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.

Рабочая программа

Тема 1. Технический анализ данных и подготовка данных к визуализации и анализу. Обзор систем визуального анализа данных
Тема 2. Визуализация анализа данных

Нормативно-правовые акты:
Национальная программа "Цифровая экономика Российской Федерации", утв. распоряжением Правительства Российской Федерации от 28 июля 2017 г. No 1632-р
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 N 17).

Основная литература:

1. 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.
2. Боровская Е.В. Основы искусственного интеллекта [Электронный ресурc] / Е.В. Боровская, Н.А. Давыдова. – Москва: Лаборатория знаний (ранее БИНОМ. Лаборатория знаний), 2021. – 127 с. – ЭБС Лань
3. Клетте, Р. Компьютерное зрение. Теория и алгоритмы: учебник [Электронный ресурс]/ Р. Клетте ; перевод с английского А. А. Слинкина. – Москва : ДМК Пресс, 2020. – 506 с. – ЭБС Лань
4. Паттерсон, Д. Глубокое обучение с точки зрения практика / Д. Паттерсон, А. Гибсон. — Москва : ДМК Пресс, 2022. — 418 с. — ISBN 978-5-97060-481-6. https://e.lanbook.com/book/116122
5. Антонио, Д. Библиотека Keras – инструмент глубокого обучения. Реализация нейронных сетей с помощью библиотек Theano и TensorFlow / Д. Антонио, П. Суджит ; перевод с английского А. А. Слинкин. — Москва : ДМК Пресс, 2022. — 294 с. — ISBN 978-5-97060-573-8. https://e.lanbook.com/book/111438
6. Коэльо, Л. П. Построение систем машинного обучения на языке Python / Л. П. Коэльо, В. Ричарт ; перевод с английского А. А. Слинкин. — 2-е изд. — Москва : ДМК Пресс, 2021. — 302 с. — ISBN 978-5-97060-330-7. https://e.lanbook.com/book/82818
7. Джонс, М. Т. Программирование искусственного интеллекта в приложениях / М. Т. Джонс. — Москва : ДМК Пресс, 2022. — 312 с. — ISBN 978-5-94074-746-8. https://e.lanbook.com/book/1244
8. Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль ; перевод с английского А. А. Слинкина. — 2-е изд. — Москва: ДМК Пресс, 2022. — 652 с. — ISBN 978-5-97060-618-6. https://e.lanbook.com/book/107901

Дополнительная литература:
9. Алексеев Д.С., Щекочихин О.В. Технологии интеллектуального анализа данных. Учебное пособие. Кострома, 2020. 140 с. https://elibrary.ru/item.asp?id=43946965
10. Жаров А.Н., Минеичева И.Г. Анализ данных. Ярославль, 2020. 148 с. https://elibrary.ru/item.asp?id=43846458
11. Миркин Б.Г. Введение в анализ данных. Учебник и практикум. Москва, 2020. 174 с. https://urait.ru/bcode/432851
12. Воронина, В. В. Теория и практика машинного обучения : учебное пособие / В. В. Воронина. — Ульяновск : УлГТУ, 2021. — 290 с. — ISBN 978-5-9795-1712-4. — Текст: электронный // Лань: электронно-библиотечная система. — URL: https://e.lanbook.com/book/165053
13. Маккинни, У. Python и анализ данных / У. Маккинни; перевод с английского А. А. Слинкина. -- 2-ое изд., испр. и доп. -- Москва: ДМК Пресс, 2020. -- 540 с. -- ISBN 978-5- 97060-590-5. -- Текст: электронный // Лань: электронно- библиотечная система. -- URL: https://e.lanbook.com/book/131721
14. Полупанов, Д. В. Программирование в Python 3: учебное пособие / Д. В. Полупанов, С. Р. Абдюшева, А. М. Ефимов. -- Уфа: БашГУ, 2020. -- 164 с. -- ISBN 978-5-7477-5230-6. -- Текст: электронный // Лань: электронно-библиотечная система. -- URL: https://e.lanbook.com/book/179915
15. Бизли, Д. Python. Книга рецептов / Д. Бизли, Б. К. Джонс ; перевод с английского -- Текст :электронный // Лань : электронно-библиотечная система. -- URL: https://e.lanbook.com/book/131723
16. Груздев, А. В. Изучаем Pandas / А. В. Груздев, М. Хейдт ; перевод с английского А. В. Груздева. -- 2-ое изд., испр. и доп. -- Москва : ДМК Пресс, 2020. -- 700 с. -- ISBN 978-5-97060-670-4. -- Текст : электронный // Лань : электронно- библиотечная система. -- URL: https://e.lanbook.com/book/131693