| Закреплена за кафедрой | Кафедра информатики |
|---|---|
| Направление подготовки | 09.04.01. Информатика и вычислительная техника |
| Профиль | Инженерия искусственного интеллекта |
| Форма обучения | Заочная |
| Общая трудоемкость | 3 ЗЕТ |
| Учебный план | z09_04_01_Информатика и вычислительная техника_ИИИ-2025 |
|
|
||||||||||||||
Распределение часов по курсам
| Курс | 2 | Итого | ||
|---|---|---|---|---|
| Вид занятий | УП | РПД | УП | РПД |
| Лекции | 4 | 4 | 4 | 4 |
| Лабораторные | 6 | 6 | 6 | 6 |
| Сам. работа | 94 | 94 | 94 | 94 |
| Часы на контроль | 4 | 4 | 4 | 4 |
| Итого | 108 | 108 | 108 | 108 |
| 1.1. | В дисциплине «Автоматизация машинного обучения» рассматриваются подходы к созданию автоматических пайплайнов систем машинного обучения с использованием инструментов DevOps и MLOps: Continuous Integration/Continuous Delivery, Docker, Kebernetis, фреймворки систем автоматизации машинного обучения. Преимущественно рассматриваются бесплатные продукты с открытым исходным кодом |
|---|
| Цикл (раздел) ООП: Б1.О.4 |
| ОПК-2 | Способен разрабатывать оригинальные алгоритмы и программные средства, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач; |
| ОПК-2.1 | Знать: современные информационно-коммуникационные и интеллектуальные технологии, инструментальные среды, программно-технические платформы для решения профессиональных задач. |
| ОПК-2.2 | Уметь: обосновывать выбор современных информационно-коммуникационных и интеллектуальных технологий, разрабатывать оригинальные программные средства для решения профессиональных задач. |
| ОПК-2.3 | Владеть: методами разработки оригинальных программных средств, в том числе с использованием современных информационно-коммуникационных и интеллектуальных технологий, для решения профессиональных задач. |
| ОПК-5 | Способен разрабатывать и модернизировать программное и аппаратное обеспечение информационных и автоматизированных систем; |
| ОПК-5.1 | Знать современное программное и аппаратное обеспечение информационных и автоматизированных систем. |
| ОПК-5.2 | Владеть методами модернизации программного и аппаратного обеспечения информационных и автоматизированных систем для решения профессиональных задач. |
| ОПК-5.3 | Уметь разрабатывать программное и аппаратное обеспечение информационных и автоматизированных систем для решения профессиональных задач. |
| ОПК-6 | Способен разрабатывать компоненты программно-аппаратных комплексов обработки информации и автоматизированного проектирования; |
| ОПК-6.1 | Знать: аппаратные средства и платформы инфраструктуры информационных технологий, виды, назначение, архитектуру, методы разработки и администрирования программно-аппаратных комплексов объекта профессиональной деятельности. |
| ОПК-6.2 | Уметь: анализировать техническое задание, разрабатывать и оптимизировать программный код для решения задач обработки информации и автоматизированного проектирования. |
| ОПК-6.3 | Владеть: методами составления технической документации по использованию и настройке компонентов программно-аппаратного комплекса |
| ПК-1 | Способен исследовать и разрабатывать архитектуры систем искусственного интеллекта для различных предметных областей на основе комплексов методов и инструментальных средств систем искусственного интеллекта |
| ПК-1.1 | Исследует и разрабатывает архитектуры систем искусственного интеллекта для различных предметных областей. |
| ПК-1.2 | Выбирает комплексы методов и инструментальных средств искусственного интеллекта для решения задач в зависимости от особенностей предметной области. |
| ПК-1.3 | Разрабатывает единые стандарты в области безопасности (в том числе отказоустойчивости) и совместимости программного обеспечения, эталонных архитектур вычислительных систем и программного обеспечения, а также определяет критерии сопоставления программного обеспечения и критерии эталонных открытых тестовых сред (условий) в целях определения качества и эффективности программного обеспечения технологий и систем искусственного интеллекта. |
| ПК-3 | Способен разрабатывать и применять методы и алгоритмы машинного обучения для решения задач |
| ПК-3.1 | Ставит задачи по разработке или совершенствованию методов и алгоритмов для решения комплекса задач предметной области. |
| ПК-3.2 | Руководит исследовательской группой по разработке или совершенствованию методов и алгоритмов для решения комплекса задач предметной области. |
| ПК-3.3 | Разрабатывает унифицированные и обновляемые методологии описания, сбора иразметки данных, а также механизмы контроля за соблюдением указанных методологий. |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | современные информационно-коммуникационные и интеллектуальные технологии, инструментальные среды, программно-технические платформы для решения профессиональных задач. современное программное и аппаратное обеспечение информационных и автоматизированных систем. аппаратные средства и платформы инфраструктуры информационных технологий, виды, назначение, архитектуру, методы разработки и администрирования программно-аппаратных комплексов объекта профессиональной деятельности. методы системного анализа для постановки задач и отыскания возможных путей их решения в сфере исследовательской деятельности. методы и инструментальные средства систем искусственного интеллекта, критерии их выбора и методы комплексирования в рамках создания интегрированных гибридных интеллектуальных систем различного назначения. унифицированные и обновляемые методологии описания, сбора и разметки данных, а также механизмы контроля за соблюдением указанных методологий. |
| 3.2. | Уметь: |
| 3.2.1. | обосновывать выбор современных информационно-коммуникационных и интеллектуальных технологий, разрабатывать оригинальные программные средства для решения профессиональных задач разрабатывать программное и аппаратное обеспечение информационных и автоматизированных систем для решения профессиональных задач. анализировать техническое задание, разрабатывать и оптимизировать программный код для решения задач обработки информации и автоматизированного проектирования. настраивать, конфигурировать и адаптировать программные средства системного моделирования для постановки и решения задач в сфере исследовательской деятельности. выбирать, применять и интегрировать методы и инструментальные средства систем искусственного интеллекта, критерии их выбора и методы комплексирования в рамках создания интегрированных гибридных интеллектуальных систем различного назначения. разрабатывать унифицированные и обновляемые методологии описания, сбора и разметки данных, а также механизмы контроля за соблюдением указанных методологий. |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | методами разработки оригинальных программных средств, в том числе с использованием современных информационно-коммуникационных и интеллектуальных технологий,для решения профессиональных задач. методами модернизации программного и аппаратного обеспечения информационных и автоматизированных систем для решения профессиональных задач. методами составления технической документации по использованию и настройке компонентов программно-аппаратного комплекса. |
| Код занятия | Наименование разделов и тем | Вид занятия | Курс | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Введение в автоматизацию машинного обучения | ||||||
| 1.1. | Автоматизация администрирования DevOps. Подход Infrastructure as Code. Жизненный цикл приложений машинного обучения. Автоматизация машинного обучения MLOps. Уровни автоматизации машинного обучения | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 1.2. | Автоматизация администрирования DevOps. Подход Infrastructure as Code. Жизненный цикл приложений машинного обучения. Автоматизация машинного обучения MLOps. Уровни автоматизации машинного обучения | Лабораторные | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 1.3. | Автоматизация администрирования DevOps. Подход Infrastructure as Code. Жизненный цикл приложений машинного обучения. Автоматизация машинного обучения MLOps. Уровни автоматизации машинного обучения | Сам. работа | 2 | 14 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| Раздел 2. Основы Continuous Delivery (CD) | ||||||
| 2.1. | Continuous Integration и Continuous Delivery (CI/CD). Инструменты CI/CD. Автоматическое развертывание приложений машинного обучения | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 2.2. | Continuous Integration и Continuous Delivery (CI/CD). Инструменты CI/CD. Автоматическое развертывание приложений машинного обучения | Лабораторные | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 2.3. | Continuous Integration и Continuous Delivery (CI/CD). Инструменты CI/CD. Автоматическое развертывание приложений машинного обучения | Сам. работа | 2 | 14 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| Раздел 3. Контейнеры | ||||||
| 3.1. | Технология контейнеров. Docker. Установка и настройка Docker. Создание контейнеров. Работа с контейнерами в Docker. Управление сетевыми конфигурациями в Docker. Обеспечение информационной безопасности в Docker. Создание контейнеров с приложениями машинного обучения | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 3.2. | Технология контейнеров. Docker. Установка и настройка Docker. Создание контейнеров. Работа с контейнерами в Docker. Управление сетевыми конфигурациями в Docker. Обеспечение информационной безопасности в Docker. Создание контейнеров с приложениями машинного обучения | Лабораторные | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 3.3. | Технология контейнеров. Docker. Установка и настройка Docker. Создание контейнеров. Работа с контейнерами в Docker. Управление сетевыми конфигурациями в Docker. Обеспечение информационной безопасности в Docker. Создание контейнеров с приложениями машинного обучения | Сам. работа | 2 | 14 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| Раздел 4. Облачные технологии и распределенные вычисления | ||||||
| 4.1. | Облачные технологии. Центры обработки данных. Серверные кластеры. Инструменты автоматизации управления серверными кластерами: Ansible, Chef. Обеспечение информационной безопасности в кластере серверов | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 4.2. | Облачные технологии. Центры обработки данных. Серверные кластеры. Инструменты автоматизации управления серверными кластерами: Ansible, Chef. Обеспечение информационной безопасности в кластере серверов | Лабораторные | 2 | 1 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 4.3. | Облачные технологии. Центры обработки данных. Серверные кластеры. Инструменты автоматизации управления серверными кластерами: Ansible, Chef. Обеспечение информационной безопасности в кластере серверов | Сам. работа | 2 | 16 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| Раздел 5. Управление контейнерами в кластере | ||||||
| 5.1. | Технология управления контейнерами. Инструменты управления контейнерами: Kubernetes, Docker Swarm. Автоматизация развертывания и управления контейнерами в Kubernetes. Обеспечение информационной безопасности. Приложения микросервисной архитектуры в кластере Kubernetes | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 5.2. | Технология управления контейнерами. Инструменты управления контейнерами: Kubernetes, Docker Swarm. Автоматизация развертывания и управления контейнерами в Kubernetes. Обеспечение информационной безопасности. Приложения микросервисной архитектуры в кластере Kubernetes | Лабораторные | 2 | 1 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 5.3. | Технология управления контейнерами. Инструменты управления контейнерами: Kubernetes, Docker Swarm. Автоматизация развертывания и управления контейнерами в Kubernetes. Обеспечение информационной безопасности. Приложения микросервисной архитектуры в кластере Kubernetes | Сам. работа | 2 | 12 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| Раздел 6. Разработка пайплайнов машинного обучения | ||||||
| 6.1. | Автоматизация процесса обучения моделей искусственного интеллекта. Инструменты автоматизации: создание пайплайнов машинного обучения. Использование CI/CD совместно с пайплайнами машинного обучения | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 6.2. | Автоматизация процесса обучения моделей искусственного интеллекта. Инструменты автоматизации: создание пайплайнов машинного обучения. Использование CI/CD совместно с пайплайнами машинного обучения | Лабораторные | 2 | 1 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 6.3. | Автоматизация процесса обучения моделей искусственного интеллекта. Инструменты автоматизации: создание пайплайнов машинного обучения. Использование CI/CD совместно с пайплайнами машинного обучения | Сам. работа | 2 | 7 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| Раздел 7. Мониторинг | ||||||
| 7.1. | Мониторинг работы приложений. Инструменты мониторинга: Graphana, Prometheus. Мониторинг качества работы приложений машинного обучения | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 7.2. | Мониторинг работы приложений. Инструменты мониторинга: Graphana, Prometheus. Мониторинг качества работы приложений машинного обучения | Лабораторные | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 7.3. | Мониторинг работы приложений. Инструменты мониторинга: Graphana, Prometheus. Мониторинг качества работы приложений машинного обучения | Сам. работа | 2 | 7 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| Раздел 8. Автоматизация машинного обучения | ||||||
| 8.1. | Автоматизация работы пайплайнов машинного обучения. Сбор и подготовка новых данных для обучения. Автоматический перезапуск обучения на основе событий мониторинга. Инструменты автоматизации машинного обучения: Kubeflow, MLFlow, TensorFlow Extended | Лекции | 2 | 0,5 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 8.2. | Автоматизация работы пайплайнов машинного обучения. Сбор и подготовка новых данных для обучения. Автоматический перезапуск обучения на основе событий мониторинга. Инструменты автоматизации машинного обучения: Kubeflow, MLFlow, TensorFlow Extended | Лабораторные | 2 | 1 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 8.3. | Автоматизация работы пайплайнов машинного обучения. Сбор и подготовка новых данных для обучения. Автоматический перезапуск обучения на основе событий мониторинга. Инструменты автоматизации машинного обучения: Kubeflow, MLFlow, TensorFlow Extended | Сам. работа | 2 | 10 | Л2.1, Л1.1, Л2.2, Л2.3, Л2.4, Л1.2 | |
| 5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
| в приложении |
| 5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.) |
| в приложении |
| 5.3. Фонд оценочных средств для проведения промежуточной аттестации |
| в приложении |
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | Сафиуллин Р. К. | ОСНОВЫ АВТОМАТИКИ И АВТОМАТИЗАЦИЯ ПРОЦЕССОВ 2-е изд., испр. и доп. Учебное пособие для вузов: | М.:Издательство Юрайт, 2018 | biblio-online.ru |
| Л1.2 | Дейтел Пол, Дейтел Харви | Python: Искусственный интеллект, большие данные и облачные вычисления. — 864 с.: | СПб.: Питер, 2020 | |
| 6.1.2. Дополнительная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л2.1 | Лаврищева Е.М. | Программная инженерия и технологии программирования сложных систем: Учебник | Юрайт, 2018 // ЭБС "Юрайт" | www.biblio-online.ru |
| Л2.2 | Рогов В.А., Чудаков А.Д. | СРЕДСТВА АВТОМАТИЗАЦИИ И УПРАВЛЕНИЯ 2-е изд., испр. и доп. Учебник для академического бакалавриата: Гриф УМО ВО | М.:Издательство Юрайт, 2018 | biblio-online.ru |
| Л2.3 | Рачков М.Ю. | ТЕХНИЧЕСКИЕ СРЕДСТВА АВТОМАТИЗАЦИИ 2-е изд., испр. и доп. Учебник для академического бакалавриата: Гриф УМО ВО | М.:Издательство Юрайт, 2018 | biblio-online.ru |
| Л2.4 | Соснин В. В. | Облачные вычисления в образовании: Учебная литература для ВУЗов | Национальный Открытый Университет «ИНТУИТ», 2016 | biblioclub.ru |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | Курс Machine Learning Operations | ml-ops.org | ||
| Э2 | Курс MLOps: Continuous delivery and automation pipelines in machine learning | cloud.google.com | ||
| Э3 | Курс Основы Kubernetes | kubernetes.io | ||
| Э4 | Учебные пособия по TensorFlow в производственной среде | www.tensorflow.org | ||
| Э5 | Автоматизация машинного обучения | portal.edu.asu.ru | ||
| 6.3. Перечень программного обеспечения | ||||
| Браузер (Google Chrome, Mozilia Firefox) Используется бесплатно-распространяемое программное обеспечение: 1. Docker – https://www.docker.com/ 2. Ansible – https://www.ansible.com/ 3. Kubernetes – https://kubernetes.io/ 4. Язык Python – https://www.python.org/ 5. Система контроля версий Git – https://git-scm.com 6. GitHub – https://github.com/ 7. Библиотека машинного обучения Hugging Face https://huggingface.co 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 | ||||
| Профессиональные базы данных, информационно-справочные системы 1. Цифровая библиотека научно-технических изданий Института инженеров по электротехнике и радиоэлектронике (Institute of Electrical and Electronic Engineers (IEEE)) на английском языке – http://www.ieee.org/ieeexplore 2. Oxford University Press – http://www.oxfordjournals.org/en/ 3. Архив препринтов с открытым доступом – https://arxiv.org/ Материалы для лиц с ОВЗ Весь контент ЭБС представлен в виде файлов специального формата для воспроизведения синтезатором речи, а также в тестовом виде, пригодном для прочтения с использованием экранной лупы и настройкой контрастности. Базы данных, информационно-справочные и поисковые системы 1. Academic Search Ultimate EBSCO publishing – http://search.ebscohost.com 2. eBook Collections Springer Nature – https://link.springer.com/ 3. Гугл Академия – https://scholar.google.ru/ 4. СПС КонсультантПлюс (инсталлированный ресурс АлтГУ или http://www.consultant.ru/). 5. Электронная база данных «Scopus» (http://www.scopus.com); 6. Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/) 7. Электронный научный архив УрФУ https://elar.urfu.ru/ 8. Зональная научная библиотека (УрФУ) - http://lib.urfu.ru/ 9. Портал информационно-образовательных ресурсов УрФУ https://study.urfu.ru/ 10. Электронно-библиотечная система «Лань» – https://e.lanbook.com/ 11. Университетская библиотека ONLINE – https://biblioclub.ru/ 12. Электронно-библиотечная система "Библиокомплектатор" (IPRbooks) http://www.bibliocomplectator.ru/available 13. Электронные информационные ресурсы Российской государственной библиотеки https://www.rsl.ru/ 14. Научная электронная библиотека «КиберЛенинка» https://cyberleninka.ru/ 4. СПС КонсультантПлюс (инсталлированный ресурс АлтГУ или http://www.consultant.ru/). 5. Электронная база данных «Scopus» (http://www.scopus.com); 6. Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/); 7. Электронный научный архив УрФУ – https://elar.urfu.ru/ 8. Зональная научная библиотека (УрФУ) – http://lib2.urfu.ru/ 9. Портал информационно-образовательных ресурсов УрФУ – study.urfu.ru 10. Электронно-библиотечная система «Лань» – e.lanbook.com 11. Университетская библиотека ONLINE – biblioclub.ru 12. Электронно-библиотечная система "Библиокомплектатор" (IPRbooks) – bibliocomplectator.ru/available 13. Электронные информационные ресурсы Российской государственной библиотеки – www.rsl.ru 14. Научная электронная библиотека – http://elibrary.ru/ 15. Научная электронная библиотека «КиберЛенинка» – https://cyberleninka.ru/ 16. Web of Science Core Collection – http://apps.webofknowledge.com/ | ||||
| Аудитория | Назначение | Оборудование |
|---|---|---|
| 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, мультимедийное оборудование стационарное или переносное) |
| 204Л | 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 14 посадочных мест; компьютеры: марка DEPO модель Neos 260 - 14 единиц; Интерактивная доска Smart board 680 IV со встроенным проектором v25 |
| 205Л | 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 9 посадочных мест; компьютеры: марка КламаС Офис, мониторы: марка ACER модель V223HQL - 8 единиц; доска интерактивная Triumph MULTI TOUCH 78 + проектор NEC UM280X в комплекте |
| 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 |
| Изучение дисциплины завершается экзаменом. Успешное изучение дисциплины требует посещения лекций, активной работы на лабораторных работах, выполнения всех практических заданий преподавателя, ознакомления с основной и дополнительной литературой. Во время лекции студент должен вести краткий конспект. При этом обучающийся должен стараться найти ответы на затруднительные вопросы, используя рекомендуемую литературу или общедоступные ресурсы. Если ему самостоятельно не удалось разобраться в материале, необходимо сформулировать вопросы и обратится за помощью к преподавателю на консультации или ближайшей лекции. Выполнение студентами практических заданий направлено на: - обобщение, систематизацию, углубление, закрепление полученных теоретических знаний по конкретным темам дисциплин; - формирование необходимых профессиональных умений и навыков. Помимо собственно выполнения практических заданий для каждого задания предусмотрена процедура защиты, в ходе которой преподаватель проводит устный или письменный опрос студентов для контроля понимания выполненных ими действий по теме занятия. Самостоятельная работа. - При изучении дисциплины не все вопросы рассматриваются на 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. При подготовке к экзамену в дополнение к изучению конспектов лекций, учебно-методических материалов и слайдов, необходимо пользоваться учебной литературой, рекомендованной настоящей программой. При подготовке к экзамену нужно изучить определения всех понятий и теоретические подходы до состояния понимания материала, а также выполнить все практические задания в курсе. |