Разделы презентаций


Цифровая культура

Содержание

Цифровая экономикаДиверсификация информационных технологий и проникновение их в различные предметные областиНепрерывное накопление больших объемов данных, которые невозможно обработать и интерпретировать традиционными методамиПеренос производственных, научных и учебных процессов в цифровую сферуДанные —

Слайды и текст этой презентации

Слайд 1Санкт-Петербург, 2018
Цифровая культура
Михайлова Елена Георгиевна

Санкт-Петербург, 2018Цифровая культураМихайлова Елена Георгиевна

Слайд 2Цифровая экономика
Диверсификация информационных технологий и проникновение их в различные предметные

области
Непрерывное накопление больших объемов данных, которые невозможно обработать и интерпретировать

традиционными методами
Перенос производственных, научных и учебных процессов в цифровую сферу

Данные — это новая нефть. (Герман Греф)

Цифровая экономикаДиверсификация информационных технологий и проникновение их в различные предметные областиНепрерывное накопление больших объемов данных, которые невозможно

Слайд 3Цифровая культура
Культура — набор кодов, которые предписывают человеку определённое поведение, оказывая

на него, тем самым, управленческое воздействие.
Грамотность  — владение минимальным набором

знаний, умений и навыков; понимание основ проблемной области.

Цифровая культура – совокупности компетенций, характеризующих способность использования информационно-коммуникационных технологий для комфортной жизни в цифровой среде, для взаимодействия с обществом и решения цифровых задач в профессиональной деятельности.

Цифровая культураКультура — набор кодов, которые предписывают человеку определённое поведение, оказывая на него, тем самым, управленческое воздействие.Грамотность  —

Слайд 4Цифровая культура - магистратура
Знание существующих методов работы с данными, четкое

понимание их области применения, достоинств и недостатков.
- Формирование культуры представления,

описания, интерпретации и оценки выводов над данными.

Обработка и анализ данных

Прикладной искусственный интеллект

Умение использовать приемы работы с данными при решении задач предметной области.
Возможности ставить и оценивать решение задач в области информатизации и обработки данных собственной предметной области

Цифровая культура - магистратураЗнание существующих методов работы с данными, четкое понимание их области применения, достоинств и недостатков.-

Слайд 5Обработка и анализ данных – 1 семестр
Первичная обработка и хранение

данных
Статистика
Машинное обучение

Обработка и анализ данных – 1 семестрПервичная обработка и хранение данных СтатистикаМашинное обучение

Слайд 61. Первичная обработка и хранение данных
Виды и источники данных. Загрузка

и разделение данных. Объединение данных из разных источников. Очистка данных

и заполнение пропусков. Контроль диапазонов.
Первичная обработка данных. Сглаживание и нормировка данных. Преобразование данных. Визуализация данных.
Хранение и доступ к данным. Виды баз данных. Реляционные СУБД
NoSQL базы данных. Большие данные.

1. Первичная обработка и хранение данныхВиды и источники данных. Загрузка и разделение данных. Объединение данных из разных

Слайд 72. Статистика
Статистика одномерной случайной величины.
Точечные и интервальные оценки.
Статистическое

оценивание распределений и проверка гипотез.
Статистика многомерной случайной величины.
Снижение размерности,

оценивание зависимостей.
Регрессионный, дисперсионный анализ, факторный анализ.

2. СтатистикаСтатистика одномерной случайной величины. Точечные и интервальные оценки. Статистическое оценивание распределений и проверка гипотез.Статистика многомерной случайной

Слайд 83. Машинное обучение
Задачи машинного обучения. Обучение с учителем, без учителя,

с подкреплением.
Классификация моделей и методов машинного обучения.
Методы кластер-анализа,

дискриминантного анализа, распознавания образов.
Предсказательные модели.
Методы построения, преобразования и отбора признаков.
Обобщающая способность модели. Логистическая регрессия, методы на основе деревьев решений, бустинг.

3. Машинное обучениеЗадачи машинного обучения. Обучение с учителем, без учителя, с подкреплением. Классификация моделей и методов машинного

Слайд 9Реализация дисциплины
Лекции – дистанционно (онлайн)
Всего 12 лекций
4 лекции в разделе

(~ 50 минут видео)
Каждая лекция состоит из 6-10 страниц
Анимированные презентации

(5-7 минут) + обычные презентации + тексты
После каждого фрагмента небольшой опрос (самопроверка)
К каждой лекции есть дополнительные материалы
После каждой лекции упражнение – (оценка)
Итоговое задание после раздела – (оценка)

Пререквизиты: основы линейной алгебры и аналитической геометрии

Реализация дисциплиныЛекции – дистанционно (онлайн)Всего 12 лекций4 лекции в разделе (~ 50 минут видео)Каждая лекция состоит из

Слайд 10Обработка и анализ данных - магистры
Первичная обработка и хранение данных (4

лекции)
2. Статистика и машинное обучение (8 лекций)
2. Статистика (4

лекции)
3. Машинное обучение (4 лекции)
Обработка и анализ данных - магистрыПервичная обработка и хранение данных (4 лекции) 2. Статистика и машинное обучение

Слайд 11Обработка и анализ данных - магистры
Первичная обработка и хранение данных (4

лекции)
2. Статистика и машинное обучение (8 лекций)
2. Статистика (4

лекции)
3. Машинное обучение (4 лекции)

Отличия?

Обработка и анализ данных - магистрыПервичная обработка и хранение данных (4 лекции) 2. Статистика и машинное обучение

Слайд 12Обработка и анализ данных - магистры
Первичная обработка и хранение данных (4

лекции)
2. Статистика и машинное обучение (8 лекций)
2. Статистика (4

лекции)
3. Машинное обучение (4 лекции)

Альтернативы?

Обработка и анализ данных - магистрыПервичная обработка и хранение данных (4 лекции) 2. Статистика и машинное обучение

Слайд 13Обработка и анализ данных - магистры
Первичная обработка и хранение данных (4

лекции)
2. Статистика и машинное обучение (8 лекций)
2. Статистика (4

лекции)
3. Машинное обучение (4 лекции)

Альтернативы? Есть!

Обработка и анализ данных - магистрыПервичная обработка и хранение данных (4 лекции) 2. Статистика и машинное обучение

Слайд 14Обработка и анализ данных - магистры
Первичная обработка и хранение данных (4

лекции)
2. Статистика и машинное обучение (8 лекций)
2. Статистика (4

лекции)
3. Машинное обучение (4 лекции)

28 баллов

Обработка и анализ данных - магистрыПервичная обработка и хранение данных (4 лекции) 2. Статистика и машинное обучение

Слайд 15Обработка и анализ данных - магистры
Первичная обработка и хранение данных (4

лекции)
2. Статистика и машинное обучение (8 лекций)
2. Статистика (4

лекции)
3. Машинное обучение (4 лекции)

28 баллов

36 баллов

36 баллов

72 балла

Обработка и анализ данных - магистрыПервичная обработка и хранение данных (4 лекции) 2. Статистика и машинное обучение

Слайд 16Обработка и анализ данных - итог

Обработка и анализ данных - итог

Слайд 17Каждый раздел – отдельный онлайн курс
По каждому курсу можно набрать

100 баллов
У каждого раздела есть вес.
Первичная обработка и хранение данных

– 28%
Статистика – 36%
Машинное обучение 36%
Статистика и машинное обучение – 72%

Каждый раздел – отдельный онлайн курсПо каждому курсу можно набрать 100 балловУ каждого раздела есть вес.Первичная обработка

Слайд 18Пример расчета оценки по дисциплине
Траектория
Первичная обработка и хранение данных
Статистика

и машинное обучение
Первичная обработка и хранение данных – результат 90

баллов
Статистика и машинное обучение – результат 75 баллов

90*0,28 + 75 * 0,72 = 25,2 + 54 = 79,2
Итог по дисциплине «Обработка и анализ данных» 80 баллов («хорошо»)


Пример расчета оценки по дисциплинеТраектория Первичная обработка и хранение данныхСтатистика и машинное обучениеПервичная обработка и хранение данных

Слайд 19Выполнение упражнений и проверочных заданий
После каждой лекции задание по материалам

лекции
Проверочное задание по разделу – по материалам четырех лекций, более

объемное
В качестве задания будет выдан набор данных и указано, что нужно сделать
Задания параметризуемые
Для выполнения можно использовать любое удобное ПО
Ответ можно вводить три раза, после этого выдается второе задание (вариант с другим значением параметра)
Ответ можно вводить три раза



Выполнение упражнений и проверочных заданийПосле каждой лекции задание по материалам лекцииПроверочное задание по разделу – по материалам

Слайд 20Первичная обработка и хранение данных
4 лекции в разделе (~ 50

минут видео)
Каждая лекция состоит из фрагментов по 5-7 минут
После каждого

фрагмента небольшой опрос (самопроверка)
После каждой лекции упражнение – 10 баллов
Итого 40 баллов за упражнения по разделу
Итоговое задание после раздела – 60 баллов
Поддержка курса – форум + консультации + контрольная работа
Календарный план – месяц на освоение раздела + неделя на итоговое задание





Первичная обработка и хранение данных4 лекции в разделе (~ 50 минут видео)Каждая лекция состоит из фрагментов по

Слайд 21Первичная обработка и хранение данных - план изучения раздела

17-18 сентября -

консультации по запросу студентов в компьютерных классах Ломоносова, 9, ауд.

3414, 3321 (17:00-18:30; 18:40-20:10; 20:20-21:50)
1-6 октября, итоговая работа по разделу в компьютерных классах Ломоносова, 9, ауд. 3414, 3321 (17:00-18:30; 18:40-20:10; 20:20-21:50)




Первичная обработка и хранение данных - план изучения раздела17-18 сентября - консультации по запросу студентов в компьютерных

Слайд 222. Статистика и машинное обучение
8 лекции в разделе (~ 50

минут видео)
Каждая лекция состоит из фрагментов по 5-7 минут
После каждого

фрагмента небольшой опрос (самопроверка)
После каждой лекции тест – 7 баллов
Итого 40 баллов за упражнения по разделу
Два проверочных задания – по 22 балла
Поддержка курса – форум + консультации + контрольная работа
Календарный план – месяц на освоение первой части + неделя на итоговое задание + месяц на освоение второй части + неделя на итоговое задание





2. Статистика и машинное обучение8 лекции в разделе (~ 50 минут видео)Каждая лекция состоит из фрагментов по

Слайд 232. Статистика и машинное обучение – 1 часть план изучения раздела

15-16

октября- консультации по запросу студентов в компьютерных классах Ломоносова, 9, ауд.

3414, 3321 (17:00-18:30; 18:40-20:10; 20:20-21:50)
29 октября-3 ноября, по 3 пары в день, в компьютерных классах на Ломоносова, 9, ауд. 3414, 3321 (17:00-18:30; 18:40-20:10; 20:20-21:50)




2. Статистика и машинное обучение – 1 часть план изучения раздела15-16 октября- консультации по запросу студентов в

Слайд 242. Статистика и машинное обучение – 2 часть план изучения раздела

12-17

ноября - консультации по запросу студентов в компьютерных классах Ломоносова,

9, ауд. 3414, 3321 (17:00-18:30; 18:40-20:10; 20:20-21:50)
26 ноября-1 декабря, по 3 пары в день, в компьютерных классах Ломоносова, 9, ауд. 3414, 3321 (17:00-18:30; 18:40-20:10; 20:20-21:50)




2. Статистика и машинное обучение – 2 часть план изучения раздела12-17 ноября - консультации по запросу студентов

Слайд 25Альтернативные способы изучения дисциплины
https://www.coursera.org/learn/machine-learning Eng (Вся дисциплина)
https://www.coursera.org/specializations/machine-learning Eng (Статистика + машинное обучение)
https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie Rus (Статистика +

машинное обучение) Prog
https://www.coursera.org/specializations/machine-learning-data-analysis Rus 2-3-4 курсы Prog (Вся дисциплина или два курса на выбор

Статистика + машинное обучение)




Альтернативные способы изучения дисциплиныhttps://www.coursera.org/learn/machine-learning 	Eng (Вся дисциплина)https://www.coursera.org/specializations/machine-learning	Eng (Статистика + машинное обучение)https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie	Rus (Статистика + машинное обучение)	Proghttps://www.coursera.org/specializations/machine-learning-data-analysis 	Rus 2-3-4

Слайд 26Альтернативные способы изучения дисциплины
Ограничены сроки записи на курс
Все курсы платные!
Можно

просить финансовую помощь
При успешном прохождении курсов компенсация от ИТМО




Альтернативные способы изучения дисциплиныОграничены сроки записи на курсВсе курсы платные!Можно просить финансовую помощьПри успешном прохождении курсов компенсация

Слайд 27Machine Learning, Stanford University
https://www.coursera.org/learn/machine-learning
Английский язык
Зачитывается вся дисциплина
Формы контроля требуют

вычислений и немного программирования




Machine Learning, Stanford Universityhttps://www.coursera.org/learn/machine-learning Английский языкЗачитывается вся дисциплинаФормы контроля требуют вычислений и немного программирования

Слайд 28Специализация Machine Learning, Univ. of Washington
https://www.coursera.org/specializations/machine-learning
Английский язык
Зачитывается Статистика и

Машинное обучение
Формы контроля требуют вычислений и не требуют программирования




Специализация Machine Learning, Univ. of Washingtonhttps://www.coursera.org/specializations/machine-learning Английский языкЗачитывается Статистика и Машинное обучениеФормы контроля требуют вычислений и не

Слайд 29Введение в машинное обучение, К. Воронцов
https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie
Русский язык
Зачитывается Статистика и

Машинное обучение
Формы контроля требуют вычислений и требуют программирования




Введение в машинное обучение, К. Воронцовhttps://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie Русский языкЗачитывается Статистика и Машинное обучениеФормы контроля требуют вычислений и требуют

Слайд 30Специализация Машинное обучение и анализ данных, Яндекс
https://www.coursera.org/specializations/machine-learning-data-analysis
Русский язык
Курсы
Обучение на

размеченных данных
Поиск структуры в данных
Построение выводов по данным
Три курса за

всю дисциплины
Два любых курса за Статистику и Машинное обучение
Формы контроля требуют вычислений и требуют программирования




Специализация Машинное обучение и анализ данных, Яндексhttps://www.coursera.org/specializations/machine-learning-data-analysis Русский языкКурсыОбучение на размеченных данныхПоиск структуры в данныхПостроение выводов по

Слайд 31Инструкция по настройке среды обучения (1)
Перейдите на центральный сайт Электронной

информационно-образовательной среды (ЭИОС) Университета (https://de.ifmo.ru/) и щелкните по ссылке "Вход

/ Sign In" в правом верхнем углу


Инструкция по настройке среды обучения (1)Перейдите на центральный сайт Электронной информационно-образовательной среды (ЭИОС) Университета (https://de.ifmo.ru/) и щелкните

Слайд 32Инструкция по настройке среды обучения (2)
Введите параметры своей учетной записи

Личного кабинета ИСУ и нажмите кнопку "Вход / Sign In".

Предварительно убедитесь, что в настройках Вашего профиля Личного кабинета ИСУ установлен переключатель "Использовать пароль ИСУ в ЦДО".


Инструкция по настройке среды обучения (2)Введите параметры своей учетной записи Личного кабинета ИСУ и нажмите кнопку

Слайд 33Инструкция по настройке среды обучения (3)
После входа в систему перейдите

в настройки профиля, нажав на иконку в правом верхнем углу

страницы.


Инструкция по настройке среды обучения (3)После входа в систему перейдите в настройки профиля, нажав на иконку в

Слайд 34Инструкция по настройке среды обучения (4)
Отредактируйте адрес электронной почты, после

чего в разделе "Единая система идентификации и аутентификации" нажмите кнопку

"Подключить".


Инструкция по настройке среды обучения (4)Отредактируйте адрес электронной почты, после чего в разделе

Слайд 35Инструкция по настройке среды обучения (5)
После перехода на страницу входа

"Современной цифровой образовательной среды в Российской Федерации" (СЦОС) при наличии

учетной записи введите свои аутентификационные данные

Инструкция по настройке среды обучения (5)После перехода на страницу входа

Слайд 36Инструкция по настройке среды обучения (6)
Если учетной записи на СЦОС

у Вас еще нет, то перейдите по ссылке "Регистрация", введите

необходимые данные и подтвердите адрес электронной почты после получения соответствующего письма. По окончании регистрации подключите учетную запись к своему профилю в ЭИОС Университета (пункты 4, 5).
Инструкция по настройке среды обучения (6)Если учетной записи на СЦОС у Вас еще нет, то перейдите по

Слайд 37Инструкция по настройке среды обучения (7)
Если подключение выполнено успешно (пункты

4-6), то в настройках профиля ЭИОС Вы увидите свой идентификатор.


Инструкция по настройке среды обучения (7)Если подключение выполнено успешно (пункты 4-6), то в настройках профиля ЭИОС Вы

Слайд 38Инструкция по настройке среды обучения (8)
Перейдите на сайт платформы "Открытое

образование" (https://openedu.ru/) и нажмите кнопку "Вход" в правом верхнем углу.


Инструкция по настройке среды обучения (8)Перейдите на сайт платформы

Слайд 39Инструкция по настройке среды обучения (9)
При наличии учетной записи на

платформе "Открытое образование" введите в соответствующие поля свои данные и

нажмите кнопку "Войти". Перейдите к своему профилю по ссылке "Мой профиль" > "Профиль" в правом верхнем углу и в разделе "Аккаунты соц.сетей" подключите свою учетную запись СЦОС, нажав на соответствующую кнопку.

Слайд 40Инструкция по настройке среды обучения (10)
Если учетной записи у Вас

еще нет, то на странице входа платформы выберите вход с

учетной записью СЦОС, нажав на соответствующую кнопку. Профиль на платформе будет создан автоматически.
Инструкция по настройке среды обучения (10)Если учетной записи у Вас еще нет, то на странице входа платформы

Слайд 41Инструкция по настройке среды обучения (10)
Если Вы все выполнили верно,

то через несколько дней у Вас появится доступ к онлайн-курсу.

Переход к курсу осуществляется со страницы управления дисциплиной в ЭИОС (см. "Описание страницы управления дисциплиной в ЭИОС"). Вход во все системы теперь для Вас осуществляется с использованием единой учетной записи СЦОС, как в ЭИОС Университета по кнопке "Вход через ЕСИА" на странице авторизации, так и на платформу "Открытое образование" по кнопке "СЦОС".
Инструкция по настройке среды обучения (10)Если Вы все выполнили верно, то через несколько дней у Вас появится

Слайд 42Описание страницы управления дисциплиной в ЭИОС
После входа в ЭИОС Вы

автоматически попадаете на главную страницу системы, содержащую карточки дисциплин
При переходе

к конкретной дисциплине Вы переходите к странице, содержащий следующие разделы:
Раздел с отображением набранных Вами баллов в ходе освоения дисциплины.
Раздел "Сертификаты", позволяющий загрузить сертификаты по пройденным ранее онлайн-курсам, которые Вы желаете перезачесть в рамках дисциплины.
Раздел "Онлайн-курсы" со списком доступных для освоения онлайн-курсов в рамках дисциплины или ее разделов. Если Вы хотите пройти курс, который выбрали сами, то вам нужно согласовать его с преподавателями дисциплины и указать информацию по нему в соответствующем поле.
Раздел "Запись на консультацию", позволяющий записаться на одну из ближайших очных консультаций по дисциплине и задать вопрос.
Описание страницы управления дисциплиной в ЭИОСПосле входа в ЭИОС Вы автоматически попадаете на главную страницу системы, содержащую

Слайд 43Возможные траектории изучения дисциплины

Возможные траектории изучения дисциплины

Слайд 44Шаги в правильном направлении
Записаться на курс
Просмотреть содержание
Выбрать для всех разделов

дисциплины способ изучения
Изучать материал в удобное время
По срокам упражнений придерживаться

контрольных точек
При возникновении сложностей задавать вопросы на форуме – глупых вопросов не бывает!
Если не получается решить проблему на форуме, записываться на очную консультацию
Написать отзывы и конструктивные предложения по курсу на digitalculture@cde.ifmo.ru
Шаги в правильном направленииЗаписаться на курсПросмотреть содержаниеВыбрать для всех разделов дисциплины способ изученияИзучать материал в удобное времяПо

Слайд 45Спасибо за внимание!
Санкт-Петербург, 2018

Спасибо за внимание!Санкт-Петербург, 2018

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика