В образовательном процессе применяются разнообразные формы работы со слушателями, к которым относятся:
• входное тестирование - определение степени владения необходимыми (базовыми) знаниями и умениями, необходимыми для изучения курса, т.е. входное тестирование позволяет выявить готовность к усвоению новых знаний слушателями. С помощью входного тестирования определяются степень владения новым материалом до начала его изучения.
• лекционный курс - систематизирование основ теоретических знаний и передового практического опыта.
• практические занятия - анализ нормативных правовых актов и практических ситуаций, решение кейсов и практико-ориентированных заданий.
• – творческая мастерская/мастер-класс - позволяет решить задачи: личностного саморазвития; образовательной мотивации: повышения интереса к процессу обучения и активного восприятия учебного материала; функциональной грамотности и креативности: навыков и умений творческого постижения и осмысления нового знания; социальной компетентности: коммуникативных навыков и ответственности за знание.
• кейс-стадии – изучение конкретных ситуаций из практики (case-study). Для выполнения данного вида заданий обучающимся должна быть представлена в письменной форме информация относительно реальной ситуации (профессиональной или жизненной) и поставлены конкретные задачи её изучения проблемы, обучающиеся анализируют различные аспекты проблемы и предлагают выработанные решения;
• тестирование – это стандартизированный метод оценки знаний, умений, навыков обучающихся. В программе применяется электронное тестирование на базе системы дистанционного обучения (СДО) Финансового университета с возможностью подключения системы прокторинга.

Практические занятия проводятся в интерактивной форме. На практических занятиях организуются индивидуальная и групповая работа, осуществляется работа с различными инструментами и технологиями. Проведение занятий в режиме вебинаров (используется технология Microsoft Teams).
Продолжительность учебного дня – не более 10 академических часов.

В процессе обучения слушатели обеспечиваются необходимыми для эффективного прохождения обучения учебно-методическими материалами и информационными ресурсами в объеме изучаемого курса, которые объединены в учебно-методический комплекс. Материалы учебно-методического комплекса доводятся до всех слушателей курса.

Электронный учебный контент по модулю включает в себя следующие учебные материалы на платформе СДО Финансового университета:

- вопросы для самопроверки,
- контрольные задания,
- презентационные материалы;
- лекционные материалы
- видеолекции (вебинары) по разбору практических задания и ответов на сложные вопросы

Основная литература
1. Ананьева, Т. Н. Стандартизация, сертификация и управление качеством программного обеспечения: учебное пособие / Т.Н. Ананьева, Н.Г. Новикова, Г.Н. Исаев. — Москва: ИНФРА-М, 2019. — 232 с. – ЭБС ZNANIUM.com. - URL: https://znanium.com/catalog/product/1002357 (дата обращения: 06.08.2020). - Текст: электронный;
2. Data Science. Наука о данных с нуля. / Билл Фрэнкс.; пер. с англ. Евстигнеева И.В. – М.: Издательство «Альпина Паблишер». – 2018. – 320 с.
3. Бринк, X. Машинное обучение / X. Бринк, Ричарде Дж., М. Феверолф. – СПб.: Питер, 2017. – 336 с.
4. Зараменских, Е. П. Основы бизнес-информатики: учебник и практикум для бакалавриата и магистратуры / Е. П. Зараменских. – Москва: Издательство Юрайт, 2017. – 407 с.
5. Курносов Ю.В. «Азбука аналитики», Издательство «Концептуал», 2018 -240 с.
6. Лакшманан В., Тайджани Д. «Google BigQuery. Всё о хранилищах данных, аналитике и машинном обучении», Санкт Петербург: Издательский дом «Питер». – 2021. – 496с.
7. Б. Марр «Ключевые инструменты бизнес-аналитики»/ пер с англ. Егоров В. Н., Издательство «Лаборатория знаний», 2018 – 339 с.
8. де Прадо М. «Машинное обучение: алгоритмы для бизнеса», Санкт Петербург: Издательский дом «Питер». – 2019. – 432 с.
9. Набатова Д. С. Математические и инструментальные методы поддержки принятия решений: учебник и практикум для бакалавриата и магистратуры / Д.С. Набатова. – Москва: Юрайт, 2016. – 292 с. – То же [Электронный ресурс]. –2018.– Режим доступа: https://urait.ru/book/matematicheskie-i-instrumentalnye-metody-podderzhki-prinyatiya-resheniy-469195.
10. Плас вандер Д. «Python для сложных задач: наука о данных и машинное обучение», Санкт Петербург: Издательский дом «Питер». – 2018. – 576с.
11. Точилкина, Т.Е. Хранилища данных и средства бизнес-аналитики = Data warehouse and business analitics tools [Электронный ресурс]: учебное пособие / Т.Е. Точилкина, А.А. Громова; Финуниверситет, Каф. "Бизнес-информатика". – Электронные данные (1 файл: 8,5 Мб). – Москва: Финуниверситет, 2017. – Режим доступа: http://elib.fa.ru/fbook/tochilkina_1827.pdf/view
12. Черников, Б.В. Управление качеством программного обеспечения: учебник / Б.В. Черников. - Москва: Форум, 2012. - 240 с. — Текст: непосредственный. - То же. - 2019. - ЭБС ZNANIUM.com. – URL: https://new.znanium.com/catalog/product/1018037 (дата обращения: 06.08.2020). - Текст: электронный.

Дополнительная литература
1. Data Science. Наука о данных с нуля. / Джоэл Грас.; пер. с англ. Логунов А.В. – Санкт Петербург: Издательство «БХВ-Петербург». – 2018. – 336 с.
2. Google BigQuery. Всё о хранилищах данных, аналитике и машинном обучении. – СПб.: Питер, 2021. – 496 с.: ил.
3. К. Андерсон «Аналитическая культура»/Издательство. Манн, Иванов, Фербер, 2017 – 332 с.
4. Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени. / Натан Марц и Джеймс Уоррен.; пер. с англ. – М.: Вильямс. – 2017. – 336 с.
5. Глубокое обучение на Python. – СПб.: Питер, 2018. – 400 с.: ил. – (Серия «Библиотека программиста»).
6. Д. Битти К. Вигерс «Разработка требований к программному обеспечению», Издательство BHV, 2019 -737 с.
7. Основы Data Science и Big Data. Python и наука о данных. / Силен Д., Мейсман А., Али М.; пер. с англ. – Санкт Петербург: Издательский дом «Питер». – 2018. – 336 с.
8. Радченко И.А, Николаев И.Н. Технологии и инфраструктура Big Data. – СПб: Университет ИТМО, 2018. – 52 с.
9. Шандриков, А.С. Стандартизация и сертификация программного 20 обеспечения: учебное пособие / А.С. Шандриков. —Минск: РИПО, 2014. —304 с. — ЭБС Университетская библиотека online. - URL: http://biblioclub.ru/index.php?page=book&id=463678 (дата обращения: 06.08.2020). - Текст: электронный.

Ресурсы Internet
1. https://powerbi.microsoft.com/ru-ru/desktop/ – страница загрузки платформы Power BI Desktop компании Microsoft.
2. https://www.qlik.com/ru-ru – страница для регистрации платформы Qlik Sense компании QlikTech.
3. https://public.tableau.com/en-us/s/download – страница загрузки платформы Tableau Public.
4. https://loginom.ru/download – страница загрузки платформы Loginom компании BaseGroup Labs.
5. https://www.knime.com/knime-analytics-platform – страница загрузки платформы Knime Analytics Platform.
6. https://www.knime.com/downloads/download-knime – страница загрузки платформы Knime Analytics Platform.
7. https://studio.azureml.net/ – страница для регистрации платформы Azure ML Studio.
8. https://community.cloud.databricks.com/login.html – страница для регистрации платформы Databricks.
9. https://rapidminer.com/get-started/ – страница загрузки платформы RapidMiner.
10. http://h2o-release.s3.amazonaws.com/h2o/rel-zermelo/4/index.html– страница загрузки платформы H2O.
11. https://cloud.google.com/bigquery/docs/sandbox– страница BigQuery sandbox.