Эксплуатационная практика ВИТТЕ

Главная

Магазин

Отчет по практике

Информационные технологии

Эксплуатационная практика ВИТТЕ

Гарант

Был(а) на сайте 6 часов назад

Раздел

Программирование

Предмет

Информационные технологии

Тип

Отчет по практике

Просмотров

Покупок

Антиплагиат

Не указан

Размещена

3 Авг в 21:29

ВУЗ

Московский университет им. С.Ю. Витте

Курс

Не указан

Стоимость

2 980 ₽

Демо-файлы

ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ

76.4 Кбайт

МЕТОДИЧКА ЗАДАНИЕ

1.5 Мбайт

Файлы работы

Каждая работа проверяется на плагиат, на момент публикации уникальность составляет не менее 40% по системе проверки eTXT.

ОТЧЕТ ВОРД + Практика_код

701.6 Кбайт 2 980 ₽

Описание

Направление подготовки: 09.03.03 «Прикладная информатика»

Направленность (профиль) подготовки: Искусственный интеллект и анализ данных

Уровень высшего образования Бакалавриат

ПРОИЗВОДСТВЕННОЙ ПРАКТИКИ /вид практики/

ЭКСПЛУАТАЦИОННАЯ ПРАКТИКА /тип практики/

ПОЛНОЕ ЗАДАНИЕ В ДЕМО ФАЙЛЕ,

ЧАСТЬ ДЛЯ ПОИСКА ДУЛИБРУЮ НИЖЕ

Оглавление

ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ:

Руководитель практики*

от профильной организации

_______________/………………/

«__»____________ 20___ г.

Руководитель практики от Университета

(филиала Университета)

____________/ Преображенский М.В. /

«24» февраля 2025 г.

ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ

Студент:ФИО

Направление подготовки:09.03.03 Прикладная информатика

Направленность (профиль):Искусственный интеллект и анализ данных

Вид практики:Производственная практика

Тип практики:Эксплуатационная практика

Срок прохождения практики:с 2025-03-03 по 2025-05-11

Место проведения практики

(профильное подразделение Университета):Кафедра информационных систем

С требованиями охраны труда, техники безопасности, пожарной безопасности, а также правилами внутреннего трудового распорядка на предприятии ознакомлен.

24 февраля 2025 г. _______________/ Страхова К.О. /

Подпись ФИО обучающегося

* для практики на базе Университета не вносится

Период практики

Содержание работ

Формируемые компетенции

Отметка о выполнении

Виды проделанной работы, результаты которой необходимо отразить в отчете:

За неделю до начала практики

– оформить документы на практику, ознакомление с требованиями по прохождению практики и правилами оформления документов по практике.

– получить индивидуальное план-задание прохождения практики от руководителя практики от Университета

ПК-1, ПК-7

вып.

1-2 неделя

– Организовать рабочее место в рамках структурного подразделения Университета. Ознакомиться с правилами внутреннего трудового распорядка Университета.

– Пройти инструктаж по технике безопасности и правилах поведения при возникновении нештатных ситуаций.

– Выбрать предметную область для практического применения нейронной сети из предоставленного в программе практики списка, или согласовать свой вариант предметной области с руководителем практики.

– Провести анализ теоретических аспектов создания нейросетей в выбранной предметной области с использованием современной литературы и интернет-источников.

– Выбрать и при необходимости развернуть среду разработки нейросетевого решения с использованием языка программирования Python на ПК. Установить требуемые для работы с нейронными сетями в выбранной предметной области библиотеки. Использование других языков программирование возможно, по согласованию с руководителем практики.

– Произвести проектирование первого варианта рабочей нейронной сети. Описать требуемые слои и обосновать необходимость этих слоёв. Необходимо произвести математический расчёт работы слоёв, с использованием описывающих их работу математических формул, а так же объяснить принципы их работы с использованием диаграмм, графиков или схем.

– Рассчитать скорость обучения нейросети как функцию от её топологии, понять сколько по времени учится первый вариант сети и что произойдёт со скоростью обучения если изменить количество слоёв или их внутренние настройки. Представить соответствующие расчёты в соответствующем разделе работы.

ПК-1, ПК-7, ПК-8

3-4 неделя

– Произвести окончательный выбор топологии сети, создать её слои.

– Произвести экспериментальный подбор характеристик сети (число слоев, число блоков в скрытых слоях, наличие или отсутствие обходных соединений, передаточные функции нейронов).

– Найти данные для обучения нейронной сети, соответствующие выбранной предметной области.

– Подготовить данные к работе с нейронной сетью. По необходимости, организовать эти данные в виде соответствующих объектов-загрузчиков. Применить к этим данным необходимые трансформации, включая такие возможные варианты, как векторизация, нормализация, преобразование в тензоры итд.

ПК-1, ПК-8

5 неделя

– Произвести обучение нейросети на основе обучающей выборки.

– Выбрать способ оценки того, насколько хорошо сеть справляется с задачами.

– Рассчитать количество потерь в тренировке и произвести их минимизацию.

– Проверить адекватность обучения с точки зрения конкретной предметной области.

– Добиться базового уровня эффективности работы нейронной сети в выбранной предметной области. Достаточным считается уровень рейтинга accuracy>= 70. Если в конкретной предметной области оценка Accuracy не имеет смысла, то согласовать с руководителем практики альтернативный способ оценки и требуемый уровень точности.

ПК-1, ПК-8

6 неделя

– Разработать предположения о возможностях улучшения архитектуры нейронной сети для нужд выбранной предметной области

– Реализовать, обучить и протестировать один или несколько вариантов таких улучшений

ПК-8

Защита итогов практики, отраженных в отчете – в соответствии с расписанием

– Оформить отчет по практике. Разместить отчет по практике и созданные файлы в соответствующем разделе Электронного университета.

– Защита итогов практики, отраженных в отчете – в соответствии с расписанием.

ПК-1, ПК-7

Планируемые результаты практики

Коды

компетенций

Содержание компетенции

ПК-1

Способность разработки прикладного программного обеспечения, автоматизации работы с базами данных и документами, программирования бизнес-логики приложений, интеграции разнородных данных

ПК-7

Способность использовать отечественные и международные стандарты при проектировании и обеспечении качества прикладного программного обеспечения.

ПК-8

Знать методы и инструментальные средства интеллектуального анализа больших данных

Планируемые результаты практики, соотнесенные с планируемыми результатами освоения образовательной программы

Код и наименование профессиональной компетенции выпускника программы бакалавриата

Код и наименование индикатора достижения профессиональной компетенции

ПК-1

ПК-1.1

Знает технологии программирования прикладного программного обеспечения и бизнес-логики приложений

ПК-1.2

Умеет разрабатывать и конфигурировать прикладное программное обеспечение

ПК-1.3

Владеет навыками автоматизации решения типовых задач, работы с базами данных и документами, интеграции разнородных данных в корпоративных информационных системах

ПК-7

ПК-7.1

Знает правовые нормы, действующего законодательства, отечественные и международные стандарты в области информационных систем и технологий

ПК-7.2

Умеет использовать нормативно-правовые документы, международные и отечественные стандарты при решении стандартных проблем, возникающих в профессиональной деятельности

ПК-7.3

Владеет навыками в объеме, позволяющем использовать и составлять нормативно-правовые документы в своей профессиональной деятельности

ПК-8

Знать методы и инструментальные средства интеллектуального анализа больших данных

ПК-8.1

Знать методы и инструментальные средства интеллектуального анализа больших данных

ПК-8.2

Уметь выбирать средства представления результатов аналитики больших данных

ПК-8.3

Владеть техническими, программными средствами для разработки алгоритмов и программ в области интеллектуального анализа данных

ДАЛЕЕ ДЛЯ ПОИСКА ИДЕТ МЕТОДИЧКА, МОЖНО НЕ ЧИТАТЬ, СМОТРИТЕ ДЕМО ФАЙЛЫ

РАБОЧАЯ ПРОГРАММА

ПРОИЗВОДСТВЕННОЙ ПРАКТИКИ

/вид практики/

ЭКСПЛУАТАЦИОННАЯ ПРАКТИКА

/тип практики/

Направление подготовки:

09.03.03 «Прикладная информатика»

Направленность (профиль) подготовки:

Искусственный интеллект и анализ данных

Уровень высшего образования

Бакалавриат

2022 г.

СОДЕРЖАНИЕ

1. ОБЩИЕ ПОЛОЖЕНИЯ ................................................................................................. 3

1.1 Вид и типы, способ и формы ее проведения ................................................................. 3

1.2 Цель, задачи и нормативно-правовая база практики .................................................... 3

1.3 Перечень планируемых результатов обучения при прохождении Практики, соотнесенных с планируемыми результатами освоения образовательной программы ......... 3

1.4 Место Практики в структуре образовательной программы ......................................... 5

1.5 Объем Практики в зачетных единицах и ее продолжительности в неделях................ 5

2. СОДЕРЖАНИЕ ПРАКТИКИ......................................................................................... 6

2.1 Этапы практики и виды выполняемых работ ................................................................ 6

2.2 Индивидуальное задание на практику........................................................................... 6

2.3 Особенности прохождения практики инвалидами и лицами с ограниченными возможностями здоровья .......................................................................................................... 6

3. ФОРМЫ ОТЧЕТНОСТИ ПО РЕЗУЛЬТАТАМ ПРАКТИКИ ................................... 7

4. ОЦЕНОЧНЫЕ СРЕДСТВА ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ПРАКТИКЕ ..................................................... 11

5. ПЕРЕЧЕНЬ УЧЕБНОЙ ЛИТЕРАТУРЫ И РЕСУРСОВ СЕТИ ИНТЕРНЕТ, НЕОБХОДИМЫХ ДЛЯ ПРОВЕДЕНИЯ ПРАКТИКИ .................................................... 11

6. ПЕРЕЧЕНЬ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ, ИСПОЛЬЗУЕМЫХ ПРИ ПРОВЕДЕНИИ ПРАКТИКИ, ВКЛЮЧАЯ ПЕРЕЧЕНЬ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ И ИНФОРМАЦИОННЫХ СПРАВОЧНЫХ СИСТЕМ ................... 12

7. ОПИСАНИЕ МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЙ БАЗЫ, НЕОБХОДИМОЙ ДЛЯ ПРОХОЖДЕНИЯ ПРАКТИКИ .......................................................................................... 12

8. СВЕДЕНИЯ ОБ УТВЕРЖДЕНИИ ПРОГРАММЫ ПРАКТИКИ И ВНЕСЕНИЕ ИЗМЕНЕНИЙ........................................................................................................................ 13

9. ПРИЛОЖЕНИЯ ............................................................................................................. 14

Приложение 1 .......................................................................................................................... 14

Приложение 2.1 ....................................................................................................................... 15

Приложение 2.2 ....................................................................................................................... 18

Приложение 3 .......................................................................................................................... 21

Приложение 4 .......................................................................................................................... 23

Приложение 5 .......................................................................................................................... 31

1. ОБЩИЕ ПОЛОЖЕНИЯ

1.1 Вид и типы, способ и формы ее проведения

В соответствии с ФГОС ВО, видом практики является – производственная практика (далее – Практика).

Типом данного вида практики является: эксплуатационная практика

Аттестация по итогам практики осуществляется на основе достижения обучающимися планируемых результатов обучения при прохождении Практики.

Способ проведения практики – стационарный и выездной.

Форма проведения Практики – дискретно по видам практик.

1.2 Цель, задачи и нормативно-правовая база практики

Цели, задачи и содержание Практики определяются требованиями к результатам Практики, установленными ФГОС ВО в части формирования профессиональных компетенций.

Цель: приобретение студентами профессиональных навыков, практического опыта математического моделирования, разработки и обучения нейронных сетей, закрепление, систематизация и расширение теоретических знаний по дисциплинам учебного плана.

Задачи:

 Закрепление приобретенных теоретических знаний.

 Приобретение опыта разработки нейронных сетей на языке программирования Python

 Использование отечественных и международных стандартов при решении прикладных задач

 Составление требований к информационной системе при анализе предметной области

 Разработка математической модели нейронной сети

 Произвести сбор и нормализацию данных для последующего обучения нейронной сети

 Произвести обучение нейронной сети для выполнения поставленных задач

 Получение навыков самостоятельной работы

 Получение навыков подготовки отчетной документации

Нормативную правовую базу разработки программы Практики составляют:

 Федеральный закон РФ от 29.12.2012 г. № 273-ФЗ «Об образовании в Российской Федерации»;

 Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 09.03.03 Прикладная информатика (уровень бакалавриата), утвержденный приказом Министерства образования и науки Российской Федерации № 922 от 19.09.2017;

 Приказ Министерства науки и высшего образования Российской Федерации от 06 апреля 2021 г. № 245 «Об утверждении Порядка организации и осуществления образовательной деятельности по образовательным программам высшего образования – программам бакалавриата, программам специалитета, программам магистратуры»;

 Приказ Минобрнауки России N 885, Минпросвещения России N 390 от 05.08.2020 "О практической подготовке обучающихся"(вместе с "Положением о практической подготовке обучающихся");

 Локальные нормативные акты Университета.

1.3 Перечень планируемых результатов обучения при прохождении Практики, соотнесенных с планируемыми результатами освоения образовательной программы

В результате прохождения практики у обучающихся должны быть сформированы

компетенции в соответствии с ФГОС ВО по направлению подготовки 09.03.03 Прикладная информатика и с учетом обобщенной трудовой функции и трудовой функции профессионального стандарта 006.001 «ПРОГРАММИСТ», 06.015 «СПЕЦИАЛИСТ ПО ИНФОРМАЦИОННЫМ СИСТЕМАМ», 06.042 «СПЕЦИАЛИСТ ПО БОЛЬШИМ ДАННЫМ», к выполнению которых в ходе обучения готовится обучающийся.

Соотношение обобщённых трудовых функций (ОТФ) и трудовых функций, имеющих отношение к будущей профессиональной деятельности обучающегося (ТФ):

Наличие и соответствие ПК профессиональному стандарту Код и наименование профессионального стандарта Код и наименование ОТФ Код и наименование ТФ

06.001 ПРОГРАММИСТ

D Разработка требований и проектирование программного обеспечения

D/03.6 Проектирование компьютерного программного обеспечения

06.015 СПЕЦИАЛИСТ ПО ИНФОРМАЦИОННЫМ СИСТЕМАМ

C Выполнение работ и управление работами по созданию (модификации) и сопровождению ИС, автоматизирующих задачи организационного управления и бизнес-процессы

C/16.6 Проектирование и дизайн ИС в рамках выполнения работ и управления работами по созданию (модификации) и сопровождению ИС

06.042 СПЕЦИАЛИСТ ПО БОЛЬШИМ ДАННЫМ

A Анализ больших данных с использованием существующей в организации методологической и технологической инфраструктуры

A/01.6 Выявление, формирование и согласование требований к результатам аналитических работ с применением технологий больших данных A/03.6 Подготовка данных для проведения аналитических работ по исследованию больших данных

Процесс прохождения практики направлен на формирование у обучающихся следующих компетенций (результатов освоения образовательной программы):

Коды

компетенций

Содержание компетенции

ПК-9

Способность разрабатывать методы извлечения, анализа и обработки информации

ПК-10

Способность применять математические методы моделирования процессов обработки информации с использованием средств интеллектуального анализа данных и машинного обучения

Планируемые результаты практики, соотнесенные с планируемыми результатами освоения образовательной программы Код и наименование профессиональной компетенции выпускника программы бакалавриата Код и наименование индикатора достижения профессиональной компетенции ПК-9. Способность разрабатывать методы извлечения, анализа и обработки информации ПК-9.1. Знать теоретические и прикладные основы анализа больших данных. ПК-9.2. Уметь проводить анализ больших данных. ПК-9.3. Владеть методами извлечения информации и знаний из гетерогенных, мультиструктурированных и неструктурированных источников. ПК-10. Способность применять математические методы моделирования процессов обработки информации с использованием средств ПК-10.1. Знать принципы решения задач машинного обучения и интеллектуального анализа данных ПК-10.2.

интеллектуального анализа данных и машинного обучения Уметь создавать алгоритмические и математические модели прикладных задач интеллектуального анализа данных. ПК-10.3. Владеть навыками построения описательных и информационно-аналитических моделей для интеллектуального управления ресурсами предприятия.

1.4 Место Практики в структуре образовательной программы

Практика является обязательным видом учебной работы обучающихся, входит в Блок 2 Практика в соответствии с ФГОС ВО по направлению подготовки 09.03.03 Прикладная информатика, Эксплуатационная практика относится к части ОПОП ВО, формируемой участниками образовательных отношений.

1.5 Объем Практики в зачетных единицах и ее продолжительности в неделях

В соответствии с ОПОП по направлению 09.03.03 Прикладная информатика, профиль «Искусственный интеллект и анализ данных» на Практику отводится следующее количество зачетных единиц и времени: Тип/вид практики Трудоемкость в часах Трудоемкость в зачетных единицах Продолжительность в неделях

Производственная практика: Эксплуатационная практика

324

2. СОДЕРЖАНИЕ ПРАКТИКИ

2.1. Этапы практики и виды выполняемых работ

Практика осуществляется в три этапа:

– Подготовительный этап (проведение инструктивного совещания с приглашением руководителей практики, ознакомление обучающихся с содержанием и спецификой практики, доведение до сведения обучающегося содержания индивидуального задания на практику, видов отчетности по практике).

– Организационно-аналитический этап реализуется как практическая подготовка (участие обучающихся в различных видах профессиональной деятельности в соответствии с индивидуальным заданием).

– Результативно-аналитический этап (анализ проделанной работы и подведение её итогов, оформление отчета о практике и представление его руководителю).

Практика может быть организована на основе договоров с организациями, осуществляющих деятельность по профилю направления подготовки (далее - профильная организация) и может быть пройдена в:

‒ информационно-технологических, программно-обеспечивающих службах организаций различных отраслей, сфер и форм собственности;

‒ подразделения и учреждения, занимающихся информационной безопасностью, веб-программированием, созданием и обслуживанием визуально-коммуникативной среды, программного обеспечения и т.п.

Обучающиеся, совмещающие обучение с трудовой деятельностью, вправе проходить производственную практику по месту трудовой деятельности в случаях, если профессиональная деятельность, осуществляемая ими, соответствует требованиям образовательной программы к проведению практики.

Также производственная практика может проводиться в структурных подразделениях ЧОУВО «МУ им. С.Ю. Витте».

Обучающиеся направляются на практику на основании заявления (Приложение 1).

Обучающиеся в период прохождения практики:

 выполняют индивидуальные задания, предусмотренные программами практики;

– соблюдают правила внутреннего трудового распорядка;

– соблюдают требования охраны труда и пожарной безопасности.

2.2. Индивидуальное задание на практику

В процессе прохождения практики обучающийся должен руководствоваться индивидуальным заданием. Индивидуальное задание может быть получено от руководителя практики от Университета или обучающийся может взять типовое задание из настоящей программы практики. При прохождении практики в профильной организации, индивидуальное задание должно быть согласовано с руководителем практики от профильной организации.

Индивидуальное задание представляет собой планирование работы обучающихся во время практики, направленной на формирование указанных компетенций, выполняемой во внеаудиторное время по заданию и при методическом руководстве преподавателя (Приложение 2).

Решение задач индивидуального задания производится на языке Python с использованием сервисов Google Colab или Yandex DataSphere.

2.3. Особенности прохождения практики инвалидами и лицами с ограниченными возможностями здоровья

Особенности прохождения практики инвалидами и лицами с ОВЗ определены в Порядке организации и проведения практики обучающихся, осваивающих основные

профессиональные образовательные программы высшего образования, утвержденным приказом ректора.

Практика для обучающихся с ограниченными возможностями здоровья и инвалидов проводится с учетом особенностей их психофизического развития, индивидуальных возможностей и состояния здоровья.

Для лиц с ограниченными возможностями здоровья и инвалидов, создаются специально оборудованные рабочие места с учетом их особенностей, физиологии, а также психофизического развития, индивидуальных возможностей, состояния здоровья, профессионального вида деятельности, характера труда, выполняемых трудовых функций.

Материально-технические условия прохождения Практики, должны обеспечивать возможность беспрепятственного доступа практикантов из числа лиц с ограниченными возможностями здоровья и инвалидов к специально оборудованным рабочим местам, а также в туалетные комнаты и другие помещения, а также их пребывания в указанных помещениях Организации (в том числе наличие пандусов, подъемников, поручней, расширенных дверных проемов, лифтов; при отсутствии лифтов рабочее место должно располагаться на первом этаже здания).

Не допускается использование практиканта на должностях и работах, противопоказанных лицам с ограниченными возможностями и инвалидам.

3. ФОРМЫ ОТЧЕТНОСТИ ПО РЕЗУЛЬТАТАМ ПРАКТИКИ

Полный пакет отчетных документов по результатам практики включает:

– заявление на практику с подписью студента;

– в случае прохождения практики на базе профильного предприятия: подписанный представителем организации договор на практику с печатью организации;

– индивидуальное задание на практику, со всеми подписями;

– отчет о прохождении практики. Не допускается выгрузка отчета внутри архивного файла!

– исходные файлы программного решения. Включают в себя, в том числе:

– файл программного кода *.py или ноутбук в формате .ipynb

– файл requirements.txt, с описанием использованных в решении библиотек, отформатированном по стандарту pip (документация по формату по ссылке: https://pip.pypa.io/en/stable/reference/requirements-file-format/)

– файлы с источниками данных для программного решения. Могут сдаваться в виде файлов или в виде ссылки (подробности ниже в этом разделе).

В случае отсутствия исходных файлов решения или ошибок при загрузке в решение данных, отчет по практике не может быть проверен и оценен.

Объем заимствований и порядок использования для составления отчетной документации технологии искусственной генерации текста определяются «Положением об использовании системы «Антиплагиат» в образовательной и научной деятельности» Университета.

Выполнение задач по практике и оформление отчетной документации производятся каждым студентом самостоятельно. Особое внимание обращается на самостоятельность выполнения программного кода. Самостоятельность выполнения работы проверяется руководителем практики с помощью системы «Антиплагиат» согласно Положению об использовании системы «Антиплагиат» в образовательной и научной деятельности, размещенному на официальном сайте университета. Не самостоятельно выполненная работа не может быть принята и не может оцениваться положительной оценкой.

При использовании обучающимся в учебной работе систем искусственной генерации текста и/или программного кода, и при полном соответствии требованиям Положения об использовании системы "Антиплагиат" в образовательной и научной

деятельности, и настоящей программы практики, максимально возможная оценка за работу не может превышать 51 балл.

Руководитель практики в "отзыве в виде комментария" ставит отметку об использовании обучающимся в своей работе систем искусственной генерации текста.

Не допускается неоднократная выгрузка работы выполненной несамостоятельно, не соответствующей требованиям настоящей программы практики и нормативных документов университета, а также по которой невозможно определить сформированность у обучающихся компетенций, указанных в разделе 1.3 настоящей программы практики. Попытки неоднократной выгрузки подобных работ могут быть заблокированы руководителем практики в Электронном университете.

Порядок проверки и оценивания отчетной документации по практике регулируется Регламентом практической подготовки.

Обучающиеся, не выполнившие программу практики без уважительной причины или получившие по ее итогам неудовлетворительную оценку, и не ликвидировавшие возникшую академическую задолженность, подлежат отчислению из вуза в установленном порядке как имеющие академическую задолженность.

Отчет о прохождении Практики, составляется по утвержденной форме:

1. Содержание

2. Введение;

3. Основная часть;

4. Заключение;

5. Список литературы;

6. Приложения.

Пример структуры отчета по практике приведен в Приложении 3.

Основными требованиями, предъявляемыми к содержанию отчета по практике, являются:

Титульный лист отчета по практике генерируется из личного кабинета электронного университета при нажатии на ссылку со сроками практики. Титульный лист помимо основой информации содержит в правом верхнем углу персонализированный штрих-код, который является уникальным и позволяет идентифицировать как ФИО самого студента, так и всю сопроводительную документацию по практике. Титульный лист вставляется в качестве первого листа в отчет. Подписывать титульный лист не нужно. Запрещается распознавать титульный лист и вставлять его в виде текста.

Содержание формируется как Автособираемое оглавление из заголовков отчета.

Во введении указывается выбранная студентом предметная область применения нейросетевого решения, а так же конкретная цель этого применения и задачи, решаемые в рамках выбранной цели в процессе практической работы. Возможные предметные области применения нейросетевых решений приведены в Приложении 6 данного документа. Так же возможен выбор другой предметной области по предварительному согласованию с руководителем практики.

Так же во введении указывается место прохождения практики, источники информации и данных, которые планировалось использовать при выполнения индивидуального задания практики.

В основной части отчета дается описание основных результатов в период прохождения практики в соответствии с индивидуальным заданием. Основная часть содержит два раздела: анализ предметной области и разработка нейронной сети. После каждого раздела приводятся промежуточные выводы в соответствие с выполненными этапами индивидуального задания, соотнесенными с формируемыми компетенциями.

В первом разделе необходимо провести анализ выбранной предметной области, конкретно с точки зрения использования в её рамках нейронных сетей для решения практических задач. На основании проделанного анализа, должен быть сделан выбор первичной топологии нейросети.

Выбор топологии нейросети должен быть обоснован математической моделью решения поставленной задачи.

После выбора первичной топологии нейронной сети, в первой части так же осуществляется выбор способа конкретной реализации решения поставленной задачи: выбор конкретных библиотек языка Python, развёртывание среды разработки с требуемыми библиотеками, в итоге создание файла requirements.txt в стандартном формате pip. Предполагается, что в работе используются готовые решения, такие как pytorch или tensorflow, хотя по согласованию с руководителем практики возможна и самостоятельная реализация полного алгоритмна нейронной сети.

Во втором разделе производится подготовка данных к работе с нейросетью, осуществляется их загрузка, нормализация, разделение на обучающую и тестовую выборки и прочие необходимые трансформации, в том числе специфичные для выбранной предметной области. После завершения подготовки данных, создаётся непосредственно нейронная сеть, со всеми её слоями, стартовым набором гиперпараметров, способами оптимизации и сбора метрик, согласно выбранной топологии и в соответствии с особенностями выбранной предметной области.

Будучи созданной, нейронная сеть обучается. При этом, во втором разделе отчёта важно визуализировать в отчёте процесс обучения, визуализируя, отмечая и оценивая изменения практической эффективности нейронной сети в решении поставленной задачи.

После завершения и оценки результатов первичного обучения, во втором разделе отчёта должны быть предложены способы улучшения работы нейронной сети, включающие в себя:

– Изменение гиперпараметров сети;

– Изменение данных для обучения;

– Изменения топологии сети.

После чего предложенные способы должны быть так же опробованы и их результативность оценена.

Стоит отметить, что ожидается, что созданная нейронная сеть будет успешно решать поставленную задачу в том смысле, что она будет достигать целевых показателей в метриках оценивания. По умолчанию, требуется достижение уровня в 70% по метрике «Точность», но в зависимости от выбранной предметной области можно согласовать с руководителем практики и другие целевые показатели работы нейронной сети.

В заключении необходимо сделать выводы по достигнутой цели и решеным задачам практики. В случае если задача не была решена полностью, то сделать выводы о полученном прогрессе в направлении решения. Так же необходимо описать приобретённые за время практики навыки и умения.

В списке использованной литературы необходимо отразить ссылки на учебно-методические материалы, в том числе и электронные библиотеки, техническую документацию, нормативно-правовою информацию, интернет-источники, которые были использованы при прохождении практики и формировании отчетной документации для выполнения программы практики. Также допускается указание специализированных Интернет-ресурсов, посвященных ИТ-тематике. Список литературы следует оформлять по ГОСТ Р 7.0.100-2018.

Основные требования, предъявляемые к оформлению отчета

Отчет выполняется в электронной форме с использованием текстового редактора, поддерживающим сложное форматирование. Отчет должен быть представлен в формате редактируемого файла, например: .odt, .docx, .rtf. Нельзя предоставлять отчет в виде нередактируемого pdf-файла. Имя файла отчета должно иметь следующий вид:

«ФИО_ЭП_Отчет.odt»

Например: «Иванов_Иван_Иванович_ЭП_Отчет.docx» или «Иванов_Иван_Иванович_ЭП_Отчет.rtf»

Используемые шрифты должны быть внедрены в документ для корректного

отображения на других устройствах.

Титульный лист отчета по Эксплуатационной практике генерируется из личного кабинет электронного университета при нажатии на ссылку со сроками практики. Титульный лист помимо основой информации содержит в правом верхнем углу персонализированный штрих-код, который является уникальным и позволяет идентифицировать как ФИО самого студента, так и всю сопроводительную документацию по производственной (эксплуатационной) практике. Титульный лист вставляется в качестве первого листа в отчет. Подписывать титульный лист не нужно.

В документ отчета, допускается вставка таблиц, картинок, схем. Также допускается вставка фрагментов программного кода, который должен быть выделен от основного текста рамкой. Текст на листе должен иметь книжную ориентацию, альбомная ориентация допускается только для таблиц и блок-схем алгоритмов. Поля страницы должны иметь следующие размеры: левое – 3 см, правое 1,5 см, верхнее – 2 см, нижнее – 2 см. Текст печатается через полтора интервала шрифтом Times New Roman, 14 кегль (для сносок 12 кегль), выравнивание по ширине. Абзац – 1,5 см. Абзацы отступы в таблицах не допускаются. Формулы необходимо представлять с помощью редактора формул. Блок-схемы алгоритмов должны быть выполнены в вектором редакторе, либо с использованием стандартных векторных средств рисования текстового редактора. Использование растровых картинок для блок-схем не допускается. При создании блок-схем и диаграмм запрещается пользоваться устаревшим программным обеспечением, таким как BPWin и ERWin.

Таблицы, схемы, рисунки должны иметь собственные наименования и нумерацию. Нумерация таблиц, схем, рисунок может быть как сквозной, так и включать номер раздела. На все эти объекты должны быть ссылки по тексту.

Если в отчёт вставляется программный код, то он вставляется в текстовой форме, с использованием шрифта Courier New 12го размера. Сегмент кода начинается и заканчивается пустой строкой. Внутри кода допускаются требуемые языком Python и стандартами PEP8 пустые строки и отступы. Код не должен быть искажён при вставке в документ и должен быть работоспособен при переносе обратно в программу. Код должен вставляться без цветовой разметки.

Пример допустимого оформления кода:

def main():

print('qq')

if __name__ == "__main__":

main()

Номера страниц размещаются в нижнем правом углу. Применяется сквозная нумерация листов, начиная с титульного листа и включая приложения (если есть). Номер листа на титульном листе не проставляют. Второй лист отчета – содержание.

Объем отчета зависит от индивидуального задания и может быть от 30 до 50 страниц.

Отчет проверяется на объем заимствований через систему «Антиплагиат» согласно Положению об использовании системы «Антиплагиат» в образовательной и научной деятельности, размещенному на официальном сайте университета.

Неотъемлемой частью проверки отчёта является проверка работоспособности программного решения. Для этой проверки, необходимо приложить к файлу отчёта дополнительный zip-архив со всем необходимым для запуска программы. Файл должен иметь название вида «ФИО_Т_Код.zip» (то есть, например,

«Иванов_Иван_Иванович_Т_Код.zip»), и должен содержать:

– файл requirements.txt с описанием используемых в решении библиотек в стандарте pip;

– исходный код решения в виде скриптов на Python с раширением .py или ноутбуков с расширением .ipynb;

– если решение автоматически выгружает данные из внешнего сетевого ресурса, то ссылка для выгрузки может быть включена напрямую в исходный код, но необходимо удостовериться в доступности этих данных без регистрации;

– если решение загружает данные из файлов, то необходимо положить файлы в zip-архив вместе с исходным кодом. При этом, нужно обеспечить запускаемость программы, имею в виду следующие моменты:

o все пути к файлам в Вашем исходном коде должны быть указаны относительно запускаемого файла;

o проверка работ может осуществляться на ОС Linux Debian, файловая система которого имеет ряд особенностей, в частности различает большие и малые буквы в названиях файлов;

– если у проверяющего возникнут сбои при подключении данных к программе (из файлов или из Интернета), то проверить работу будет невозможно.

4. ОЦЕНОЧНЫЕ СРЕДСТВА ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ПРАКТИКЕ

Оценочные средства для проведения промежуточной аттестации обучающихся по итогам Практики представлены в Приложении 4 и является неотъемлемой частью настоящей программы.

5. ПЕРЕЧЕНЬ УЧЕБНОЙ ЛИТЕРАТУРЫ И РЕСУРСОВ СЕТИ ИНТЕРНЕТ, НЕОБХОДИМЫХ ДЛЯ ПРОВЕДЕНИЯ ПРАКТИКИ

Основная литература:

1. Келлехер, Д. Наука о данных: базовый курс: [16+] / Д. Келлехер, Б. Тирни; науч. ред. З. Мамедьяров; пер. с англ. М. Белоголовского. – Москва: Альпина Паблишер, 2020. – 224 с.: схем., табл. – Режим доступа: по подписке. – URL: https://biblioclub.ru/index.php?page=book&id=598235

2. Лимановская, О. В. Основы машинного обучения: учебное пособие / О. В. Лимановская, Т. И. Алферьева; науч. ред. И.. Обабков; Уральский федеральный университет им. первого Президента России Б. Н. Ельцина. – Екатеринбург: Издательство Уральского университета, 2020. – 91 с.: ил., табл. – Режим доступа: по подписке. – URL: https://biblioclub.ru/index.php?page=book&id=699059

Дополнительная литература:

1. Белозерова, Г. И. Нечеткая логика и нейронные сети: учебное пособие: [16+] / Г. И. Белозерова, Д. М. Скуднев, З. А. Кононова; Липецкий государственный педагогический университет им. П. П. Семенова-Тян-Шанского. – Липецк: Липецкий государственный педагогический университет имени П.П. Семенова-Тян-Шанского, 2017. – Ч. 1. – 65 с.: ил. – Режим доступа: по подписке. – URL: https://biblioclub.ru/index.php?page=book&id=576909

2. Сурова, Н. Ю. Искусственный интеллект / Н. Ю. Сурова, М. Е. Косов. – Москва: Юнити-Дана, 2021. – 408 с.: ил., табл., схем. – Режим доступа: по подписке. – URL: https://biblioclub.ru/index.php?page=book&id=690578

3. Трофимова, Е. А. Нейронные сети в прикладной экономике: учебное пособие / Е. А. Трофимова, В. Д. Мазуров, Д. В. Гилёв; под общ. ред. Е. А. Трофимовой; Уральский

федеральный университет им. первого Президента России Б. Н. Ельцина. – Екатеринбург: Издательство Уральского университета, 2017. – 98 с.: схем., табл., ил. – Режим доступа: по подписке. – URL: https://biblioclub.ru/index.php?page=book&id=696260

Справочно-правовые системы

- Гарант http://www.garant.ru;

- Консультант ПЛЮС http://www.consultant.ru

6. ПЕРЕЧЕНЬ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ, ИСПОЛЬЗУЕМЫХ ПРИ ПРОВЕДЕНИИ ПРАКТИКИ, ВКЛЮЧАЯ ПЕРЕЧЕНЬ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ И ИНФОРМАЦИОННЫХ СПРАВОЧНЫХ СИСТЕМ

В целях формирования навыков использования современных информационных технологий, при прохождении практики обучающиеся обеспечиваются:

- мультимедийными технологиями (проекторы, ноутбуки, персональные компьютеры, комплекты презентаций, видеоматериалы);

- дистанционной формой консультаций во время прохождения конкретных этапов производственной практики и подготовки отчета, которая обеспечивается: выходом в глобальную сеть Интернет, поисковыми системами Яндекс, Мейл, Гугл, системами электронной почты;

- лицензионными программными продуктами, являющимися частью электронной информационно-образовательной среды университета и базирующимися на телекоммуникационных технологиях, которые представлены:

1. Информационной справочной правовой системой: КонсультантПлюс;

2. Электронной библиотечной системой МУ им. С.Ю. Витте - https://online.muiv.ru/lib/;

3. Электронной библиотечной системой «Университетская библиотека онлайн» - http://biblioclub.ru. 4. Русскоязычный веб-сайт в формате коллективного блога с элементами новостного сайта, созданный для публикации новостей, аналитических статей, мыслей, связанных с информационными технологиями, бизнесом и интернетом https://habr.com/ru/ 5. Официальный канал для разработчиков, пишущих код на Python https://docs.python.org/3/tutorial/index.html 6. Python 3 для начинающих https://pythonworld.ru/kursy/free.html 7. Интернет-издание в сфере высоких технологий в России и странах СНГ – http://www.cnews.ru

Кроме того, при прохождении практики в профильных организациях, обучающиеся обеспечиваются доступом к пользованию программными продуктами, имеющимися в распоряжении организации.

7. ОПИСАНИЕ МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЙ БАЗЫ, НЕОБХОДИМОЙ ДЛЯ ПРОХОЖДЕНИЯ ПРАКТИКИ

В соответствии с содержанием договора, каждая организация обеспечивает обучающихся-практикантов автоматизированным рабочим местом, доступом к необходимой информации для решения задач практики.

Перечень материально-технического обеспечения прохождения практики в профильной организации может меняться, в зависимости от особенностей деятельности.

При прохождении Практики в вузе обучающиеся обеспечиваются материально-техническим оборудованием и библиотечными фондами вуза. Каждый практикант имеет доступ компьютерными технологиями, мультимедийному оборудованию.

8. СВЕДЕНИЯ ОБ УТВЕРЖДЕНИИ ПРОГРАММЫ ПРАКТИКИ И ВНЕСЕНИИ ИЗМЕНЕНИЙ

Программа разработана на основе Федерального государственного образовательного стандарта высшего образования по направлению подготовки 09.03.03 Прикладная информатика, рассмотрена и одобрена на заседании кафедры информационных систем, протокол №7 от 16.02.2024.

Автор-разработчик:

Руководитель образовательной программы факультета информационных технологий, Королькова И.А.

Преподаватель кафедры информационных систем, Преображенский М.В.

9. ПРИЛОЖЕНИЯ

Приложение 1

Руководителю центра карьеры, практики и трудоустройства / Директору филиала / Директору колледжа

______________________________________

(фамилия, инициалы)

от обучающегося курса

форма обучения ______________________

направление подготовки (специальность) _____________________________________

профиль (специализация, направленность)*

_____________________________________

фамилия _____________________________

имя ________________________________

отчество _____________________________

№ договора/студ. билета _______________

контактный телефон (обучающегося) _____________________________________

e.mail: _______________________________

Заявление

Прошу разрешить мне прохождение практики ________________________________________________________________________

(вид и тип)

в ______________________________________________________________________,

(наименование организации)

расположенной по адресу: г. ____________, ул.___________________ д.____ к.____

в период с « » 202 г. по « » 202 г.

Прошу назначить ответственным лицом от организации

__________________________________________________________________________

/ФИО ответственного лица, указывается обучающимся/

В оплате расходов, связанных с проездом к месту проведения практической подготовки и обратно, а также расходов по проживанию в период практической подготовки не нуждаюсь, так как практическая подготовка проводится по месту моего жительства.

Приложение: Договор о практике обучающихся Частного образовательного учреждения высшего образования «Московский университет имени С.Ю. Витте».

Дата _________ Подпись ___________

* указывается при наличии

Приложение 2.1

Содержание типового индивидуального задания по разработке конфигурации для предметной области «Успеваемость», в случае прохождении практики в Университете

Руководитель практики*

от профильной организации

_______________/………………/

«__»____________ 20___ г.

Руководитель практики от Университета

(филиала Университета)

____________/…………………/

«__»____________ 20___ г.

ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ

Студент ____________________________________________________________________

Направление подготовки: 09.03.03 Прикладная информатика

Направленность (профиль) Искусственный интеллект и анализ данных

Вид практики производственная практика

Тип практики Эксплуатационная практика

Срок прохождения практики __________________________________________________

Место проведения практики (профильное подразделение Университета)

______________ 20___ г. _______________/………………………..………/

Подпись ФИО обучающегося

* для практики на базе Университета не вносится

Период практики Содержание работ Формируемые компетенции Отметка о выполнении Виды проделанной работы, результаты которой необходимо отразить в отчете: За неделю до начала практики – оформить документы на практику, ознакомление с требованиями по прохождению практики и правилами оформления документов по практике. – получить индивидуальное план-задание прохождения практики от руководителя практики от Университета

ПК-10 вып. 1-2 неделя – Организовать рабочее место в рамках структурного подразделения Университета. Ознакомиться с правилами внутреннего трудового распорядка Университета. – Пройти инструктаж по технике безопасности и правилах поведения при возникновении нештатных ситуаций. – Выбрать предметную область для практического применения нейронной сети из предоставленного в программе практики списка, или согласовать свой вариант предметной области с руководителем практики. – Провести анализ теоретических аспектов создания нейросетей в выбранной предметной области с использованием современной литературы и интернет-источников. – Выбрать и при необходимости развернуть среду разработки нейросетевого решения с использованием языка программирования Python на ПК. Установить

ПК-10 вып.

Период практики Содержание работ Формируемые компетенции Отметка о выполнении требуемые для работы с нейронными сетями в выбранной предметной области библиотеки. Использование других языков программирование возможно, по согласованию с руководителем практики. – Произвести проектирование первого варианта рабочей нейронной сети. Описать требуемые слои и обосновать необходимость этих слоёв. Необходимо произвести математический расчёт работы слоёв, с использованием описывающих их работу математических формул, а так же объяснить принципы их работы с использованием диаграмм, графиков или схем. – Рассчитать скорость обучения нейросети как функцию от её топологии, понять сколько по времени учится первый вариант сети и что произойдёт со скоростью обучения если изменить количество слоёв или их внутренние настройки. Представить соответствующие расчёты в соответствующем разделе работы. 3-4 неделя – Произвести окончательный выбор топологии сети, создать её слои. – Произвести экспериментальный подбор характеристик сети (число слоев, число блоков в скрытых слоях, наличие или отсутствие обходных соединений, передаточные функции нейронов). – Найти данные для обучения нейронной сети, соответствующие выбранной предметной области. – Подготовить данные к работе с нейронной сетью. По необходимости, организовать эти данные в виде соответствующих объектов-загрузчиков. Применить к этим данным необходимые трансформации, включая такие возможные варианты, как векторизация, нормализация, преобразование в тензоры итд.

ПК-9 вып. 5 неделя – Произвести обучение нейросети на основе обучающей выборки. – Выбрать способ оценки того, насколько хорошо сеть справляется с задачами. – Рассчитать количество потерь в тренировке и произвести их минимизацию. – Проверить адекватность обучения с точки зрения конкретной предметной области. – Добиться базового уровня эффективности работы нейронной сети в выбранной предметной области. Достаточным считается уровень рейтинга accuracy >= 70. Если в конкретной предметной области оценка Accuracy не имеет смысла, то согласовать с руководителем практики альтернативный способ оценки и требуемый уровень точности.

ПК-9 вып. 6 неделя – Разработать предположения о возможностях улучшения архитектуры нейронной сети для нужд выбранной предметной области – Реализовать, обучить и протестировать один или несколько вариантов таких улучшений

ПК-9 вып. Защита итогов практики, отраженных в отчете – в соответствии с расписанием – Оформить отчет по практике. Разместить отчет по практике и созданные файлы в соответствующем разделе Электронного университета. – Защита итогов практики, отраженных в отчете – в соответствии с расписанием.

ПК-9, ПК-10

Планируемые результаты практики

Коды

компетенций

Содержание компетенции

ПК-9

Способность разрабатывать методы извлечения, анализа и обработки информации

ПК-10

Планируемые результаты практики, соотнесенные с планируемыми результатами освоения образовательной программы Код и наименование профессиональной компетенции выпускника программы бакалавриата Код и наименование индикатора достижения профессиональной компетенции ПК-9. Способность разрабатывать методы извлечения, анализа и обработки информации ПК-9.1. Знать теоретические и прикладные основы анализа больших данных. ПК-9.2. Уметь проводить анализ больших данных. ПК-9.3. Владеть методами извлечения информации и знаний из гетерогенных, мультиструктурированных и неструктурированных источников. ПК-10. Способность применять математические методы моделирования процессов обработки информации с использованием средств интеллектуального анализа данных и машинного обучения ПК-10.1. Знать принципы решения задач машинного обучения и интеллектуального анализа данных ПК-10.2. Уметь создавать алгоритмические и математические модели прикладных задач интеллектуального анализа данных. ПК-10.3. Владеть навыками построения описательных и информационно-аналитических моделей для интеллектуального управления ресурсами предприятия.

Прим.: Перечень представленных заданий может быть изменен или дополнен руководителем практики от Университета.

Приложение 2.2

Содержание типового индивидуального задания, при прохождении практики на базе профильной организации

Руководитель практики*

от профильной организации

_______________/………………/

«__»____________ 20___ г.

Руководитель практики от Университета

(филиала Университета)

____________/…………………/

«__»____________ 20___ г.

ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ

Студент ____________________________________________________________________

Направление подготовки: 09.03.03 Прикладная информатика

Направленность (профиль) Искусственный интеллект и анализ данных

Вид практики производственная практика

Тип практики Эксплуатационная практика

Срок прохождения практики __________________________________________________

Место проведения практики

______________ 20___ г. _______________/………………………..………/

Подпись ФИО обучающегося

* для практики на базе Университета не вносится

ПК-10 вып. 1-2 неделя – Организовать рабочее место в рамках организации. Ознакомиться с правилами внутреннего трудового распорядка организации. – Пройти инструктаж по технике безопасности и правилах поведения при возникновении нештатных ситуаций. – Выбрать предметную область для практического применения нейронной сети из предоставленного в программе практики списка, или согласовать свой вариант предметной области с руководителем практики. – Провести анализ теоретических аспектов создания нейросетей в выбранной предметной области с использованием современной литературы и интернет-источников. – Выбрать и при необходимости развернуть среду разработки нейросетевого решения с использованием языка программирования Python на ПК. Установить требуемые для работы с нейронными сетями в выбранной предметной

ПК-10 вып.

Период практики Содержание работ Формируемые компетенции Отметка о выполнении области библиотеки. Использование других языков программирование возможно, по согласованию с руководителем практики. – Произвести проектирование первого варианта рабочей нейронной сети. Описать требуемые слои и обосновать необходимость этих слоёв. Необходимо произвести математический расчёт работы слоёв, с использованием описывающих их работу математических формул, а так же объяснить принципы их работы с использованием диаграмм, графиков или схем. – Рассчитать скорость обучения нейросети как функцию от её топологии, понять сколько по времени учится первый вариант сети и что произойдёт со скоростью обучения если изменить количество слоёв или их внутренние настройки. Представить соответствующие расчёты в соответствующем разделе работы. 3-4 неделя – Произвести окончательный выбор топологии сети, создать её слои. – Произвести экспериментальный подбор характеристик сети (число слоев, число блоков в скрытых слоях, наличие или отсутствие обходных соединений, передаточные функции нейронов). – Найти данные для обучения нейронной сети, соответствующие выбранной предметной области. – Подготовить данные к работе с нейронной сетью. По необходимости, организовать эти данные в виде соответствующих объектов-загрузчиков. Применить к этим данным необходимые трансформации, включая такие возможные варианты, как векторизация, нормализация, преобразование в тензоры итд.

ПК-9, ПК-10

Планируемые результаты практики

Коды

компетенций

Содержание компетенции

ПК-9

Способность разрабатывать методы извлечения, анализа и обработки информации

ПК-10

Планируемые результаты практики, соотнесенные с планируемыми результатами освоения образовательной программы Код и наименование профессиональной компетенции выпускника программы бакалавриата Код и наименование индикатора достижения профессиональной компетенции ПК-9. Способность разрабатывать методы извлечения, анализа и обработки информации ПК-9.1. Знать теоретические и прикладные основы анализа больших данных. ПК-9.2. Уметь проводить анализ больших данных. ПК-9.3. Владеть методами извлечения информации и знаний из гетерогенных, мультиструктурированных и неструктурированных источников. ПК-10. Способность применять математические методы моделирования процессов обработки информации с использованием средств интеллектуального анализа данных и машинного обучения ПК-10.1. Знать принципы решения задач машинного обучения и интеллектуального анализа данных ПК-10.2. Уметь создавать алгоритмические и математические модели прикладных задач интеллектуального анализа данных. ПК-10.3. Владеть навыками построения описательных и информационно-аналитических моделей для интеллектуального управления ресурсами предприятия.

Прим.: Перечень представленных заданий может быть изменен или дополнен в соответствие с профилем организации и фактическими служебными поручениями. Индивидуальное задание составляется руководителем практики от университета и согласовывается с руководителем практики от организации.

Приложение 3

Примерная структура отчета о прохождении практики

Титульный лист

Содержание

ВВЕДЕНИЕ

ОСНОВНАЯ ЧАСТЬ

1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ

1.1 Выбор и развертывание среды разработки для языка программирования Python

1.2 Анализ теоретических аспектов создания нейросетей

1.3 Математическая модель нейронной сети

1.4 Выводы по разделу

2 РАЗРАБОТКА НЕЙРОННОЙ СЕТИ

2.1 Создание нейронов

2.2 Создание нейронной сети

2.2.1 Выбор топологии сети

2.2.2 Группировка нейронных блоков в нейронную сеть

2.2.3 Экспериментальный подбор характеристик сети

2.3 Сбор и нормализация данных для обучения нейронной сети

2.4 Обучение нейронной сети

2.4.1 Выбор способа оценки адекватности результатов обучения

2.4.2 Расчет количества потерь и их минимизация

2.4.3 Анализ адекватности обучения

2.5 Выводы по разделу

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ

Приложение 4

ОЦЕНОЧНЫЕ СРЕДСТВА

ПРОИЗВОДСТВЕННОЙ ПРАКТИКИ

/вид практики/

Эксплуатационная практика

/тип практики/

Направление подготовки:

09.03.03 «Прикладная информатика»

Направленность (профиль) подготовки:

Искусственный интеллект и анализ данных

Уровень высшего образования

Бакалавриат

2022 г.

1. Общие положения

Оценочные средства для проведения текущего контроля и промежуточной аттестации по практике включают:

- перечень формируемых компетенций в результате прохождения практики, характеризующих результаты освоения образовательной программы;

- описание показателей и критериев оценивания компетенций, описание шкал оценивания;

- процедуры оценивания знаний, умений, навыков и (или) опыта деятельности, характеризующие формирование компетенций.

Текущий контроль производственной практики проводится в форме собеседования с руководителями производственной практики от Университета и от предприятия – базы практики в ходе составления, согласования и выполнения индивидуального задания на практику обучающегося, а также в процессе составления отчета о прохождении практики.

Промежуточная аттестация по производственной практике осуществляется в форме зачета с оценкой (далее – зачета).

Для получения зачета обучающийся представляет в электронном виде все необходимые документы по практике, отчет и разработанное ПО, которые выполняются по результатам прохождения практики с учетом результатов проведенных работ.

Страницы документов, на которых должны быть проставлены подписи и печать, представляются в отсканированном виде.

Все документы по практике размещаются в личном кабинете обучающегося через Электронный университет.

2. Перечень формируемых компетенций в результате прохождения практики, характеризующих результаты освоения образовательной программы

Основными этапами формирования компетенций при прохождении производственной практики являются последовательное прохождение содержательно связанных между собой разделов практики. Изучение каждого раздела предполагает овладение обучающимися необходимыми элементами компетенций на уровне знаний, навыков и умений. Итоговый результат, полученный с учетом оценивания формирования компетенций, показывает успешность освоения обучающимися образовательной программы.

При выставлении оценки учитывается алгоритмическая реализация поставленных задач, работоспособность программного кода и используемые библиотеки, также учитывается качество представленных практикантом материалов в период практики.

Планируемые результаты практики

Коды

компетенций

Содержание компетенции

ПК-9

Способность разрабатывать методы извлечения, анализа и обработки информации

ПК-10

ПК-9.3. Владеть методами извлечения информации и знаний из гетерогенных, мультиструктурированных и неструктурированных источников. ПК-10. Способность применять математические методы моделирования процессов обработки информации с использованием средств интеллектуального анализа данных и машинного обучения ПК-10.1. Знать принципы решения задач машинного обучения и интеллектуального анализа данных ПК-10.2. Уметь создавать алгоритмические и математические модели прикладных задач интеллектуального анализа данных. ПК-10.3. Владеть навыками построения описательных и информационно-аналитических моделей для интеллектуального управления ресурсами предприятия.

2. Описание показателей и критериев оценивания компетенций на различных этапах их формирования, описание шкал оценивания

Промежуточная аттестация по практике проводится с целью выявления соответствия уровня теоретических знаний, практических умений и навыков в соответствии с требованиями ФГОС ВО по направлению подготовки 09.03.03 «Прикладная информатика» в форме зачета с оценкой.

Оценка по результатам зачета по практике выставляется в ведомость, электронную зачетную книжку обучающегося, а в последующем в приложение к диплому.

Оценки выставляются по стобалльной шкале, с последующим переводом в четырехбалльную следующим образом:

– 100-85 баллов – зачтено с оценкой отлично;

– 84-66 баллов – зачтено с оценкой хорошо;

– 65-50 баллов – зачтено с оценкой удовлетворительно;

– 49 и менее – не зачтено с оценкой неудовлетворительно.

Шкалы и показатели оценивания представлены в таблице 2.

Таблица 2 - Шкалы оценивания/показатели оценивания Показатели оценива ния Баллы «Зачтено (85-100)», «отлично» «Зачтено (66-84)» «хорошо» «Зачтено (50-65)» «удовлетворительно» «Не зачтено (менее 50)» «неудовлетворительно» Соответствие стандартам оформления От 0 до 5 5 баллов Оформление текста отчёта, вставок программного кода, таблиц, диаграмм, а так же оглавления, разделов отчёта, библиографии – всё полностью соответствует ГОСТ Р 7.0.100-2018 и требованиям ВУЗа. 4 балла Оформление текста отчёта, вставок программного кода, таблиц, диаграмм, а так же оглавления, разделов отчёта, библиографии соответствует ГОСТ Р 7.0.100-2018 и в целом соответствует требованиям ВУЗа, пусть и с незначительными нарушениями. 3 балла Оформление текста отчёта, вставок программного кода, таблиц, диаграмм, а так же оглавления, разделов отчёта, библиографии не противоречит ГОСТ Р 7.0.100-2018, хотя и частично нарушает требования ВУЗа. 0 баллов Оформление текста отчёта, вставок программного кода, таблиц, диаграмм, а так же оглавления, разделов отчёта, библиографии практически не соответствует ГОСТ Р 7.0.100-2018. Максимум: 0 баллов 1-2 балла Оформление текста отчёта, вставок программного кода, таблиц, диаграмм, а так же оглавления, разделов отчёта, библиографии не противоречит напрямую ГОСТ Р 7.0.100-2018, но содержит крупные нарушения требований ВУЗа. Выбор предметной области, постановка задачи и поиск источника данных. От 0 до 10 9-10 баллов Во введении отчёта внятно сформулирована предметная область применения нейросетевого решения, решаемая в этой предметной области задача, а так же планируемый источник данных для обучения нейронной сети. 7-8 баллов Во введении сформулирована предметная область применения нейросетевого решения и решаемая в этой предметной области задача, а так же планируемый источник данных для обучения нейронной сети, но остаются небольшие вопросы. 5-6 баллов Область применения нейросетевого решения и решаемая в этой предметной области задача сформулированы недостаточно конкретно. Планируемый источник данных для обучения нейронной сети указан. 0 баллов Из введения сложно понять, какую задачу должна решать нейронная сеть и на каких данных она будет учиться. 1-4 балла Не названа область применения нейросетевого решения, или решаемая в этой предметной области задача, хотя и указан планируемый источник данных для обучения нейронной сети.

Обоснование топологии и мат. модели нейронной сети От 0 до 20 17-20 баллов Дано полное обоснование топологии планируемой нейронной сети, математических основ её работы и применимости в рамках выбранной предметной области под конкретную задачу. 13-16 баллов Обоснование топологии планируемой нейронной сети, математических основ её работы и применимости в рамках выбранной предметной области дано, но остаются некоторые вопросы в плане конкретной задачи. 9-12 баллов Дано общее описание топологии планируемой нейронной сети и математических основ её работы. Попытка адаптировать это описание под требования предметной области и конкретной решаемой задачи сделана, но остаются значительные вопросы. 0 баллов Обоснование топологии нейронной сети не выполнено, мат. модель не представлена. 1-8 баллов Дана справочная информация о применяемых топологиях нейросетей и их математической основе, без привязки к конкретной предметной области и конкретной решаемой задаче. Сбор данных и их подготовка к работе с нейросетью От 0 до 15 13-15 баллов В отчёте дано описание природы исходных данных, причин необходимости их предварительной обработки перед передачи в нейросеть, математической теории, лежащей в основе этой обработки, а так же конкретного программного механизма этой обработки, работающего при решении задачи этой работы. 10-12 баллов В отчёте дано описание исходных данных, причин необходимости их предварительной обработки перед передачей в нейросеть и конкретного работающего способа их обработки. Остаются некоторые вопросы о математической теории, лежащей в основе выбранного алгоритма обработки. 7-9 баллов В отчёте дано описание исходных данных и конкретного работающего способа их обработки перед передачей в нейронную сеть. Вместе с тем, не очень понятно, зачем эта обработка вообще нужна и на какие математические принципы опирается. 0 баллов Передача данных для работы нейросети не отражена в отчёте. При попытке запуска программы, загрузка и обработка данных даёт сбой. 1-6 баллов Передача данных для работы нейросети отражена в отчёте в виде задачи, решаемой конкретными строчками кода, без пояснений проводимых операций. Обучение нейронной сети и оценка результативности От 0 до 15 13-15 баллов В отчёте проведено обучение нейронной сети с отслеживанием изменения метрик её эффективности по мере обучения и выводами об эффективности обучения по его результатам. Выбор метрик измерения и целевых показателей эффективности обоснован с учётом 10-12 баллов В отчёте проведено обучение нейронной сети с визуализацией изменения метрик её эффективности по мере обучения и выводами об 7-9 баллов В отчёте показан проводящий обучение алгоритм, оценена результативность итоговой модели и получены целевые показатели (по умолчанию 0 баллов Обучение нейронной сети не отражено в отчёте. При попытке запуска программы, обучение нейросети даёт сбой.

особенностей топологии нейросети и поставленной задачи. эффективности обучения по его результатам. Остаются вопросы о том, почему отслеживаются именно эти метрики и как они соответствуют поставленной задаче и топологии нейросети. Accuracy >= 70). Но сам процесс обучения не отслеживался, данные о промежуточных этапах не собирались и выводов об эффективности обучения не сделано. 1-6 баллов В отчёте показан алгоритм, производящий обучение, но целевые показатели не рассчитываются или не достигаются. Улучшение архитектуры решения От 0 до 15 13-15 баллов В работе предложено улучшение архитектуры решения через гиперпараметры, изменение данных для обучения и через архитектуру нейронной сети. Все эти улучшения были реализованы, протестированы и оценены. 10-12 баллов Улучшение архитектуры решения обсуждалось во всех возможных аспектах, было реализовано в некоторых аспектах, частично протестировано и оценено. 7-9 баллов Был предложен и доведён то тестирования и выводов хотя бы один способ улучшения архитектуры нейронной сети. 0 баллов Об улучшении архитектуры решения речь не шла. Код, осуществляющий и тестирующий улучшения нейронной сети, даёт сбои при запуске. 1-6 баллов Улучшения архитектуры решения обсуждались, но в целом не были доведены до результата. Визуализация работы на всех этапах От 0 до 15 13-15 баллов Визуализация присутствует для большинства шагов решения, и при этом каждый раз либо позволяет делать новые интересные выводы о природе решаемой задачи, либо ответить на какие-то вопросы о качестве решений. 10-12 баллов Визуализация присутствует для большинства шагов решения, и некоторые из этих визуализаций позволяют либо лучше вскрыть природу конкретной задачи, либо ответить на какие-то вопросы о способах её решения. 7-9 баллов Визуализация присутствует для большинства шагов решения, но не используется в отчёте для формулирования содержательных выводов о задаче и способах её решения. Визуализация используется 0 баллов Визуализация работы не работает в коде решения. Визуализация работы не отражена в отчёте. 1-6 баллов Визуализация используется слабо, выбранные способы визуализации

слабо, но выбранные способы визуализации позволяют делать содержательные выводы о задаче и способах её решения. не позволяют делать содержательные выводы Итоговые выводы От 0 до 5 5 баллов Выводы в заключении содержательно отражают проделанную работу, как в целом, так и во всех её индивидуальных особенностях. 4 балла Текст заключения в целом отражает проделанную работу, в том числе некоторые её индивидуальные особенности. 3 балла Текст заключения в целом посвящён общим вопросам, а не конкретной работе, хотя и адресует к некоторым её особенностям. 0 баллов Текст заключения не отражает проделанную работу. 1-2 балла Текст заключения отражает проделанную работу только в общих чертах.

3. Методические материалы, определяющие процедуры оценивания знаний, умений и навыков.

Процедура проведения промежуточной аттестации происходит в 4 этапа:

1. Проверка отчета по практике в ЭИОС Электронный университет.

2. Проверка работоспособности программного решения (игрового ПО).

3. Опрос обучающегося по программному коду и функционалу разработанного программного решения (для обучающихся с применением дистанционных технологий обучения, возможно проведение опроса посредством оставления комментария к отчетной документации в ЭИОС Электронный университет).

4. Проверка наличия всей корректно оформленной отчетной документации в соответствующих разделах ЭИОС Электронный университет.

Вопросы (задания) для оценки знаний после прохождения практики зависят от содержания практики обучающегося.

Перечень контролируемых вопросов и компетенций (индикаторов достижения компетенций), сформированных в процессе прохождения практики: Вопросы (задания), раскрывающие уровень освоения компетенций Проверяемая компетенция

Какие информационные технологии были использованы вами в процессе разработки нейронной сети?

ПК-9

Опишите последовательность работ с большими данными в контексте обучения нейронной сети

ПК-9

Объясните принцип работы вашей математической модели

ПК-10

Опишите процесс обучения вашей нейронной сети. Какие метрики качества вы использовали?

ПК-9, ПК-10

4. Методические материалы, определяющие процедуры оценивания знаний, умений, навыков и (или) опыта деятельности, характеризующих этапы формирования компетенций

Общие методические подходы оценивания результатов промежуточной аттестации установлены в Положении о текущем контроле успеваемости и промежуточной аттестации обучающихся, утвержденном ректором Университета.

Основные методические положения по прохождению практики в Университете установлены Порядком организации и проведения практики обучающихся, осваивающих основные профессиональные образовательные программы высшего образования, утвержденном ректором Университета.

Приложение 5

ПРИМЕР оформления отчета по практике

ВВЕДЕНИЕ

Производственная практика проходила в Московском университете им. С.Ю. Витте (далее - Университете) на кафедре информационных систем хххххх хххх хххххххх хххххх, ххххххх ххххххх х ххххх хххххх ххххх. Ххх хх хх ххххххх хххххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх. Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх.

Цель практики

получение знаний о возможности использования информационных технологий для решения прикладных задач, а также выработка практических навыков по их анализу, выбору и применению информационных технологий в Университете

Задачи практики

- Закрепление приобретенных теоретических знаний.

- Приобретение опыта разработки нейронных сетей на языке программирования Python

- Использование отечественных и международных стандартов при решении прикладных задач

- Составление требований к информационной системе при анализе предметной области

- Разработка математической модели нейронной сети

- Произвести сбор и нормализацию данных для последующего обучения нейронной сети

- Произвести обучение нейронной сети для выполнения поставленных задач

- Получение навыков самостоятельной работы

- Подготовка отчетов и презентаций по результатам профессиональной деятельности

Источниками информации явились организационно-правовые документы, распорядительные и информационно-справочные документы, регламентирующие деятельность специалиста данной предметной области.

1. ОСНОВНАЯ ЧАСТЬ

2. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ

2.1. Выбор и развертывание среды разработки для языка программирования Python

Наименование рисунков вставляется через контекстное меню (нажать правую кнопку мыши)/Вставить название/Рисунок. По тексту должны быть ссылки на рисунки. Например так: (рис.1 )

Рисунок 1 – Это пример оформления рисунков

Наименование таблиц вставляется через контекстное меню (нажать правую кнопку мыши)/Вставить название/Таблица. По тексту должны быть ссылки на рисунки. Например так: (табл.1 )

Таблица 1 – Это пример оформления таблицы

Оборудование

Технические характеристики

хххххххх

ххххххххх

хххххххх

ххххххххх

хххххххх

ххххххххх

хххххххх

ххххххххх

Хххххх хххх хххххххх хххххх, ххххххх ххххххх х ххххх хххххх ххххх. Ххх хх хх ххххххх хххххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх. Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх.

2.2. Анализ теоретических аспектов создания нейросетей

Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх.

2.3. Математическая модель нейронной сети

Здесь должны быть математические формулы и пример расчета вашей нейросети! Формулы должны быть вставлены с помощью Microsoft Equation

2.4. Выводы по разделу

Проведено обследование предметной области. В результате проведенного обследования можно сделать следующие выводы (табл.1):

Таблица 1

Выводы по разделу 1

Выводы Сформированные компетенции Код компетенции Содержание компетенции

Проведен выбор и развертывание среды разработки для языка программирования Python.

ПК-9

Способность разрабатывать методы извлечения, анализа и обработки информации

Проведен анализ теоретических аспектов создания нейросетей

Разработана математическая модель нейронной сети

ПК-10

3. РАЗРАБОТКА НЕЙРОННОЙ СЕТИ

3.1. Создание нейронов

Это пример оформления программного кода!

//Получаем гласные

def get_vowels(String):

return [each for each in String if each in "aeiou"]

get_vowels("animal") # [a, i, a]

get_vowels("sky") # []

get_vowels("football") # [o, o, a]

// Первая буква в верхнем регистре

def capitalize(String):

return String.title()

capitalize("shop") # [Shop]

capitalize("python programming") # [Python Programming]

3.2. Создание нейронной сети

3.2.1. Выбор топологии сети

3.2.2. Группировка нейронных блоков в нейронную сеть

3.2.3. Экспериментальный подбор характеристик сети

3.3. Сбор и нормализация данных для обучения нейронной сети

Хххххх хххх хххххххх хххххх, ххххххх ххххххх х ххххх хххххх ххххх. Ххх хх хх ххххххх хххххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх

3.4. Обучение нейронной сети

3.4.1. Выбор способа оценки адекватности результатов обучения

3.4.2. Расчет количества потерь и их минимизация

хххххххх ххх хххххххх хххххххх хххххххх ххххх. Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх. Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх.

3.4.3. Анализ адекватности обучения

ххх хххххххх хххххххх хххххххх ххххх. Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх. Хххххх хххх хххххххх хххххх, ххххххх ххххххх х ххххх хххххх ххххх. Ххх хх хх ххххххх хххххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх. Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хххххх хххх хххххххх хххххх, ххххххх ххххххх х ххххх хххххх ххххх. Ххх хх хх ххххххх хххххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх. Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх.

3.5. Выводы по разделу

Разработана нейронная сеть, реализующая «ххххх ххх». Хххх ххххххххх хххххххххх ххххххххх ххххххх. Хх хххххххх хххххххххх хххххххх ххххххх ххххххххххх ххх ххххххх ххххххх ххххх хххххх ххххххх. Ххххх ххххххххххх хххххх, хххххх, ххххххххххх хххххх хххххххх ххх хххххххх хххххххх хххххххх ххххх.

В результате выполненной работы можно сделать следующие выводы (табл.2):

Таблица 2

Выводы по разделу 2 Выводы Сформированные компетенции Код компетенции Содержание компетенции

Разработаны нейроны и нейронные блоки на языке программирования Python.

Создана нейронная сеть. Экспериментальным способом подобраны характеристики нейронной сети: определено количество слоев, число блоков в скрытых слоях, наличие или отсутствие обходных соединений, передаточные функции нейронов.

Собраны данные для обучения нейронной сети. Параметры обучения подобраны экспериментальным способом.

Произведено обучение нейронной сети на собранных данных. Проверена адекватность результатов обучения сети.

ПК-9

Способность разрабатывать методы извлечения, анализа и обработки информации

ПК-10

ЗАКЛЮЧЕНИЕ

В ходе прохождения производственной практики (эксплуатационной практики) самостоятельная работа выполнялась на всех этапах профессиональной деятельности решения учебных бизнес-задач Университета. Было изучено техническое и программное обеспечения, технология решения задач и проведения процессов.

В ходе производственной практики (эксплуатационной практики) получены профессиональные умения:

- Инсталлировать отдельные компоненты прикладного программного обеспечения.

- Выполнять математическое моделирование нейронной сети и визуализировать полученные данные.

- Разрабатывать и производить обучение нейронных сетей.

- Использовать стандарт ГОСТ 34.602—2020 при документировании процессов создания нейронных сетей.

- Производить анализ, подбор, подготовку и нормализацию данных, требующихся для обучения нейронных сетей.

В ходе производственной практики (эксплуатационной практики) сформированы навыки:

- Использования математических моделей при создании программных решений.

- Автоматизации решения типовых задач, интеграции разнородных данных в информационных системах.

- Разработки и адаптации прикладного программного обеспечения для выполнения задач предметной области.

- Расчета количества потерь в тренировке нейронной сети и последующая минимизация потерь.

- Анализа адекватности результатов обучения нейронной сети.

- Анализа собранной информации и формирования отчетных документов по практике.

Таким образом, цель практики - закрепление теоретических знаний, полученных в процессе обучения; приобретения практических навыков, компетенций и опыта деятельности по направлению подготовки; ознакомления на практике с вопросами профессиональной деятельности, направленными на формирование знаний, навыков и опыта профессиональной деятельности в полной мере достигнута.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ

1 ЭТО ПРИМЕР СПИСКА ЛИТЕРАТУРЫ Список литературы следует оформлять по ГОСТ Р 7.0.100-2018.

2 Литература не должна быть старше 5 лет!

3 Провалов, В.С. Информационные технологии управления / В.С. Провалов. – 4-е изд., стер. – Москва: Издательство «Флинта», 2018. – 374 с. – (Экономика и управление). – Режим доступа: – URL: http://biblioclub.ru/index.php?page=book&id=69111

4 Кравченко, Ю.А. Информационные и программные технологии / Ю.А. Кравченко, Э.В. Кулиев, В.В. Марков; Министерство образования и науки Российской Федерации, Федеральное государственное автономное образовательное учреждение высшего образования «Южный федеральный университет», Инженерно-технологическая академия. – Ростов-на-Дону; Таганрог: Издательство Южного федерального университета, 2017. – Ч. 1. Информационные технологии. – 113 с.: ил. – Режим доступа: – URL: http://biblioclub.ru/index.php?page=book&id=499727

5 Парфенова М.Я., Маликов С.Н Методологические исследования эффективности информационных технологий: монография. Издательство: МУ им. С.Ю. Витте, 2017. https://online.muiv.ru/lib/pdf/117050.pdf

6 Балдин, К.В. Информационные системы в экономике / К.В. Балдин, В.Б. Уткин. – 7-е изд. – Москва: Издательско-торговая корпорация «Дашков и К°», 2017. – 395 с.: ил. – Режим доступа: по подписке. – URL: http://biblioclub.ru/index.php?page=book&id=454036

7 Соловьев, Н.А. Введение в программную инженерию / Н.А. Соловьев, Л.А. Юркевская; Министерство образования и науки Российской Федерации, Оренбургский Государственный Университет. – Оренбург: ОГУ, 2017. – 112 с. : схем., табл., ил. – Режим доступа: – URL: http://biblioclub.ru/index.php?page=book&id=481815

Приложение 6.

ВАРИАНТЫ ПРЕДМЕТНЫХ ОБЛАСТЕЙ

1. Применение нейронных сетей для анализа текста

2. Применение нейронных сетей для анализа темы текста

3. Применение нейронных сетей для кредитного скоринга

4. Применение нейронных сетей для обработки терминологической информации из научно-технических текстов

5. Применение нейронных сетей для анализа мнений пользователей Интернет-ресурсов

6. Применение нейронных сетей для составления музыкальных рекомендаций

7. Применение нейронных сетей для анализа информации из социальной сети

8. Применение нейронных сетей для сбора данных с платформ по поиску вакансий

9. Применение нейронных сетей для составления предложений по аренде жилья

10. Применение нейронных сетей для анализа котировок валют

11. Применение нейронных сетей для оценки дорожной ситуации

12. Применение нейронных сетей для определения запрещённого на территории страны контента

13. Применение нейронных сетей для анализа корпоративных новостей

14. Применение нейронных сетей для генерации постов в социальных сетях

15. Применение нейронных сетей для прогнозирования потребности в кадровых ресурсах

16. Применение нейронных сетей для анализа доходности биржевых акций

17. Применение нейронных сетей для продвижения банковских продуктов

18. Применение нейронных сетей для анализа клиентского оттока

19. Применение нейронных сетей для классификации изображений

20. Применение нейронных сетей для сегментации изображения/видео

21. Применение нейронных сетей для распознавания позы человека

22. Применение нейронных сетей для колоризации изображения/видео

23. Применение нейронных сетей для анализа тональности сообщений в социальных сетях

24. Применение нейронных сетей для детектирования перемещения объектов в режиме реального времени

25. Применение нейронных сетей для поиска и идентификации товаров

26. Применение нейронных сетей для создания словаря для близкородственных языков

27. Применение ансамблевых методов для детектирования объектов на фото

28. Применение нейронных сетей для анализа бизнес-процессов банка

29. Применение нейронных сетей для предсказания будущих действий на смартфоне

30. Применение нейронных сетей для предсказания времени поломки оборудования

31. Применение нейронных сетей для предсказания поведения стоимости портфеля акций

32. Применение нейронных сетей для прогнозирования кредитного дефолта

33. Применение нейронных сетей для проектирования оптимального дорожного маршрута

34. Применение нейронных сетей для создания произведений искусства

35. Применение нейронных сетей для визуального картирования и локализации

36. Применение нейронных сетей для автоматического определения и исправления опечаток в учебных текстах

37. Применение нейронных сетей для обнаружения некорректной и ненормативной лексики

38. Применение нейронных сетей для автоматической проверки фактов и высказываний

39. Применение нейронных сетей для анализа данных движений глаз

40. Применение нейронных сетей для диагностики заболеваний

41. Применение нейронных сетей для оценки качества перевода литературных текстов

42. Применение нейронных сетей для рекомендации товаров и услуг

43. Применение нейронных сетей для генерации музыки

44. Применение нейронных сетей для определения местоположения через мобильные устройства

45. Применение нейронных сетей для планирования шахматных ходов

46. Применение нейронных сетей для трехмерной реконструкции лица

47. Применение нейронных сетей для распознавания/синтеза речи

48. Применение нейронных сетей для тренировки произношения

49. Применение нейронных сетей для распознавания жестов

50. Применение нейронных сетей для исследования взаимодействия сотрудников в организации

51. Применение нейронных сетей для нахождения сообществ в социальных сетях

52. Применение нейронных сетей для моделирования распространения влияния

53. Применение нейронных сетей для моделирования социальных процессов

54. Применение нейронных сетей для анализа публикационной активности

55. Применение нейронных сетей для анализа данных в области образования

56. Применение нейронных сетей для анализа поведения игроков компьютерных игр

57. Применение нейронных сетей для анализа медицинской

58. информации

59. Применение нейронных сетей для реконструкции трехмерной сцены по фото/видео

60. Применение нейронных сетей для анализа распространения информации в социальных сетях

61. Применение нейронных сетей для имитации человеческой речи (звук)

62. Применение нейронных сетей для имитации человеческой речи в сообщениях в социальных сетях

63. Применение нейронных сетей для преобразования видео в текст

64. Применение нейронных сетей для поиска изображений по описанию

65. Применение нейронных сетей для определения и идентификации лиц на фотографии

Вам подходит эта работа?

Похожие работы

Информационные технологии

Цифровые каналы продаж Синергия / МТИ / МОИ / МосАП ЗАЧЕТ

200 ₽

user684700

Тест Тест

9 Окт в 23:39

0 покупок

Информационные технологии

(НСПК) Практические задания 1-7 по дисциплине Применение информационных технологий в создании макетов и обработка изображений с помощью графических редакторов

600 ₽

Сюзанна

Задача Задача

7 Окт в 19:27

10 +1

0 покупок

Информационные технологии

Практика. Синергия. 8 семестр

1 250 ₽

wffire

Отчет по практике Практика

7 Окт в 17:58

0 покупок

Информационные технологии

Информационные технологии в профессиональной деятельности Витте Ответы на тесты 1-4

500 ₽

EasyLearn

Тест Тест

6 Окт в 18:22

17 +1

0 покупок

Информационные технологии

ОТЧЕТ Производственная практика (практика в ИТ-сфере) Росдистант Юриспруденция

250 ₽

user483424

Отчет по практике Практика

6 Окт в 15:01

0 покупок

Другие работы автора

Экономика

Теоретические аспекты венчурного финансирования. Особенности финансовой инновационной деятельности в РФ и за рубежом. Инвестирование инновационных проектов

4 950 ₽

Гарант

Дипломная работа Дипломная

30 Сен в 13:45

0 покупок

Автотранспорт

Городская СТО на 11200 автомобилей малого класса. Шинное отделение

2 950 ₽

Гарант

Курсовая работа Курсовая

29 Сен в 13:41

0 покупок

Русский язык и культура речи

ОСОБЕННОСТИ ЯЗЫКОВОЙ ЛИЧНОСТИ ЕКАТЕРИНЫ 2 (НА МАТЕРИАЛЕ ДНЕВНИКОВ РАННЕЙ ЮНОСТИ)

9 850 ₽

Гарант

Дипломная работа Дипломная

29 Сен в 13:37

0 покупок

Психология

Теоретические основы изучения роли самооценки в формировании синдрома эмоционального выгорания. Эмпирическое изучение роли самооценки в формировании синдрома эмоционального выгорания

4 950 ₽

Гарант

Дипломная работа Дипломная

29 Сен в 13:34

0 покупок

Экономика

Анализ влияния экономических кризисов на российский венчурный рынок

7 950 ₽

Гарант

Дипломная работа Дипломная

29 Сен в 13:33

0 покупок

Основы безопасности и жизнедеятельности

Требования пожарной безопасности при проведении пожароопасных работ

7 950 ₽

Гарант

Дипломная работа Дипломная

29 Сен в 13:29

0 покупок

Педагогика

Специфика работы по обогащению словаря учащихся 1 класса

1 450 ₽

Гарант

Курсовая работа Курсовая

29 Сен в 13:24

12 +2

0 покупок

Экономика

Государственный долг: виды, источники, последствия пути преодоления

1 450 ₽

Гарант

Курсовая работа Курсовая

29 Сен в 13:22

0 покупок

Другое

Проект строительства электросталеплавильного цеха мощностью 208472 тыс. т в год

2 980 ₽

Гарант

Курсовая работа Курсовая

29 Сен в 13:21

0 покупок

Лингвистика

Реализация личностно-ориентированного подхода в обучении лингвистически одаренных учащихся иноязычному говорению

7 950 ₽

Гарант

Магистерская диссертация Магистерская диссертация

29 Сен в 13:18

0 покупок

Педагогика

ФОРМИРОВАНИЕ ПАТРИОТИЧЕСКИХ ЧУВСТВ У МЛАДШИХ ШКОЛЬНИКОВ ВО ВНЕУРОЧНОЙ ДЕЯТЕЛЬНОСТИ

1 450 ₽

Гарант

Курсовая работа Курсовая

24 Сен в 09:56

0 покупок

Гражданское право

Изображение гражданина как нематериальное благо и его гражданско-правовая защита

4 950 ₽

Гарант

Дипломная работа Дипломная

23 Сен в 13:53

0 покупок

Государственное управление

Профессиональная этика и этикет государственного (муниципального) служащего

4 950 ₽

Гарант

Дипломная работа Дипломная

23 Сен в 13:48

0 покупок

История

Репрезентация опыта эмиграции советских немцев в 1980-1990-е годы в советских журналах

1 450 ₽

Гарант

Курсовая работа Курсовая

23 Сен в 13:44

0 покупок

Экономика

Анализ дебиторской и кредиторской задолженности

1 450 ₽

Гарант

Курсовая работа Курсовая

23 Сен в 13:43

0 покупок

Психология

Профилактика эмоционального выгорания педагогов дошкольной образовательной организации

9 850 ₽

Гарант

Дипломная работа Дипломная

23 Сен в 13:42

0 покупок

Экономика

Анализ влияния экономических кризисов на российский венчурный рынок

4 950 ₽

Гарант

Дипломная работа Дипломная

22 Сен в 15:25

0 покупок

Другое

РАЗРАБОТКА НАПРАВЛЕНИЯ ПОВЫШЕНИЯ КОНКУРЕНТОСПОСОБНОСТИ ВУЗА

4 950 ₽

Гарант

Дипломная работа Дипломная

22 Сен в 15:23

0 покупок

Электроэнергетика

ВАРИАНТ 6. Гидроэнергетика. Кадастр.

1 980 ₽

Гарант

Контрольная работа Контрольная

18 Сен в 22:23

0 покупок

Электроэнергетика

ВАРИАНТ 8. Гидроэнергетика. Кадастр.

1 980 ₽

Гарант

Контрольная работа Контрольная

18 Сен в 22:21

0 покупок

Предыдущая работа

Установите правильную последовательность появления философских работ по теории познания, начиная с самой ранней: 1 «Метафизика» (Аристотель) 2 «Новый Органон» (Ф. Бэкон) 3 «Опыт о человеческом разумении» (Дж. Локк) 4 «Критика чистого разума» (И. Кант

Следующая работа

ОТВЕТЫ НА ТЕСТ (ТИСБИ) Жилищное право

Закажите новую работу, выполненную по вашим требованиям у эксперта

Темы журнала

Статьи справочника

Прямой эфир