Мы используем файлы cookies для улучшения работы сайта НИУ ВШЭ и большего удобства его использования. Более подробную информацию об использовании файлов cookies можно найти здесь, наши правила обработки персональных данных – здесь. Продолжая пользоваться сайтом, вы подтверждаете, что были проинформированы об использовании файлов cookies сайтом НИУ ВШЭ и согласны с нашими правилами обработки персональных данных. Вы можете отключить файлы cookies в настройках Вашего браузера.

  • A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
13
Апрель

Внешнее измерение цифровых компетенций. Входной контроль

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
Статус:
Курс обязательный
Когда читается:
2-й курс, 3 модуль

Программа дисциплины

Аннотация

Внешнее измерение цифровых компетенций (далее — ВИ ЦК) интегрировано во все образовательные программы НИУ ВШЭ и обязательно для студентов бакалавриата, обучающихся на русскоязычных программах на 2 курсе. ВИ ЦК "Входной контроль" определяет начальный уровень сформированности цифровых компетенций студента. ВИ ЦК "Входной контроль" осуществляется с помощью процедур прокторинга, продолжительность экзамена — 180 минут. Экзамен состоит из тестовой и практической части. В практической части студент решает проблемную ситуацию с помощью выбора одного из нескольких вариантов действий. 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 внешнего измерения цифровых компетенций в установленные сроки не влечет за собой академическую задолженность. Непрохождение внешнего измерения цифровых компетенций приравнивается к задолженности до момента сдачи.
Цель освоения дисциплины

Цель освоения дисциплины

  • Визуализация. Основные виды распределений. Типы переменных. Меры центральной тенденции и разброса. Выбросы. Сбор данных. Выборка и генеральная совокупность. Корреляция. Введение в линейную регрессию.
Планируемые результаты обучения

Планируемые результаты обучения

  • Большие данные. Анализ данных. Искусственный интеллект. Машинное обучение. Виды машинного обучения: обучение с учителем, обучение без учителя, обучение с подкреплением. Разметка данных. Объекты, ответы и признаки в машинном обучении. Измерение ошибки.
  • Операторы сравнения. Логические операторы. Логические выражения. Условные конструкции.Цикл для перебора последовательностей. Операции над множествами. Работа со словарями и вложенными структурами данных. Цикл для перебора данных словаря. Пользовательские функции. Разбиение программы на функции. Вложенные функции. Локальные и глобальные переменные.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Внешнее измерение цифровых компетенций
Элементы контроля

Элементы контроля

  • неблокирующий Часть А
    В тестовой части студенту предстоит решить 8 тестовых заданий с вариантами ответов / задания, где нужно вписать ответ / расставить блоки кода в правильном порядке и т.д.
  • неблокирующий Часть B
    В практической части-1 студенту предстоит решить 6 задач, для которых нужно написать код на языке Python. В этой части задачи простые, решение занимает несколько строк
  • неблокирующий Часть C
    В практической части-2 студенту предстоит решить 5 задач, для которых нужно написать код на языке Python. В этой части задачи более сложные чем в практической части-1.
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 3rd module
    0.25 * Часть А + 0.35 * Часть B + 0.4 * Часть C
Список литературы

Список литературы

Рекомендуемая основная литература

  • Derivatives analytics with Python : data analysis, models, simulation, calibration and hedging, Hilpisch, Y. J., 2015
  • Kelleher, J. D., & Tierney, B. (2018). Data Science. The MIT Press.
  • Pandas for everyone : Python data analysis, Chen, D. Y., 2023

Рекомендуемая дополнительная литература

  • Kotu, V., & Deshpande, B. (2019). Data Science : Concepts and Practice (Vol. Second edition). Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1866160

Авторы

  • Акаева Кавсарат Исламовна
  • Рословцева Кристина Олеговна
  • Королева Анастасия Романовна