Независимый экзамен по анализу данных. Базовый уровень

Бакалавриат 2023/2024

Статус: Курс обязательный (Физика)

Направление: 03.03.02. Физика

Кто читает: Отдел развития цифровых компетенций

Где читается: Санкт-Петербургская школа физико-математических и компьютерных наук

Когда читается: 3-й курс, 4 модуль

Формат изучения: с онлайн-курсом

Онлайн-часы: 2

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Акаева Кавсарат Исламовна

Язык: русский

Кредиты: 1

Контактные часы: 2

Полная версия программы учебной 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 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).