меню

Модуль Цифровая культура в бакалавриате

Раздел

Содержание

Описание модуля

Лекции модуля Цифровая культура позволяют слушателям овладеть компетенциями для использования информационно-коммуникационных технологий, обеспечивающих возможность комфортной жизни в цифровой среде, взаимодействие с обществом и решение цифровых задач в профессиональной деятельности.

Вы научитесь ставить задачи, выбирать алгоритмы для обработки и анализа данных, использовать подходящие технологии для решения этих задач и правильно интерпретировать результат. Узнайте больше в Презентации для бакалавриата.

Инструкция о записи

Шаг 1. Активация учетной записи на Национальной платформе «Открытое образование». Ссылка для активации придёт на электронную почту, указанную в Личном кабинете ИСУ, в день начала курса.

Шаг 2. Переход к курсам и обучение.

Смотрите подробную инструкцию

Контакты

Кронверкский пр., 49, ауд. 420

Биржевая, 14, ауд. 446-447

Тел. 8 (812) 607-04-64

dc@itmo.ru

Дисциплины

Введение в цифровую культуру

Курс разделен на 3 блока, знакомящих слушателей с основными достижениями в области информационно-коммуникационных технологий. Фундаментальный блок содержит в себе лекции по таким направлениям, как архитектура ЭВМ и ОС, технологии программирования, сетевые технологии, искусственный интеллект, информационная безопасность, квантовые технологии, технологии интернета и Web. Личностный блок рассматривает персональные проблемы взаимодействия человека и цифрового общества, такие как: цифровая этика, умные вещи или/ и безопасная жизнь, технологии цифровой экономики и блокчейн, культура Интернет-коммуникаций, основы персональной информационной безопасности. В сервисном блоке представлены лекции по следующим темам: цифровое образование, цифровые гуманитарные науки, технологии виртуальной, дополненной и смешанной реальности (VR/AR/MR), социальные сети, библиографический поиск.

Трудоемкость дисциплины:

  • 3 зачетные единицы
  • 108 академических часов

Язык реализации: русский

Форма занятий: Смешанное обучение: лекции и упражнения online, семинары и мастер-классы в очном формате

Форма контроля: Зачет по результатам выполнения онлайн-упражнений курса

 

Хранение и обработка данных

Дисциплина состоит из трех модулей: «Введение в обработку и анализ данных», «Основы баз данных» и «Основы NoSQL систем». Модуль «Введение в обработку и анализ данных» освещает вопросы, связанные с представлением данных, разведочным анализом, визуализацией. Особое внимание уделяется анализу временных рядов. Модуль «Основы баз данных» освещает вопросы, связанные с организацией современных баз данных. Особое внимание уделяется проектированию и разработке баз данных, основанных на реляционной модели. Модуль «NoSQL-системы» освещает вопросы, связанные с организацией слабоструктурированных и неструктурированных данных. Рассматриваются технологии, характерные для этих систем, классификация и приемы работы с наиболее популярными представителями  хранилищ типа ключ-значение, документных хранилищ, колоночных и графовых.

Трудоемкость дисциплины:

  • 3 зачетные единицы
  • 108 академических часов

Язык реализации: русский

Форма занятий: Смешанное обучение: лекции и упражнения online, семинары и мастер-классы в очном формате

Форма контроля: Зачет по результатам выполнения онлайн-упражнений курса

Презентация по дисциплине Хранение и обработка данных

 

Прикладная статистика

В этом курсе мы познакомим слушателей с основами теории вероятностей, изучим одномерные и многомерные случайные величины, их характеристики, а также увидим в действии закон больших чисел и центральную предельную теорему. Изучение статистики мы начнем с выборочных характеристик, продолжим точечным оцениванием неизвестных параметров генеральной совокупности, сравним точечные и интервальные методы оценивания. Расскажем про задачу проверки гипотез и подробно остановимся на критериях согласия.

Трудоемкость дисциплины:

  • 2 зачетные единицы
  • 72 академических часа

Язык реализации: русский

Форма занятий: Смешанное обучение: лекции и упражнения online, семинары и мастер-классы в очном формате

Форма контроля: Зачет по результатам выполнения онлайн-упражнений курса

Машинное обучение и анализ данных

Дисциплина «Машинное обучение и анализ данных»  знакомит слушателей с задачами машинного обучения, решение которых востребовано в настоящее время. Подробно рассматривается задача регрессии и подходы к ее решению, задача классификации и некоторые метрические и статистические алгоритмы классификации: логистическая регрессия, метод k-ближайших соседей, Байесовский классификатор, а также задача кластеризации с алгоритмами: k-средних и иерархическая (или агломеративная) кластеризация. Дисциплина также рассказывает о более сложных и продвинутых алгоритмах МО для решения различных задач профессиональной области. Он знакомит и с элементами факторного анализа, и с деревьями принятия решений, и ансамблевыми методами. Кроме того, рассматриваются еще и такие ветки машинного обучения, как обучение с подкреплением и нейронные сети.

Трудоемкость дисциплины: 

  • 4 зачетные единицы
  • 144 академических часа

Язык реализации: русский

Форма занятий: Смешанное обучение: лекции и упражнения online, семинары и мастер-классы в очном формате

Форма контроля: Зачет по результатам выполнения онлайн-упражнений курса

 

Цифровая культура в профессиональной деятельности

Компьютерная безопасность (3 курс, V семестр)

Курс знакомит слушателей с основными задачами информационной безопасности, которые могут быть решены с применением методов машинного обучения. Вы узнаете основные понятия и направления информационной безопасности, познакомитесь с основными подходами и алгоритмами на примере решения задач защиты информации. На примере решения задач из области информационной безопасности научитесь предсказывать и выявлять сетевые атаки, проводить анализ спама, настраивать алгоритмы биометрической идентификации, анализировать и выявлять вирусы и пр. В том числе курс включает в себя изучение вопросов безопасности систем и методов машинного и глубокого обучения, а также возможности проведения атак на такие системы.

После окончания курса вы научитесь применять основные методы машинного обучения (регрессию, классификацию и кластеризацию) к решению задач информационной безопасности.

Курс предполагает 5 лекций и практик.

Пререквизиты: Курс машинного обучения, основы программирования

Авторы курса: Воробьева Алиса Андреевна (доцент факультета безопасности информационных технологий), Коржук Виктория Михайловна (ассистент факультета безопасности информационных технологий) и другие.

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет. Выполнение упражнений каждой недели курса с минимальным порогом 60%, выполнение итогового задания с минимальным порогом 60%.

Основы сетевых технологий (3 курс, V семестр)

Курс предназначен для тех, кто начинает свое знакомство с сетевыми технологиями, или хочет обобщить свой существующий практический опыт. После прохождения курса у учащегося появится представление о принципах и архитектурах сетевой коммуникации на примере стека TCP\IP. В курсе рассмотрены следующие вопросы:

  • Модель OSI, архитектура стека, принципы сетевой коммуникации.
  • Локальные сети на примере протоколов IEEE 802.3 (ETHERNET)
  • Коммуникационное оборудование Ethernet, коммутаторы L2 и L3, наиболее востребованные функции коммутаторов.
  • Архитектура стека TCP\IP.
  • Протоколы IPv4 и IPv6.
  • Основы маршуртизации и трансляции адресов.
  • Работа протоколов TCP и UDP.
  • Архитектура и принципы работы DNS.
  • Предусмотрены практические задания на ОС Linux. 
  • Предполагаемая продолжительность курса 10 недель. 

Курс предполагает 8 лекций и практик. 

Пререквизиты: Начальные навыки работы в консоли Linux (вызов команд, редактирование файлов, получение встроенной справки). Владение двоичной системой счисления, битовыми логическими операциями. Владение базовыми понятиями теории графов.

Автор курса: Береснев Артем Дмитриевич (старший преподаватель  факультета инфокоммуникационных технологий)

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Технологии информационного поиска (3 курс, V семестр)

Курс знакомит слушателей с алгоритмами и инструментами для обработки текстов на естественном языке. После краткого введения в историю области будут рассмотрены подходы, работающие с языком на разных уровнях: от токенизации до синтаксического разбора. Основное внимание будет уделено подходам на основе машинного обучения по данным.

По окончании курса вы будете иметь представление о ландшафте методов современного автоматического анализа текста и опыт использования нескольких наиболее важных инструментов. В том числе pymorphy2, mystem, NLTK, scikit-learn, UDPipe и др.

Курс по-своему уникален: его подготовкой занимались специалисты по компьютерной лингвистике и прикладной обработке текстов, у каждого из которых свой взгляд на обработку языка как науку — и на свою область экспертизы. Надеемся, что это лишь сделает курс ещё интереснее.

Продолжительность — от 6 недель.

Пререквизиты: Минимальный уровень подготовки: основы линейной алгебры, основы классической вероятности, основы алгоритмов и программирования, владение русским или английским языками.

Автор курса:  Антон Михайлович Алексеев (Computer Science Center, Steklov Institute of Mathematics at St. Petersburg)

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Интернет вещей (3 курс, V семестр)

Курс посвящен основам концепции “Интернета Вещей”. Основная цель курса — предоставить слушателю базовые знания, необходимые для понимания концепции IoT. В результате прохождения курса слушатели научатся отбирать технологии работы с информацией в зависимости от класса задач в области Интернета вещей, овладеют технологиями программирования и конфигурирования сетевого взаимодействия устройств Интернета вещей.

Продолжительность — 6 лекций (недель) и итоговый зачет.

Итоговая аттестация — выполнение упражнений каждой недели курса с минимальным порогом 50%, выполнение итогового зачета (очно или с прокторингом) с минимальным порогом 50%. 

Пререквизиты: обязательно знание английского языка (лекции и задания на английском языке), базовые навыки программирования.

Авторы курса: Капитонов Александр Александрович (декан  факультета инфокоммуникационных технологий), Чернов Валерий Андреевич (техник факультета систем управления и робототехники) и другие. Курс доступен в расширенном объеме на платформе edX:   https://www.edx.org/professional-certificate/itmox-iot-from-hardware-to-practice

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет. Все задания курса имеют автоматизированную систему проверки.

Обработка изображений (3 курс, V или VI семестр)

Курс знакомит слушателей с основными алгоритмами анализа изображений. Вы узнаете о различных способах цифрового представления изображений, цветовых моделях. Будут рассмотрены преобразования изображений (яркостные, цветовые) и фильтрация (пространственная, частотная) изображений. В результате прохождения курса, слушатели узнают о применении различных видов нейронных сетей (AlexNet, ResNets, VGGs, Inception) для классификации изображений, а также о двухфазных и однофазных алгоритмах: YOLO, SSD, Mask-R-CNN 

Курс предполагает 5 лекций и практик.

Пререквизиты: Курс машинного обучения, курс по  нейронным сетям, основы программирования.

Автор курса: Наталья Васильева (Computer Science Center, HP Labs)

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Компьютерное зрение (3 курс, VI семестр)

На курсе рассматриваются основные задачи из области компьютерного зрения, вокруг которых сконцентрировано внимание научного сообщества и промышленности. В рамках данного курса изучаются наиболее распространенные современные методы решения рассматриваемых проблем.

Пререквизиты: математическая статистика, вычислительные методы и анализ данных, а также общая подготовка в области математического анализа, линейной алгебры и дифференциальной геометрии.

Автор курса: Алексей Самарин, "ВКонтакте"

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Методы криптографии (3 курс, VI семестр)

Данный курс познакомит слушателей с основами криптографии. Будут рассмотрены  некоторые исторические шифры, лежащие в основе современных криптоалгоритмов. Современные алгоритмы шифрования: стандарты шифрования DES, AES, ГОСТ 28147-89, GSM, асимметричные алгоритмы шифрования и математические задачи, на которых они основываются (алгоритм RSA, криптосистема рюкзак). Поговорим о гибридных криптосистемах, также рассмотрим алгоритмы подписи, идею криптографических хэш-функций и немного поговорим о криптоанализе.

Курс предполагает 8 лекций, выполнение практических занятий.

Пререквизиты: Теория чисел, дискретная математика, желательно знание основ программирования.

Автор курса:  к. ф. м.-н., доцент Левина Алла Борисовна

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Анализ социальных сетей (3 курс, VI семестр)

В курсе рассматриваются виды социальных сетей, задачи анализа и классификации. Слушатели познакомятся с методами сбора, извлечения и агрегирования информации из социальных сетей. Научатся решать различного рода задачи, в том числе на определение параметров пользователя по социальному графу, определение компонент связности, перекрывающиеся сообщества, построение остовного дерева.

Пререквизиты: Уверенные навыки программирования, основы теории графов

Авторы курса: Андрей Кузнецов (Мейл.ру)

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Методы искусственного интеллекта (3 курс, VI семестр)

В курсе освещаются основные достижения искусственного интеллекта в различных сферах человеческой деятельности. Будет рассмотрено применение основных технологий, лежащих в основе ИИ, включая онтологии и графы знаний, нейронные сети, технологии дополненной реальности, компьютерное зрение и многое другое. Цель курса — дать представления о том, как современные технологии трансформируют сферы деятельности человека: от распознавания речи, биометрии и информационной безопасности, до пассажирских перевозок и сегмента потребительских товаров и услуг.

Авторы курса: сборный курс от нескольких авторов

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Теория массового обслуживания (3 курс, VI семестр)

Дисциплина рассматривает теоретические и практические вопросы проектирования и моделирования систем массового обслуживания, применение математических методов при решении задач оптимизации компьютерных сетей, систем связи, технических систем и экономических процессов, в которых возникают задержки в обслуживании или очереди, реализации их моделей с использованием математических пакетов программ. В курсе рассматриваются одноканальные и многоканальные СМО как с ограничением, так и без ограничения на длину очереди.

Автор курса: Лукина Марина Владимировна (старший преподаватель, факультет систем управления и робототехники)

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Обработка сигналов (3 курс, VI семестр)

Современность отличает мощный процесс цифровизации почти всех сфер деятельности человека. Информационные технологии проникают повсеместно. Аналоговая обработка сигналов почти полностью вытесняется цифровой, практика перевода сигнала в цифровую форму и дальнейшие манипуляции с ним уже «в цифре» является сейчас доминирующей при работе с сигналами самой различной природы. Сегодня цифровая обработка сигналов (digital signal processing - DSP, ЦОС) является ядром множества видов новейших цифровых разработок и различных приложений в информационном обществе (например, цифровая мобильная связь, цифровые видеокамеры, телевидение и системы звукозаписи). Именно поэтому курс нацелен на изучение именно цифровой обработки сигналов, а методы, рассмотренные в курсе, являются универсальными.

Необходимые для понимания и освоения курса знания включают в себя университетские программы высшей математики, программирования и работы с математическим пакетом MATLAB в объёме первого и второго годов обучения.  В ходе освоения курса происходит знакомство не только с теоретической базой, но также осваиваются практические навыки анализа и трансформации цифровых сигналов при помощи системы MATLAB. Задания, даваемые после лекций, направлены на отработку этих теоретических и практических навыков анализа и фильтрации дискретных и цифровых сигналов во временной и частотной областях, построения КИХ- и БИХ-линейных систем (систем с конечной (КИХ) и бесконечной (БИХ) импульсной характеристикой), а также навыки компьютерной обработки изображений.

Пререквизиты: университетские курсы высшей математики, программирования и работы с математическим пакетом MATLAB в объёме первого и второго годов обучения

Автор курса: Орлов Алексей Анатольевич (научный сотрудник, физико-технический факультет)

Трудоемкость дисциплины: 3 зачётных единицы, 108 академических часов

Форма контроля: зачет

Команда модуля

Михайлова

Михайлова Елена Георгиевна

доцент, кандидат физико-математических наук, руководитель модуля

Графеева

Графеева Наталья Генриховна

доцент, кандидат физико-математических наук

Егорова

Егорова Ольга Борисовна

кандидат филологических наук

Бойцев

Бойцев Антон Александрович

кандидат физико-математических наук

Волчек

Волчек Дмитрий Геннадьевич

кандидат технических наук

Романов

Романов Алексей Андреевич

кандидат технических наук