская библиотека online»	biblioclub.ru
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
	Название		Эл. адрес
Э1	Электронный курс "Цифровая культура"		portal.edu.asu.ru
6.3. Перечень программного обеспечения
Microsoft Windows Microsoft Office 7-Zip Acrobat ReaderMicrosoft 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
Информационно-правовой портал «Гарант» (http://garant.ru) «КонсультантПлюс» (http://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
415Д	специализированный компьютерный класс кафедры связей с общественностью и рекламы - 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 16 посадочных мест; рабочее место преподавателя; доска меловая 1шт.; системный блок: IntelCore 2 DuoE7400 -17 шт.; сервер: системный блок: AquariusIntelPentiumD; монитор: Acer V173 B -16 шт.; монитор: Acer V193W 1 шт.; телевизор Samsung
415Д	специализированный компьютерный класс кафедры связей с общественностью и рекламы - 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 16 посадочных мест; рабочее место преподавателя; доска меловая 1шт.; системный блок: IntelCore 2 DuoE7400 -17 шт.; сервер: системный блок: AquariusIntelPentiumD; монитор: Acer V173 B -16 шт.; монитор: Acer V193W 1 шт.; телевизор Samsung

8. Методические указания для обучающихся по освоению дисциплины

Дисциплина предусматривает практические занятия, а также самостоятельную работу. Изучение курса завершается экзаменом, в промежуточной аттестации курсовым проектом. Успешное изучение курса требует активной работы на практических занятиях, выполнения всех учебных заданий преподавателя, ознакомления с основной и дополнительной литературой.
Практическое занятие — форма организации обучения, которая направлена на формирование практических умений и навыков и является связующим звеном между самостоятельным теоретическим освоением студентами учебной дисциплины и применением ее положений на практике. Практическое занятие позволяет развить у студентов профессиональную культуру и профессиональную коммуникацию. Преподаватель в этом случае является координатором обсуждений предложенных практических заданий, подготовка которых является обязательной. Поэтому тема, практические задания и основные источники обсуждения предлагаются студентам заранее. Цели обсуждения и выполнения заданий направлены на формирование знаний, умений и навыков профессиональной полемики и формирование компетенций. На этапе подготовки доминирует самостоятельная работа студентов по решению проблем и заданий, а в процессе занятия идет активное обсуждение, дискуссии и выступления студентов, где они под руководством преподавателя делают обобщающие выводы и заключения.
Зная тему практического занятия, необходимо готовиться к нему заблаговременно: читать рекомендованную и дополнительную литературу, конспект лекций, руководстве к практическим занятиям, структурировать материал, составлять словарь терминов, отвечать на контрольные вопросы, решать ситуационные задачи и т.п. На практическом занятии вы можете получить консультацию преподавателя по любому учебному вопросу изучаемой темы.
Под самостоятельной работой студентов понимают учебную деятельность студентов, которая организована преподавателями, но осуществляется студентом без непосредственного участия преподавателя в учебной деятельности студента. Все виды самостоятельной работы студентов по дисциплине представлены в фонде оценочных средств. Четкая организация самостоятельной работы студентов делает ее эффективной. Это обеспечивается предоставлением студентам: учебных и учебно-методических пособий; тематических планов лекций, практических занятий, образцов контрольных работ, тестов, кейсов и др; перечня знаний и умений, которыми они должны овладеть при изучении дисциплины; информации о процедуре сдачи зачета и экзамена и др. Ответы представляются в письменной форме (печатной, непосредственно преподавателю, или электронной).
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. По каждой теме учебной дисциплины студентам предлагается перечень заданий для самостоятельной работы. 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,
выполнять все плановые задания, выдаваемые преподавателем для самостоятельного выполнения, и разбирать на семинарах и консультациях
неясные вопросы; при подготовке к экзамену параллельно прорабатывать соответствующие теоретические и практические разделы дисциплины, фиксируя неясные моменты для их обсуждения на консультации с преподавателем. Самостоятельная работа студентов является обязательным компонентом образовательного процесса, так как она обеспечивает закрепление получаемых на лекционных занятиях знаний путем приобретения навыков осмысления и расширения их содержания, навыков решения актуальных проблем формирования общекультурных и профессиональных компетенций, научно-исследовательской деятельности, подготовки к семинарам, лабораторным работам, сдаче зачетов и экзаменов.
Экзамен. Подготовка к экзамену ведется на основе полученного лекционного материала и рекомендованной литературы, осмысления работы на практических занятиях и самостоятельной работы. При подготовке нужно обратить внимание, что в каждом билете имеется один теоретический вопрос и одно практическое задание, которое выполняется по тем же принципам, что и ряд заданий к практическим занятиям. Поэтому целесообразно дополнительно практиковаться в выполнении аналогичных заданий. После получения билета во время подготовки к ответу рекомендуется составить его подробный план.
Методические указания по написанию курсового проекта содержатся в отдельных методических рекомендациях по подготовке и защите курсовых работ (курсовых проектов) на факультете массовых коммуникаций, филологии и политологии (кафедра связей с общественностью и рекламы).