Модуль Цифровая культура в бакалавриате

Если вы поступили до 2026 года, вы продолжаете обучение по прежней программе модуля «Цифровая культура». Ниже — краткое описание дисциплин.

Раздел	Содержание
Описание модуля	Модуль позволяет студентам освоить базовые навыки работы с цифровыми технологиями для решения профессиональных задач. В рамках курсов вы изучите ключевые принципы работы с данными и научитесь применять их для решения прикладных задач, а также освоите актуальные инструменты и технологии для комфортного пребывания в цифровой среде.
Формат обучения	Дисциплины реализуются в смешанном формате. Вы смотрите или читаете лекции и выполняете практические задания с автоматизированной проверкой на нашей образовательной платформе в любое удобное время. Дополнительно преподаватели проводят вебинары, на которых рассматривают полезные материалы и альтернативные способы решения задач. Каждую неделю команда ВШЦК организует консультации, на которых вы можете задать вопрос по курсу, проверить решение и разобрать сложные теоретические вопросы.
Доступ к образовательной платформе	Обучение проходит на образовательной платформе lms.itmo.ru. Курсы находятся в закрытом доступе, не пытайтесь записаться на курс самостоятельно. Доступ к курсам предоставляется через некоторое время после закрытия выборности. Мы всегда делаем рассылки и публикуем соответствующие новости
Контакты	Адрес: Кронверкский проспект 49, аудитория 2424 Биржевая линия В. О. 14, аудитории 446 Телефон: +7 (812) 480-07-21 E-mail: aic@itmo.ru Наш канал в телеграм

Основные дисциплины

Введение в Цифровую культуру и программирование

Обязательная часть: архитектура ЭВМ и операционные системы, технологии программирования, сетевые технологии, информационная безопасность, встроенные системы, библиографический поиск.

Вариативная часть: цифровая этика, интернет вещей, блокчейн, VR/AR/MR, цифровые гуманитарные науки, социальные сети, а также блок по Python с нуля.

Трудоемкость дисциплины: 3 зачетные единицы

Язык реализации: русский

Форма контроля: Зачет

Хранение и обработка данных

Три модуля: введение в обработку и анализ данных (визуализация, разведочный анализ, временные ряды), основы баз данных (реляционная модель, SQL) и NoSQL-системы (ключ-значение, документные, колоночные, графовые хранилища). На продвинутом уровне — проектирование собственных хранилищ и управление транзакциями.

Трудоемкость дисциплины: 3 зачетные единицы

Язык реализации: русский

Форма контроля: Зачет по результатам выполнения онлайн-упражнений курса

Прикладная статистика

Основы теории вероятностей (вероятностное пространство, случайные величины и их распределения, математическое ожидание, дисперсия) и прикладная статистика (точечные оценки, доверительные интервалы, проверка гипотез). На продвинутом уровне — моделирование на Python (scipy.stats, numpy).

Трудоемкость дисциплины: 3 зачетные единицы

Язык реализации: русский

Форма контроля: Зачет

Машинное обучение

Классические подходы к задачам регрессии, классификации и кластеризации. Переобучение, регуляризация, инженерия признаков. Линейная и логистическая регрессии, kNN, SVM, K-средних, деревья решений, ансамбли, методы понижения размерности, обучение без учителя.

Трудоемкость дисциплины: 3 зачетные единицы

Язык реализации: русский

Форма контроля: Зачет

Цифровая культура в профессиональной деятельности

Цифровая культура в профессиональной деятельности (3 курс, V или VI семестр)

Дисциплины по выбору.

Дисциплина	Кратко	Пререквизиты
Компьютерная безопасность	Методы машинного обучения в задачах информационной безопасности: выявление сетевых атак, анализ спама, биометрическая идентификация, обнаружение вирусов, атаки на ML-системы.	Машинное обучение
Основы сетевых технологий	Принципы и архитектуры сетевой коммуникации на примере стека TCP/IP: модель OSI, Ethernet, IPv4/IPv6, маршрутизация, TCP/UDP, DNS. Практика на Linux.	Основы работы в консоли Linux, двоичная система, теория графов
Технологии информационного поиска	Алгоритмы и инструменты обработки текстов на естественном языке — от токенизации до синтаксического разбора. pymorphy2, mystem, NLTK, scikit-learn, UDPipe.	Линейная алгебра, теория вероятностей, основы программирования
Интернет вещей	Базовые технологии и алгоритмы концепции IoT, программирование и конфигурирование сетевого взаимодействия устройств.	Базовые навыки программирования
Обработка изображений	Цифровое представление изображений, цветовые модели, преобразования и фильтрация. Нейросети для классификации (AlexNet, ResNet, VGG, Inception) и детекции (YOLO, SSD, Mask R-CNN).	Python
Компьютерное зрение	Основные задачи компьютерного зрения и современные методы их решения.	Матстатистика, анализ данных, линейная алгебра, Python (ООП), нейронные сети
Методы криптографии	Исторические шифры, современные симметричные (DES, AES, ГОСТ 28147-89) и асимметричные (RSA) алгоритмы, гибридные криптосистемы, ЭЦП, хэш-функции, основы криптоанализа.	Теория чисел, дискретная математика, программирование
Анализ социальных сетей	Извлечение и агрегирование информации из соцсетей: рекомендация друзей, поиск негативных высказываний, поиск упоминаний компаний и людей.	Программирование, теория графов, Python (ООП)
Методы искусственного интеллекта	Обзорный курс: онтологии и графы знаний, нейронные сети, дополненная реальность, компьютерное зрение и трансформация отраслей под влиянием ИИ.	—
Теория массового обслуживания	Проектирование и моделирование СМО, оптимизация компьютерных сетей и систем связи, одноканальные и многоканальные системы с очередями.	Высшая математика
Обработка сигналов	Цифровая обработка сигналов: анализ и фильтрация во временной и частотной областях, КИХ- и БИХ-системы, компьютерная обработка изображений. Практика в MATLAB.	Высшая математика, программирование, MATLAB
Компьютерная визуализация	3D-моделирование и визуализация в Autodesk 3ds Max: от базовых инструментов до готовых проектов.	Наличие на ПК Autodesk 3ds Max