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 дисциплины представлены в виде видеолекций, текстовых и графических материалов, размещенных на образовательной 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. Singh J., Khushi M. Feature learning for stock price prediction shows a significant role of analyst rating //Applied System Innovation. – 2021. – Т. 4. – №. 1. – С. 17.
3. Пол Д., Харви Д. Python: Искусственный интеллект, большие данные и облачные вычисления – Издательский дом «Питер», 2020.
4. Дэви Силен, Арно Мейсман, Мохамед Али. Основы Data Science и Big Data. Python и наука о данных – СПб.: Питер, 2017 – 336 с.: ил – (Серия «Библиотека программиста»). ISBN 978-5-496-02517-1.
5. О'Нил К. Убийственные большие данные. Как математика превратилась в оружие массового поражения – Litres, 2022.
6. Рафалович В. Data mining, или Интеллектуальный анализ данных для занятых. Практический курс – Litres, 2022.
7. Цветков, А.А. Теория и практика бизнес-анализа в ИТ – ООО «ДиректМедиа», 2020.
8. Фролов Ю.В. и др. Бизнес-модели, аналитика данных и цифровая трансформация организации: подходы и методы – 2021.
9. Лукьянова, Н.Ю.; Галицкая Е.Г. Аналитические методы исследований в цифровой экономике – 2019.
10. 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.
11. Радченко, И.А; Николаев, И.Н. Технологии и инфраструктура Big Data – СПб: Университет ИТМО, 2018. – 52 с.
12. Kausar S., Oyelere S.S., Salal Ya.K., Hussain S., Cifci М.А., Hilcenko S., Iqbal M.S., Zhu W ., Xu H. Mining smart learning analytics data using ensemble classifiers // International Journal of Emerging Technologies in Learning. 2020. Т. 15. № 12. С. 81-102.
13. Александров, А.Ю. Цифровизация Российского образовательного пространства в контексте гарантий конституционного права на образование // Высшее образование в России. – 2019. – №10. – С.44-49.
14. Волкова, Г.А.; Суханова, О.Н. Системы бизнес-аналитики // Актуальные проблемы финансирования и налогообложения АПК в условиях глобализации экономики. – 2021. – С. 38-41.
15. Камалова, А.И.; Андруник, А.П. Бизнес-аналитика как инструмент эффективного функционирования предприятия // Тенденции развития мировой торговли в XXI веке. – 2019. – С. 287-291.
16. Когденко, В. Г. Описательная, прогностическая и предписывающая аналитика: данные, методы и алгоритмы // Экономический анализ: теория и практика. – 2019. – Т. 18. – №. 3. – С. 447-461.
17. Егорушкина, Т.Н. Применение современного инструментария бизнес-анализа для решения задач корпоративного управления // ИННОВАЦИОННАЯ ТРАЕКТОРИЯ РАЗВИТИЯ НАУКИ: СТАНОВЛЕНИЕ, ПРОБЛЕМЫ, ПРОГНОЗЫ. – 2021. – С. 48-53.