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

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

1

Кредиты

Кто читает:

Отдел развития цифровых компетенций

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

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

Содержание учебной дисциплины

• Экзамен

Элементы контроля

• Часть А
• Часть B
• Часть С

Промежуточная аттестация

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

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