• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Независимый экзамен по анализу данных, искусственному интеллекту и генеративным моделям. Продвинутый уровень

2024/2025
Учебный год
RUS
Обучение ведется на русском языке
1
Кредиты
Статус:
Курс обязательный
Когда читается:
3-й курс, 4 модуль

Программа дисциплины

Аннотация

Одной из цифровых компетенций, формирование которых интегрировано во все образовательные программы НИУ ВШЭ, является компетенция «Анализ данных и методы искусственного интеллекта» (далее — Анализ данных): от использования математических методов и моделей для извлечения знаний до решения профессиональных задач и разработки новых подходов. Для каждого направления подготовки в бакалавриате образовательным стандартом определен минимально необходимый уровень освоения этой цифровой компетенции: начальный/базовый/продвинутый. Независимая оценка компетенции по Анализу данных является обязательной частью учебного плана для всех образовательных программ бакалавриата. Она предполагает подтверждение минимально необходимого уровня для ОП освоения данной компетенции. Оценка проводится после того, как на ОП завершены курсы, обеспечивающие формирования этого уровня. Данный экзамен проверяет наличие компетенции по Анализу данных на продвинутом уровне. Независимый экзамен осуществляется с помощью прокторинга. Итоговый результат переводится в шкалу от 1 до 10. Оценка ниже 4 баллов округляется с отбрасыванием дробной части (к меньшему целому), оценка от 4 баллов округляется к ближайшему целому. Отсутствие положительных результатов независимой оценки по Анализу данных в установленные сроки влечёт за собой академическую задолженность.
Цель освоения дисциплины

Цель освоения дисциплины

  • - Развитие навыков работы с данными: обработка, визуализация, разведывательный анализ. - Развитие навыков постановки исследовательской задачи и тестирования гипотез с помощью количественных методов - Знакомство с задачами линейной и логистической регрессии
Планируемые результаты обучения

Планируемые результаты обучения

  • Выбирает корректные графики для визуализации данных
  • Выбирает корректные графики для визуализации данных.
  • Загружает данные в ПО и работает с ними (фильтрация, агрегация, заполнение пропущенных значений).
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Экзамен
Элементы контроля

Элементы контроля

  • неблокирующий Часть А
  • неблокирующий Часть B
  • неблокирующий Часть С
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 4th module
    0.35 * Часть B + 0.25 * Часть А + 0.4 * Часть С
Список литературы

Список литературы

Рекомендуемая основная литература

  • Core concepts in data analysis: summarization, correlation and visualization, Mirkin, B., 2011

Рекомендуемая дополнительная литература

  • Miroslav Kubat. (2017). An Introduction to Machine Learning (Vol. 2nd ed. 2017). Springer.

Авторы

  • Акаева Кавсарат Исламовна