1. Лекционные занятия, на которых преподаватель представляет теоретический материал, примеры и практические задания.

2. Практические занятия на компьютере, в ходе которых студенты учатся использовать различные программные продукты, такие как Python, для анализа и обработки данных.

3. Семинары, посвященные основным темам курса и решению практика - ориентированных задач.

4. Проектная работа, в течение которой студенты получают практический опыт и применяют полученные знания на практике.

5. Индивидуальные консультации с преподавателем, помогающие студентам понимать сложные темы и решать задачи.

6. Онлайн-тесты, которые позволяют студентам получить дополнительную информацию и проверить свои знания.

7. Применение современных инструментов и технологий, таких как большие данные и машинное обучение.

Кроме того, при изучении курса "Технический аналитик "применяются интерактивные методы обучения, современные технологии, инновационные электронные и мультимедийные материалы, что способствует более глубокому и эффективному усвоению материала.

Рабочие программы модулей учебного курса программы повышения квалификации
«Технический аналитик (Technical Analyst Data Science)»

Тема 1. Введение в аналитику данных. Направление - «Технический аналитик (Technical Analyst Data Science)»
Тема 2. Основные понятия и методы моделирования бизнес процессов
Тема 3. Бизнес-анализ: предиктивная аналитика, предписывающий анализ
Тема 4. Теория вероятности и математическая статистика в аналитике данных
Тема 5. Обзор языковых, программных, инструментальных средств аналитики данных
Тема 6. Обзор методик обнаружения новых знаний, работа с большими данными

Нормативно-правовые акты:
1. Национальная программа "Цифровая экономика Российской Федерации", утв. распоряжением Правительства Российской Федерации от 28 июля 2017 г. No 1632-р
2. Федеральной проект «Искусственный интеллект» (паспорт) (утв. президиумом Правительственной комиссии по цифровому развитию, использованию информационных технологий для улучшения качества жизни и условий ведения предпринимательской деятельности от 27.08.2020 № 17).

Основная литература:
3. Сурова Н.Ю. Искусственный интеллект. Монография. Гриф НИИ образования и науки. Гриф МУМЦ "Профессиональный учебник" Гриф МНИЦ Судебной экспертизы и исследований – 2 – е издание М.: Изд-во ЮНИТИ, 2021, 360 с.
4. Бенгфорт, Б. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка / Б. Бенгфорт. — СПб.: Питер, 2021. — 368 c.
5. Бендерская, О. Б. Бизнес-аналитика: учебное пособие / О. Б. Бендерская Бизнес-аналитика, Весь срок охраны авторского права Электрон. дан. (1 файл) Белгород: Белгородский государственный технологический университет им. В.Г. Шухова, ЭБС АСВ, 2020. - 162 с.
6. Основы бизнес-анализа. Учебное пособие / Под ред. Бариленко В.И. - М.: КноРус, 2020. - 56 c.
7. Силен Дэви, Мейсман Арно, Али Мохамед.Основы Data Science и Big Data. Python и наука о данных. СПб.: Питер, 2021-336 с.: ил. (Серия «Библиотека программиста»).
8. Форман Дж. Много цифр: Анализ больших данных при помощи Excel / Дж. Форман. — М.: Альпина Паблишер, 2020. — 461 c.
9. Data Science. Наука о данных с нуля. / Билл Фрэнкс.; пер. с англ. Евстигнеева И.В. – М.: Издательство «Альпина Паблишер». – 2020. – 320 с.
10. Набатова Д. С. Математические и инструментальные методы поддержки принятия решений: учебник и практикум для вузов / Д. С. Набатова. — Москва: Издательство Юрайт, 2022. — 292 с. — (Высшее образование). — ISBN 978-5-534-02699-3.
11. Курносов Ю.В. «Азбука аналитики», Издательство «Концептуал», 2022 -240 с.
12. Б. Марр «Ключевые инструменты бизнес-аналитики» / пер с англ. Егоров В. Н., Издательство «Лаборатория знаний», 2022 – 339 с.

Дополнительная литература:
13. Вигерс Карл, Битти Джой. Разработка требований к программному обеспечению. 4-е изд., дополненное / Пер. с англ. — М.: Издательство «Русская редакция»; СПб. : БХВ-Петербург, 2020. — 736 стр.: ил.
14. Винстон, У. Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel / У. Винстон. - СПб.: Питер, 2021. - 320 c.
15. Воловиков, Б.П. Стратегическое бизнес-планирование на промышленном предприятии с применением динамических моделей и сценарного анализа: Монография / Б.П. Воловиков. - М.: Инфра-М, 2021. - 320 c.
16. Еремеева, Н.В. Планирование и анализ бизнес-процессов на основе построения моделей управления конкурентоспособности продукции / Н.В. Еремеева. - М.: Русайнс, 2022. - 16 c.
17. Казакова, Н.А Экономический анализ в оценке бизнеса и управлении инвестиционной привлекательностью компании / Н.А Казакова. - М.: Финансы и статистика, 2022. - 240 c.
18. Казакова, Н.А. Экономический анализ в оценке бизнеса и управлении инвестиционной привлекательностью компании: Учебное пособие / Н.А. Казакова. - М.: Финансы и статистика, 1. - 240 c.
19. Карлберг, К. Бизнес-анализ с использованием Excel / К. Карлберг. - М.: Диалектика, 2020. - 576 c.
20. Кулаичев А.П. Методы и средства комплексного анализа данных: Учебное пособие / А.П. Кулаичев. — М.: Форум, 2022. — 160 c.
Кэхилл, М. Инвестиционный анализ и оценка бизнеса: Учебное пособие / М. Кэхилл.. - М.: ДиС, 2022. - 432 c.
21. Лацис, А.О. Параллельная обработка данных / А.О. Лацис. - М.: Academia, 2021. - 456 c.
22. Нархид Н. Apache Kafka. Потоковая обработка и анализ данных / Н. Нархид. — СПб.: Питер, 2020. — 320 c.
23. Ниворожкина Л.И. Статистические методы анализа данных: Учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга. — М.: Риор, 2022. — 320 c.
24. Орлова, Е.Р. Бизнес-план: Методика составления и анализ типовых ошибок / Е.Р. Орлова. - М.: Омега-Л, 2022. - 168 c.
25. Фляйшер, К. Стратегический и конкурентный анализ: Методы и средства конкурентного анализа в бизнесе / К. Фляйшер, Б. Бенсуссан; Пер. с англ. Д.П. Конькова - М.: БИНОМ. ЛЗ, 2022. - 541 c.