Аспирантура
2026/2027
Методы машинного обучения в исследованиях образования
ID 1066378
Статус:
Курс по выбору
Кто читает:
Департамент образовательных программ
Где читается:
Институт образования
Когда читается:
2-й курс, 1 семестр
Охват аудитории:
для своего кампуса
Преподаватели:
Адамович Ксения Александровна
Язык:
русский
Кредиты:
4
Контактные часы:
28
Программа дисциплины
Аннотация
Данный курс позволит знакомит слушателей с основами одной из самых обсуждаемых профессиональных сфер XXI века – Data Science. В рамках данного курса студенты познакомятся с центральными понятиями и методами машинного обучения и узнают об их применении в исследованиях образования. В ходе обучения слушатели научатся работать с деревьями решений и случайными лесами, использовать методы предиктивной аналитики в образовании, а также анализировать тестовые и панельные данные. Практическая часть курса будет посвящена работе в Python и знакомству с наиболее популярными библиотеками для машинного обучения и анализа данных.
Цель освоения дисциплины
- Курс ставит перед собой цель развить понимание студентов о том, как методы машинного обучения могут быть применены для анализа данных образовательных систем, а также познакомить с основными методами машинного обучения и Data science.
Планируемые результаты обучения
- Владеет основными принципами и методами подготовки и проведения исследований, использующих текстовые данные.
- - Освоить базовый синтаксис языка программирования Python
- Реализует сбор данных в сети с помощью парсинга или обращения к API.
- способен объяснить основные концепции и принципы, лежащие в основе методов машинного обучения в исследованиях образования.
- способен классифицировать различные методы машинного обучения и объяснить их применимость в анализе данных образовательных систем
- cпособен применять методы машинного обучения, такие как классификация, регрессия и кластеризация, для анализа и обработки данных образовательных систем
- уметь применять методы машинного обучения для выявления паттернов и закономерностей в данных образовательных систем, а также для прогнозирования и принятия решений в контексте образования.
- умеет интерпретировать результаты анализа данных и выдвигать информированные выводы, основанные на применении методов машинного обучения в образовательных исследованиях.
- умеет критически оценивать применимость методов машинного обучения в различных ситуациях и адаптировать их для решения конкретных проблем в образовательных исследованиях.
Содержание учебной дисциплины
- Тема 1. Знакомство с методами машинного обучения и их применением в исследованиях образования
- Тема 2. Обучение с учителем
- Тема 3. Обучение без учителя
- Тема 4. Предиктивная аналитика
- Тема 5. Анализ панельных данных
- Тема 6. Анализ текстовых данных
- Тема 7. Парсинг веб-данных
Элементы контроля
- Домашнее задание по теме "Предиктивная аналитика"Домашнее задание по теме "Предиктивная аналитика"
- Итоговый проект
Промежуточная аттестация
- 2026/2027 1st semester0.7 * Итоговый проект + 0.3 * Домашнее задание по теме "Предиктивная аналитика"
