Формирование программ учебных дисциплин, связанных с анализом данных Н.Ю.Прокопенко (ННГАСУ) - презентация

1 Формирование программ учебных дисциплин, связанных с анализом данных Н.Ю.Прокопенко (ННГАСУ)

2 ННГАСУ участвует в образовательной программе компании BaseGroup Labs с 2007 г.

3 Уровневая модель высшего образования

4 ОПРЕДЕЛЕНИЕ ЗАПРОСА НА СПЕЦИАЛИСТА И НАБОР ЕГО КОМПЕТЕНЦИЙ Способен при решении профессиональных задач анализировать социально-экономические проблемы и процессы с применением методов системного анализа и математического моделирования (ПК-2) Способен ставить и решать прикладные задачи с использованием современных информационно- коммуникационных технологий (ПК-4) Способен проводить обследование организаций, выявлять информационные потребности пользователей, формировать требования к информационной системе, участвовать в реинжиниринге прикладных и информационных процессов (ПК-8) Профессиональные компетенции (ФГОС), соответствующие профессиональной деятельности бизнес-аналитика:

5 ОПРЕДЕЛЕНИЕ ЗАПРОСА НА СПЕЦИАЛИСТА И НАБОР ЕГО КОМПЕТЕНЦИЙ Способен моделировать и проектировать структуры данных и знаний, прикладные и информационные процессы (ПК-9) Способен применять методы анализа прикладной области на концептуальном, логическом, математическом и алгоритмическом уровнях (ПК-17) Способен применять системный подход и математические методы в формализации решения прикладных задач (ПК-21) Профессиональные компетенции (ФГОС), соответствующие профессиональной деятельности бизнес-аналитика:

6 КОМПЕТЕНЦИИ БИЗНЕС-АНАЛИТИКА, ВОСТРЕБОВАННЫЕ ПРАКТИКОЙ Высшее инженерно-экономическое или экономическое образование; Знание предметной области и бизнеса Заказчика; Понимание сути и целей внедрения хранилища данных и той пользы, которую внедрение принесет бизнесу Заказчика; Знание принципов организации данных и построения моделей данных; Умение систематизировать информацию, соблюдать дисциплину в отношении ведения документов, версий, протоколов;

7 КОМПЕТЕНЦИИ БИЗНЕС-АНАЛИТИКА, ВОСТРЕБОВАННЫЕ ПРАКТИКОЙ Наличие практического опыта описания процессов в различных нотациях (UML, IDEF0, IDEF3, DFD и другие); Отличное знание пакет офисных программ (MS Word, MS Excel, MS PowerPoint); Практические навыки работы с BI-приложениями; Объективность в части принятия требований от Заказчика для их реализации. Не принимать абсолютно все требования, уметь донести цели создания и ограничения системы Коммуникабельность, умение работать в команде с другими аналитиками, консультантами и представителями Заказчика.

8 СОВРЕМЕННЫЕ МЕТОДЫ РАЗРАБОТКИ УЧЕБНЫХ ПЛАНОВ Модульное обучение Составление учебных планов вузов на основе дерева целей подготовки специалиста Предметно-модульный принцип построения учебного плана: Базовая часть учебного плана – дисциплины Вариативная часть – модули и дисциплины по выбору

9 ИЕРАРХИЧЕСКАЯ СТРУКТУРА ЦИКЛА ДИСЦИПЛИН, СВЯЗАННЫХ С АНАЛИЗОМ ДАННЫХ Блок «Анализ данных» DS… NCNC …IM… CNCN 01 … … 05 … … 08 IM01 … … IM08 … … IM14 Дисциплина Модуль Тема

10 ОСНОВНЫЕ ТРЕБОВАНИЯ К ПРЕДМЕТНО- МОДУЛЬНЫМ ОБРАЗОВАТЕЛЬНЫМ ПРОГРАММАМ 1. Программа должна учитывать уровень подготовки слушателей; 2. Программа должна содержать повышенные требования к промежуточному и выходному контролю знаний выпускников; 3. Программа должна избегать дублирования одинакового материала одного уровня сложности и тем самым повышать эффективность обучения.

11 ЦИКЛ ДИСЦИПЛИН УЧЕБНОГО ПЛАНА, СВЯЗАННЫХ С АНАЛИЗОМ ДАННЫХ: Бакалавры Направление подготовки Прикладная информатика НазваниеТипСеместрыЧас/нед Интеллектуальные информационные системы Профиль6,7 2,4 Интеллектуальные методы анализа данных Количественные методы Выбор6 3 Аналитические системы в региональной экономике Геоинформационные системы Выбор7 3 ЛогистикаВыбор7 4 Сетевая экономикаВыбор8

12 ЦИКЛ ДИСЦИПЛИН УЧЕБНОГО ПЛАНА, СВЯЗАННЫХ С АНАЛИЗОМ ДАННЫХ: Магистры Направление подготовки Прикладная информатика Программа: Прикладная информатика в аналитической экономике Профессиональная ориентация: научно-педагогическая ТипСеместрыЧас/нед Математические и инструментальные методы поддержки принятия решений Базовый блок1,22,2 Современные методы обработки данных в интеллектуальных системах Вариативный блок 14 Методы экономического анализа Вариативный блок 2,32,2 Информационно-аналитические основы управления рисками Применение аналитических систем для построения корпоративной стратегии предприятия Выбор32

13 ОСНОВНЫЕ ФАКТОРЫ, ВЛИЯЮЩИЕ НА КАЧЕСТВО ОБУЧЕНИЯ Содержание и структура учебного материала (должны быть ориентированы на поэтапное ознакомление с анализом данных); Методы обучения; Материально-техническая база процесса обучения.

14 ПРИНЦИПЫ ПРОЕКТИРОВАНИЯ СОДЕРЖАНИЯ 1. Концептуальность (теоретический блок, технологический, практический блок); 2. Вариативность видов самостоятельной работы; 3. Использование современных информационных источников; 4. Опора на практику и реальные проблемы; 5. Ориентация на освоение компетенций в каждой теме; 6. Интегративность заданий.

15 МЕТОДЫ ОБУЧЕНИЯ Методы обученияУчебные материалыКомпетенции Курс лекцийУчебник Понимание, узнавание (знания-знакомства) Практические занятияЗадачник Воспроизведение (знания-умения) Лабораторные занятияКейсы Применение (знания- навыки) Учебно- исследовательские работы (курсовые работы, РГР, дипломные проекты) Реальные задачи Творчество (знания- новации)

16 МАТЕРИАЛЬНО-ТЕХНИЧЕСКАЯ БАЗА ПРОЦЕССА ОБУЧЕНИЯ Обеспеченность учебного процесса по указанным дисциплинам программно-информационными ресурсами п/п Информационная продукцияРазработчик ВидНазвание Учреждение (вуз) АвторГод 1 Компьютерная программа MS Office 2007 МSМSMS Компьютерная программа АП Deductor Рязанское ООО «Аналитиче ские технологии» Компьютерная программа MS SQL Server 2005 MS Компьютерная программа MS Visual Studio 2008 MS 200 8

17 DEDUCTOR – ИНСТРУМЕНТАЛЬНОЕ СРЕДСТВО ДЛЯ РЕШЕНИЯ ЗАДАЧ АД Наличие учебной версии; Наличие в Deductor Academic самых современных методов извлечения, визуализации данных, кластеризации, многих других технологий интеллектуального анализа (Обработчик «Дерево решений», обработчик «Нейронные сети»); Доступность для освоения пользователями, имеющими разные уровни компьютерной и математической подготовки.

18 «Применение современных информационных технологий и интеллектуальных методов анализа в задаче прогнозирования результатов спортивных состязаний» «Разработка информационной системы автоматизации мониторинга состояния водных ресурсов региона» Дипломные проекты, выполненные на аналитической платформе Deductor

19 1. Разнородность подготовки студентов; 2. Качество образования падает; 3. Определение реальной нагрузки и для преподавателей и для студентов (темп, объем); 4. Слабая интеграция образования, науки и бизнеса. ПРОБЛЕМЫ ПОДГОТОВКИ ЦИКЛА ДИСЦИПЛИН УЧЕБНОГО ПЛАНА, СВЯЗАННЫХ С АНАЛИЗОМ ДАННЫХ: