Цифровая культура

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)

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.

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

данных
Статистика
Машинное обучение

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.

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

оценивание зависимостей.
Регрессионный, дисперсионный анализ, факторный анализ.

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.

(~ 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: знакомство с основными понятиями высшей математики, элементарный аппарат теории вероятностей и математической статистики

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

лекции)
3. Машинное обучение (4 лекции)

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

лекции)
3. Машинное обучение (4 лекции)

Отличия?

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

лекции)
3. Машинное обучение (4 лекции)

Альтернативы?

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

лекции)
3. Машинное обучение (4 лекции)

Альтернативы? Есть!

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

лекции)
3. Машинное обучение (4 лекции)

28 баллов

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

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

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

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»)

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

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

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)

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

фрагмента небольшой опрос (самопроверка)
После каждой лекции тест – 7 баллов
Итого 56 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

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)

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)

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)

просить финансовую помощь
При успешном прохождении курсов компенсация от ИТМО

вычислений и немного программирования

Машинное обучение
Формы контроля требуют вычислений и не требуют программирования

Машинное обучение
Формы контроля требуют вычислений и требуют программирования

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

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

/ Sign In" в правом верхнем углу

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".

в настройки профиля, нажав на иконку в правом верхнем углу

страницы.

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

"Подключить".

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

учетной записи введите свои аутентификационные данные

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).

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

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

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.

еще нет, то на странице входа платформы выберите вход с

учетной записью СЦОС, нажав на соответствующую кнопку. Профиль на платформе будет создан автоматически.

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".

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.

и операционные системы для работы с курсом:
Операционные системы: Windows (7,

8, 10), Mac OS
Браузеры: Chrome (кроме версии 53), Safari, Mozilla Firefox
Рекомендуемая скорость Интернет-соединения для просмотра видео: от 3 мбит/сек.
В библиотеке ИТМО
Кронверкский 49 – 17 компьютеров
Гривцова 14 – 2 компьютера

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