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

Бакалавриат 2025/2026

Статус: Курс обязательный (Управление цепями поставок и бизнес-аналитика)

Кто читает: Отдел развития цифровых компетенций

Где читается: Факультет компьютерных наук

Когда читается: 3-й курс, 4 модуль

Онлайн-часы: 2

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Перевышина Татьяна Олеговна

Язык: русский

Кредиты: 1

Дополнительные материалы в LMS Задать вопрос

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 базовом 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

- 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

Выбирает корректные графики для визуализации данных
Выбирает правильный тип визуализации для решения конкретной задачи.
Загружает данные в ПО и работает с ними (фильтрация, агрегация, заполнение пропущенных значений).
Умение реализовывать цикл с условием. Умение использовать представлять входные данные в удобном для дальнейшей работы формате.
Умение работать с данными, представленными в виде словаря, осуществлять поиск по словарю.