Бакалавриат
2024/2025
Независимый экзамен по анализу данных, искусственному интеллекту и генеративным моделям. Продвинутый уровень
Статус:
Курс обязательный (Бизнес-информатика)
Направление:
38.03.05. Бизнес-информатика
Кто читает:
Отдел развития цифровых компетенций
Когда читается:
3-й курс, 4 модуль
Формат изучения:
с онлайн-курсом
Онлайн-часы:
2
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Перевышина Татьяна Олеговна
Язык:
русский
Кредиты:
1
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
- Формирование навыков анализа и интерпретации данных с использованием современных методов статистики и машинного обучения.
- Формирование навыков подготовки, преобразования и исследования данных с использованием программных инструментов.
- Освоение основных методов оценки качества моделей машинного обучения и выбора подходящей метрики в зависимости от задачи.
- Формирование навыков построения, обучения, настройки и оценки моделей машинного обучения.
- Развитие навыков математического и статистического мышления при решении задач анализа данных.
- Формирование представления о принципах работы классических алгоритмов машинного обучения, методов кластеризации и базовых архитектур нейронных сетей.
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).
