Для достижения планируемых результатов обучение строится с использованием следующих:
методов: case-study, метод проектов, модульное обучение, проблемное обучение, контекстное обучение;
форм: лекции с использованием мультимедиа, практические занятия, самостоятельная работа, практика на базе привлекаемой организации.

Кроме того, обучение строится с применением технологий электронного обучения
и дистанционных образовательных технологий.

Обучающие материалы представлены в виде видеолекций, текстовых и графических материалов, размещенных на платформе sprint.1T.

Видеолекции
Текстовые материалы лекций
Инструкции для выполнения заданий
Обучающие задания с автоматизированной системой проверки и подсказками
Проверочные задания с автоматизированной системой проверки

1. Томас Дэвенпорт. Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности. − Альпина Паблишер, 2021. – 316 с. ISBN 978-5-9614-3952-6.
2. Большие данные в социальных и гуманитарных науках: Сб. обзоров и рефератов / РАН. ИНИОН. Центр науч.-информ. исслед. по науке, образованию и технологиям; отв. ред. – Гребенщикова Е.Г. – М., 2019. – 193 с. – (Сер.: Наука, образование и технологии). ISBN 978-5-248-00912-1.
3. Цифровая экономика от теории к практике: как российский бизнес использует искусственный интеллект / исслед. РАЭК / НИУ ВШЭ при поддержке Microsoft. – 2019. – 66 с. - URL: http://raec.ru/upload/files/190715-ii.pdf.
4. Радченко И.А, Николаев И.Н. Технологии и инфраструктура Big Data. – СПб: Университет ИТМО, 2018. – 52 с.
5. Шаг в будущее: искусственный интеллект и цифровая экономика : материалы 1-й Меж-дунар. науч.-практ. конф., 4-5 дек. 2017, г. Москва : в 4 вып. - М.: Изд. дом ГУУ, 2017. - Вып. 1. – 289 с.

Статьи:
1. Shurugin, Sergei & Enchinov, Aivengo & Gritskevich, Evgeny. (2021). USING THE METHOD OF STATISTICAL MODELING FOR IDENTIFICATION OF AN OBJECT BY GEOMETRIC PARAMETERS OF ITS IMAGE. Interexpo GEO-Siberia. 6. 314-320. 10.33764/2618-981X-2021-6-314-320.
2. Саханевич Д. Ю., Кремин А. Е. Систематизация методов машинного обучения в целях внедрения искусственного интеллекта в социально-экономические процессы региона // Вестник Владимирского государственного университета имени Александра Григорьевича и Николая Григорьевича Столетовых. Серия: Экономические науки. - 2019. - № 4 (22). - С. 57-65.
3. Щурина С. В., Данилов А. С. Искусственный интеллект как технологическая инновация развития экономики // Экономика. Налоги. Право. – 2019. – № 12 (3). –
С. 125-133.
4. Аналитика Больших данных как инструмент бизнес-инноваций. [Электронный ресурс]. – Режим доступа: https://filearchive.cnews.ru/img/files/2019/05/27/20190424idchitachiwpbdafin.pdf (дата обращения: 17.07.2022).
5. Баева В.Р., Дроздов А.Ю. ETL: АКТУАЛЬНОСТЬ И ПРИМЕНЕНИЕ. ПРЕИМУЩЕСТВА И НЕДОСТАТКИ ETL ИНСТРУМЕНТОВ // Вестник науки. 2019. №5 (14). URL: https://cyberleninka.ru/article/n/etl-aktualnost-i-primenenie-preimuschestva-i-nedostatki-etl-instrumentov (дата обращения: 17.07.2022).
6. Красов Андрей Владимирович, Штеренберг Станислав Игоревич, Фахрутдинов Ринат Маратович, Рыжаков Данила Владиславович, Пестов Игорь Евгеньевич Анализ информационной безопасности предприятия на основе сбора данных пользователей с открытых ресурсов и мониторинга информационных ресурсов с использованием машинного обучения // T-Comm. 2018. №10. URL: https://cyberleninka.ru/article/n/analiz-informatsionnoy-bezopasnosti-predpriyatiya-na-osnove-sbora-dannyh-polzovateley-s-otkrytyh-resursov-i-monitoringa (дата обращения: 17.07.2022).
7. Бутенко Е. К. Искусственный интеллект в банках сегодня: опыт и перспективы // Финансы и кредит. − 2018. − № 24 (3). − С. 143-153.
8. Коротеев М. В. Обзор некоторых современных тенденций в технологии машинного обучения // E-Managment. – 2018. – Т. 1, № 1. − С. 26-35. − DOI: 10.26425/2658-3445-2018-1-26-35.
9. Hilbert, M. (2016). Big Data for Development: A Review of Promises and Challenges. Development Policy Review, 34(1), 135–174. http://doi.org/10.1111/dpr.12142
10. Синяк Николай Георгиевич, Каклаускас Артурас, Зинькина Диана Васильевна, Хабиб Авада, Шариф Нуреддин, Бондаренко Анна Владимировна Использование больших данных в оценке экономического потенциала организаций // Труды БГТУ. Серия 5: экономика и управление. 2015. №7. URL: https://cyberleninka.ru/article/n/ispolzovanie-bolshih-dannyh-v-otsenke-ekonomicheskogo-potentsiala-organizatsiy (дата обращения: 17.07.2022).
11. Цветкова Л. А., Черченко О. В. Внедрение технологий Big Data в здравоохранение: оценка технологических и коммерческих перспектив // Экономика науки. 2016. №2. URL: https://cyberleninka.ru/article/n/vnedrenie-tehnologiy-big-data-v-zdravoohranenie-otsenka-tehnologicheskih-i-kommercheskih-perspektiv (дата обращения: 17.07.2022).
12. Бабурин В. А., Яненко М. Е. Технологии Big Data в сервисе: новые рынки, возможности и проблемы // ТТПС. 2014. №1 (27). URL: https://cyberleninka.ru/article/n/tehnologii-big-data-v-servise-novye-rynki-vozmozhnosti-i-problemy (дата обращения: 17.07.2022).
13. Радченко И.А. Особенности использования программно-аппаратного комплекса, предназначенного для управления предприятиями и отраслями экономики, в рамках концепции Linked Enterprise Data. Сборник трудов конференции «Инженерия знаний и технологии семантического веба – 2012». – СПб: НИУ ИТМО, 2012. С. 165-167