РОСЖЕЛДОР

Федеральное государственное бюджетное

образовательное учреждение высшего образования

"Ростовский государственный университет путей сообщения"

(ФГБОУ ВО РГУПС)

  УТВЕРЖДАЮ
Проректор по учебной работе - начальник учебно-методического управления М.А. Кравченко

30.06.2020 г.
"Для размещения в ЭИОС настоящая РПД подписана
с использованием простой электронной подписи"

Кафедра "Информатика"

РАБОЧАЯ ПРОГРАММА

ДИСЦИПЛИНЫ

1Б.О "Цифровые технологии в профессиональной деятельности"

по Учебному плану

подготовки специалистов по специальности

23.05.05 Системы обеспечения движения поездов

Профильная направленность

Электроснабжение железных дорог

Квалификация выпускника "Инженер путей сообщения ", ФГОС ВО 3++

Ростов-на-Дону

2020 г.

 



 






Автор-составитель к.т.н., доц. Дергачева Ирина Владимировна предлагает настоящую Рабочую программу дисциплины 1Б.О "Цифровые технологии в профессиональной деятельности" в качестве материала для проектирования Образовательной программы РГУПС и осуществления учебно-воспитательного процесса по федеральному государственному образовательному стандарту высшего образования.

Рабочая программа дисциплины рассмотрена на кафедре "Информатика".





Экспертизу Рабочей программы дисциплины провел(а):

к.т.н., доц. Карпика Анатолий Григорьевич, доцент кафедры Информационного обеспечения ОВД, ФГКОУ ВО РЮИ МВД России.





Рекомендуемое имя и тип файла документа:
1БО_Цифровые т в п д_С_23.05.05_во_8_Инф_п46787_51111.doc


Наименование, цель и задача дисциплины

Дисциплина "Цифровые технологии в профессиональной деятельности".

Учебный план по Образовательной программе утвержден на заседании Ученого совета университета от 29.03.2019 № 10.

Целью дисциплины "Цифровые технологии в профессиональной деятельности" является подготовка в составе других дисциплин блока "Блок 1 - Дисциплины (модули)" Образовательной программы в соответствии с требованиями, установленными федеральным государственным образовательным стандартом высшего образования для формирования у выпускника общепрофессиональных компетенций, способствующих решению профессиональных задач в соответствии с типом задач профессиональной деятельности, предусмотренным учебным планом и профильной направленностью "Электроснабжение железных дорог".

Для достижения цели поставлены задачи ведения дисциплины:

подготовка обучающегося по разработанной в университете Образовательной программе к успешной аттестации планируемых результатов освоения дисциплины;

подготовка обучающегося к освоению дисциплин "Организация и управление производством", "Эксплуатация технических средств обеспечения движения поездов";

подготовка обучающегося к прохождению практики;

подготовка обучающегося к защите выпускной квалификационной работы;

развитие социально-воспитательного компонента учебного процесса.


Перечень планируемых результатов обучения по дисциплине, соотнесенных с планируемыми результатами освоения Образовательной программы

Планируемые результаты обучения по дисциплине Установленные ОП компетенции и индикаторы их достижения
ОПК-2 - Способен применять при решении профессиональных задач основные методы, способы и средства получения, хранения и переработки информации, в том числе с использованием современных информационных технологий и программного обеспечения

Знает: Основные методы представления и алгоритмы обработки данных, используемые в цифровых технологиях при решении профессиональных задач

Умеет: Применять основные методы представления и алгоритмы аналитической обработки данных, использует цифровые технологии для решения профессиональных задач

Имеет навыки: Сбора, отбора, обобщения и анализа исходных данных цифровых устройств, применяемых при решении профессиональных задач

Индикатор:
ОПК-2.1 - Применяет основные методы представления и алгоритмы обработки данных, использует цифровые технологии для решения профессиональных задач

Знает: Принципы работы, информационного обслуживания и обработки данных цифровых устройств в области производственной деятельности

Умеет: Выбирать подходящие методы работы, информационного обслуживания и обработки данных для цифровых устройств, применяемых в профессиональной деятельности

Имеет навыки: Работы с основными технологиями информационного обслуживания и обработки данных, используемых в цифровых устройствах в профессиональной области

Индикатор:
ОПК-2.2 - Имеет навыки по информационному обслуживанию и обработке данных в области производственной деятельности

Место дисциплины 1Б.О "Цифровые технологии в профессиональной деятельности" в структуре Образовательной программы

Дисциплина отнесена к Блоку 1Б Образовательной программы. Дисциплина входит в состав обязательной части (О).

Требования к входным знаниям, умениям и компетенциям обучающегося, необходимым для изучения данной дисциплины, соответствуют требованиям по результатам освоения предшествующих дисциплин : "Информатика", "Основы алгоритмизации и программирования", практики.

Нормативный срок освоения Образовательной программы по очной форме обучения – 5 лет. Наименование формы и срока обучения из базы данных РГУПС (вид обучения): 5 лет очное, 5.8 лет заочное.

Обозначение-аббревиатура учебных групп, для которых данная дисциплина актуальна: .

Дисциплина реализуется в 8 семестре.

Объем дисциплины в зачетных единицах с указанием количества академических часов, выделенных на контактную работу обучающихся с преподавателем (по видам учебных занятий) и на самостоятельную работу обучающихся

Вид обучения: 5 лет очное

Общая трудоемкость данной дисциплины 4 зачетные единицы (144 часа), в том числе контактная работа обучающегося с преподавателем (КРОП) 48 часов.

Виды учебной работы Всего часов КРОП, часов Число часов в семестре
8
Аудиторные занятия всего и в т.ч. 48 48 48
Лекции (Лек) 24 24 24
Лабораторные работы (Лаб) 24 24 24
Практические, семинары (Пр)      
       
Самостоятельная работа (СРС), всего и в т.ч. 87   87
Контрольная работа (К)      
Реферат (Р)      
Расчетно-графическая работа (РГР)      
Курсовая работа (КР)      
Курсовой проект (КП)      
Самоподготовка 87   87
Контроль, всего и в т.ч. 9   9
Экзамен (Экз)      
Зачет (За) 9   9
Общая трудоемкость, часы 144 48 144
Зачетные единицы (ЗЕТ) 4   4

Вид обучения: 5.8 лет заочное

Общая трудоемкость данной дисциплины 4 зачетные единицы (144 часа), в том числе контактная работа обучающегося с преподавателем (КРОП) 10 часов.

Виды учебной работы Всего часов КРОП, часов Число часов в заезде
10 11
Аудиторные занятия всего и в т.ч. 10 10 4 6
Лекции (Лек) 8 8 4 4
Лабораторные работы (Лаб) 2 2   2
Практические, семинары (Пр)        
         
Самостоятельная работа (СРС), всего и в т.ч. 130   68 62
Контрольная работа (К) 12     12
Реферат (Р)        
Расчетно-графическая работа (РГР)        
Курсовая работа (КР)        
Курсовой проект (КП)        
Самоподготовка 118   68 50
Контроль, всего и в т.ч. 4     4
Экзамен (Экз)        
Зачет (За) 4     4
Общая трудоемкость, часы 144 10 72 72
Зачетные единицы (ЗЕТ) 4      

Содержание дисциплины, структурированное по темам (разделам) с указанием отведенного на них количества академических часов и видов учебных занятий

Содержание дисциплины

Раздел дисциплины Изучаемые компетенции
1 Цифровые технологии. Основные понятия ОПК-2
2 Информационные сервисы ОПК-2
3 Программно-математическое обеспечение цифровых технологий ОПК-2
4 Технологии защиты цифровой информации ОПК-2

Отведенное количество часов по видам учебных занятий и работы

Вид обучения: 5 лет очное

Номер раздела данной дисциплины Трудоемкость в часах по видам занятий
Лекции Практические занятия, семинары Лабораторные работы Самоподготовка
1 4   2 8
2 6   6 30
3 12   14 33
4 2   2 16
Итого 24   24 87
В т.ч. по интерактивным формам 24   24  

Вид обучения: 5.8 лет заочное

Номер раздела данной дисциплины Трудоемкость в часах по видам занятий
Лекции Практические занятия, семинары Лабораторные работы Самоподготовка
1 2   2 118
2 2  
3 2  
4 2  
Итого 8   2 118
В т.ч. по интерактивным формам 8   2  

Лекционные занятия

Вид обучения: 5 лет очное

Номер раздела данной дисциплины Наименование лекционных занятий Трудоемкость аудиторной работы, часы
Семестр № 8
1 Человечество и цифровой мир: 1)Сквозные информационные технологии. 2) Наука о данных. 3) Технологии интеллектуального анализа данных. 4) Интеллектуальные системы. 2
Средства вычислительной техники: 1) Архитектура вычислительных систем. 2) Хранение цифровой информации: носители информации; файловые системы; базы данных. 2
2 Современные вычислительные системы. Облачные сервисы: 1) Суперкомпьютеры. 2) Серверные вычислительные системы. 3)Персональные компьютеры. 4) Встраиваемые системы. 5) Мобильные устройства. 6) Облачные технологии. 2
Интернет и Интранет: 1) Принципы организации в сети Интернет. 2) Сервисы в сети Интернет. 3) Культура интернет-коммуникаций. 2
Интеллектуальные системы на транспорте: 1) Единая информационная среда. 3) Роль и место АСУ ЖТ в транспортном конвейере. 4) Комплексная система мониторинга и управления ликвидацией чрезвычайных ситуаций ОАО «РЖД». 5) Перспективная технология цифровой радиосвязи GSM-R. 2
3 Цифровые данные и их анализ: 1) Понятие набора данных: объект и его атрибуты. 2) Представление данных и их минимальный объем для анализа. 3) Стадии анализа данных для выявления скрытых закономерностей. 4) Сферы применения технологий Big Data. 5) Выбор метода поиска решения для задач оптимизации. 2
Методы машинного обучения и сферы их применения: 1) Классическое обучение (с учителем и без учителя). 2) Обучение с подкреплением. 3) Популярные алгоритмы кластеризации. 2
Кластерный анализ: 1) Сегментирование клиентской базы методом k-средних. 2) K-медианная кластеризация. 2
Способы аналитической обработки данных и сферы их применения: 1) Классификация. 2) Регрессия. 3) Обобщение. 4) Ассоциация. 2
Сетевые графы и определение сообществ: 1) Понятие сетевого графа и матрицы смежности. 2) Визуализация простого графа. 3) Построение графа r-окрестности и графа k ближайших соседей. 4) Модулярность графа. 5) Определение сообществ посредством максимизации модулярности графа. 6) Кластеризация в Gephi. 2
Определение выбросов в наборе данных: 1) Статистические параметры распределения данных. 2) Расчет выбросов методом границ Тьюки. 3) Расчет выбросов в многомерном наборе данных посредством их анализа на графе: с учетом полустепеней захода вершин графа; методом k-расстояний; определение факторов локальных выбросов. 2
4 Технологии защиты цифровой информации: 1) Потребность в кибербезопасности. 2) Основы персональной информационной безопасности. 2) Защита организации. 2

Вид обучения: 5.8 лет заочное

Номер раздела данной дисциплины Наименование лекционных занятий Трудоемкость аудиторной работы, часы
Заезд № 10
1 Человечество и цифровой мир: 1)Сквозные информационные технологии. 2) Наука о данных. 3) Технологии интеллектуального анализа данных. 4) Интеллектуальные системы. 2
2 Современные вычислительные системы. Облачные сервисы: 1) Суперкомпьютеры. 2) Серверные вычислительные системы. 3)Персональные компьютеры. 4) Встраиваемые системы. 5) Мобильные устройства. 6) Облачные технологии. 2
Заезд № 11
3 Способы аналитической обработки данных и сферы их применения: 1) Классификация. 2) Регрессия. 3) Обобщение. 4) Ассоциация. 2
4 Технологии защиты цифровой информации: 1) Потребность в кибербезопасности. 2) Основы персональной информационной безопасности. 2) Защита организации. 2

Лабораторный практикум

Вид обучения: 5 лет очное

Номер раздела данной дисциплины Наименование лабораторных работ Трудоемкость аудиторной работы, часы
Семестр № 8
1 Построение оптимизационной модели и подбор метода поиска решения 2
2 Решение задачи о загрузке транспортного средства с использованием надстройки «Поиск решения» 2
Решение линейной транспортной задачи с использованием надстройки «Поиск решения» 2
Решение задачи коммивояжера с использованием надстройки «Поиск решения» 2
3 Создание модели кластеризации данных методом k-средних и k-медианной кластеризации. Оценка результатов кластеризации, расчет силуэта 2
Построение и сравнение моделей линейной и логистической регрессии обнаружения ошибок при передаче информации посредством АСУ станции 2
Программный инструмент визуализации сетевых графов Gephi. Визуализация простого графа 2
Построение в Gephi графа r-окрестности и графа k ближайших соседей 2
Расчет модулярности пар вершин графа клиентской базы данных. Создание модели кластеризации данных посредством максимизации модулярности графа 2
Расчет выбросов в одномерном наборе данных нормального распределения методом границ Тьюки. Расчет выбросов посредством анализа данных на графе. Метод 1: полустепень захода. Метод 2: нюансы k-расстояния. Метод 3: факторы локальных выбросов 2
Анализ данных социальной сети посредством определения сообществ в Gephi 2
4 Сравнение данных с помощью хэш-функции. Шифрование данных при помощи электронных таблиц «Excel» 2

Вид обучения: 5.8 лет заочное

Номер раздела данной дисциплины Наименование лабораторных работ Трудоемкость аудиторной работы, часы
Курс № 4
1 Построение оптимизационной модели и подбор метода поиска решения 2
2 Решение задачи о загрузке транспортного средства с использованием надстройки «Поиск решения»
Решение линейной транспортной задачи с использованием надстройки «Поиск решения»
Решение задачи коммивояжера с использованием надстройки «Поиск решения»
3 Создание модели кластеризации данных методом k-средних и k-медианной кластеризации. Оценка результатов кластеризации, расчет силуэта
Построение и сравнение моделей линейной и логистической регрессии обнаружения ошибок при передаче информации посредством АСУ станции
Программный инструмент визуализации сетевых графов Gephi. Визуализация простого графа
Построение в Gephi графа r-окрестности и графа k ближайших соседей
Расчет модулярности пар вершин графа клиентской базы данных. Создание модели кластеризации данных посредством максимизации модулярности графа
Расчет выбросов в одномерном наборе данных нормального распределения методом границ Тьюки. Расчет выбросов посредством анализа данных на графе. Метод 1: полустепень захода. Метод 2: нюансы k-расстояния. Метод 3: факторы локальных выбросов
Анализ данных социальной сети посредством определения сообществ в Gephi
4 Сравнение данных с помощью хэш-функции. Шифрование данных при помощи электронных таблиц «Excel»

Практические занятия (семинары)

Не предусмотрено.

Не предусмотрено.


Самостоятельное изучение учебного материала (самоподготовка)

Вид обучения: 5 лет очное

Номер раздела данной дисциплины Наименование тем, вопросов, вынесенных для самостоятельного изучения Трудоемкость внеаудиторной работы, часы
Семестр № 8
1 Эволюция и классификация информационных систем 8
2 Терминальный режим (Telnet). Службы Internet Relay Chat (IRC) и I Seek You (ISQ). Сети General Packet Radio Service (GPRS) 16
Автоматизированная система управления (АСУ) научно-технической работой 14
3 Методы сбора и предподготовки данных: понятие генеральной совокупности данных и способы получения выборки; избавление от неинформативных признаков; трансформация данных с целью создания новых, обобщенных признаков; заполнение пропусков; редактирование дубликатов и противоречий; нормирование данных. Выполнение индивидуальных заданий 15
Статистическая обработка данных, планирование эксперимента: первичная статистическая обработка, дисперсионный, корреляционный и регрессионный анализ; методы оптимизации при планировании эксперимента; основы факторного анализа и метода главных компонент; использование главных компонент при классификации объектов и построении уравнений регрессии; оценка влияния компонент на результативный признак; алгоритмы и программы обработки данных. Выполнение индивидуальных заданий 18
4 Аспекты защиты систем управления и телекоммуникаций. Безопасность систем управления и сетей 16

Вид обучения: 5.8 лет заочное

Номер раздела данной дисциплины Наименование тем, вопросов, вынесенных для самостоятельного изучения Трудоемкость внеаудиторной работы, часы
Курс № 4
1 Эволюция и классификация информационных систем 118
Средства вычислительной техники: 1) Архитектура вычислительных систем. 2) Хранение цифровой информации: носители информации; файловые системы; базы данных.
2 Терминальный режим (Telnet). Службы Internet Relay Chat (IRC) и I Seek You (ISQ). Сети General Packet Radio Service (GPRS)
Автоматизированная система управления (АСУ) научно-технической работой
Интернет и Интранет: 1) Принципы организации в сети Интернет. 2) Сервисы в сети Интернет. 3) Культура интернет-коммуникаций.
Интеллектуальные системы на транспорте: 1) Единая информационная среда. 3) Роль и место АСУ ЖТ в транспортном конвейере. 4) Комплексная система мониторинга и управления ликвидацией чрезвычайных ситуаций ОАО «РЖД». 5) Перспективная технология цифровой радиосвязи GSM-R.
3 Методы сбора и предподготовки данных: понятие генеральной совокупности данных и способы получения выборки; избавление от неинформативных признаков; трансформация данных с целью создания новых, обобщенных признаков; заполнение пропусков; редактирование дубликатов и противоречий; нормирование данных. Выполнение индивидуальных заданий
Статистическая обработка данных, планирование эксперимента: первичная статистическая обработка, дисперсионный, корреляционный и регрессионный анализ; методы оптимизации при планировании эксперимента; основы факторного анализа и метода главных компонент; использование главных компонент при классификации объектов и построении уравнений регрессии; оценка влияния компонент на результативный признак; алгоритмы и программы обработки данных. Выполнение индивидуальных заданий
Цифровые данные и их анализ: 1) Понятие набора данных: объект и его атрибуты. 2) Представление данных и их минимальный объем для анализа. 3) Стадии анализа данных для выявления скрытых закономерностей. 4) Сферы применения технологий Big Data. 5) Выбор метода поиска решения для задач оптимизации.
Методы машинного обучения и сферы их применения: 1) Классическое обучение (с учителем и без учителя). 2) Обучение с подкреплением. 3) Популярные алгоритмы кластеризации.
Кластерный анализ: 1) Сегментирование клиентской базы методом k-средних. 2) K-медианная кластеризация.
Сетевые графы и определение сообществ: 1) Понятие сетевого графа и матрицы смежности. 2) Визуализация простого графа. 3) Построение графа r-окрестности и графа k ближайших соседей. 4) Модулярность графа. 5) Определение сообществ посредством максимизации модулярности графа. 6) Кластеризация в Gephi.
Определение выбросов в наборе данных: 1) Статистические параметры распределения данных. 2) Расчет выбросов методом границ Тьюки. 3) Расчет выбросов в многомерном наборе данных посредством их анализа на графе: с учетом полустепеней захода вершин графа; методом k-расстояний; определение факторов локальных выбросов.
4 Аспекты защиты систем управления и телекоммуникаций. Безопасность систем управления и сетей

Фонд оценочных средств для проведения промежуточной аттестации обучающихся по дисциплине

Перечень компетенций с указанием этапов их формирования в процессе освоения Образовательной программы

Компетенция Указание (+) этапа формирования в процессе освоения ОП (семестр)
8
ОПК-2 +

Описание показателей и критериев оценивания компетенций на различных этапах их формирования

Компе-
тенция
Этап
формирования
ОП (семестр)
Показатель оценивания Критерий оценивания
ОПК-2 8 Дуальная оценка на зачете - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
Выполненная лабораторная работа - правильность выполнения заданий.

Описание шкал оценивания компетенций

Значение оценки Уровень освоения компетенции Шкала оценивания (для аттестационной ведомости, зачетной книжки, документа об образования) Шкала оценивания (процент верных при проведении тестирования)
Балльная оценка - "удовлетворительно". Пороговый Оценка «удовлетворительно» выставляется обучающемуся, который имеет знания только основного материала, но не усвоил его деталей, допускает неточности, недостаточно правильные формулировки, нарушения последовательности изложения программного материала и испытывает трудности в выполнении практических навыков. От 40% до 59%
Балльная оценка - "хорошо". Базовый Оценка «хорошо» выставляется обучающемуся, твердо знающему программный материал, грамотно и по существу его излагающему, который не допускает существенных неточностей в ответе, правильно применяет теоретические положения при решении практических работ и задач, владеет необходимыми навыками и приемами их выполнения. От 60% до 84%
Балльная оценка - "отлично". Высокий Оценка «отлично» выставляется обучающемуся, глубоко и прочно усвоившему программный материал, исчерпывающе, последовательно, грамотно и логически стройно его излагающему, в ответе которого тесно увязываются теория с практикой. При этом обучающийся не затрудняется с ответом при видоизменении задания, показывает знакомство с литературой, правильно обосновывает ответ, владеет разносторонними навыками и приемами практического выполнения практических работ. От 85% до 100%
Дуальная оценка - "зачтено". Пороговый, Базовый, Высокий Оценка «зачтено» выставляется обучающемуся, который имеет знания, умения и навыки, не ниже знания только основного материала, может не освоить его детали, допускать неточности, недостаточно правильные формулировки, нарушения последовательности изложения программного материала и испытывает трудности в выполнении практических навыков. От 40% до 100%
Балльная оценка - "неудовлетворительно", Дуальная оценка - "не зачтено". Не достигнут Оценка «неудовлетворительно, не зачтено» выставляется обучающемуся, который не знает значительной части программного материала, допускает ошибки, неуверенно выполняет или не выполняет практические работы. От 0% до 39%

Типовые контрольные задания или иные материалы, необходимые для оценки знаний, умений, навыков, характеризующих этапы формирования компетенций в процессе освоения образовательной программы

Типовые контрольные задания

Курсовые проекты (работы)

не предусмотрено.


Контрольные работы, расчетно-графические работы, рефераты

состав цифровой техники, ЭВМ (компьютера);

информационные коммуникации;

информационное взаимодействие;

суть проекта ИСУ ЖТ;

структура управления железнодорожной системой;

эффективность внедрения системы ИСУ ЖТ;

машинное обучение, искусственные нейронные сети;

обучающая выборка, обучение "с учителем" и "без учителя";

структура персептрона;

информационная безопасность;

методы криптографии;

преимущества и недостатки алгоритмов шифрования;

технология построения персональных сетей Bluetooth;

технология построения локальных сетей Wi-Fi;

смена поколений мобильных сетей.

Для заочной формы обучения контрольная работа проводится в форме компьютерного тестирования на базе ЦМКО.


Перечни сопоставленных с ожидаемыми результатами освоения дисциплины вопросов (задач):

Зачет. Семестр № 8

Вопросы для оценки результата освоения "Знать":

1) Сквозные (ключевые) технологии в рамках национальной технологической инициативы России. Примеры использования технологий интеллектуального анализа данных. Понятия науки о данных (DATA SCIENCE), искусственного интеллекта (ИИ) и машинного обучения. Три вида ИИ в зависимости от его возможностей. Методы решения задач ИИ. Распространенные типы ИИ-решений.
2) Области применения классификации, кластеризации, регрессии, уменьшения размерности и обучения с подкреплением, для решения задач машинного обучения. Этапы разработки систем искусственного интеллекта (ИИ). Влияние ИИ на рынок труда и творчество человека.
3) Современные вычислительные системы четвертого и пятого поколения. Сферы использования.
4) Облачные сервисы. Классификация по типу услуг и форме собственности. Преимущества и недостатки облачных сервисов.
5) Аппаратные и программные компоненты
6) Примеры существующих систем железнодорожного транспорта
7) Технологический процесс принятия решений на железнодорожном транспорте
8) Задачи ситуационного центра мониторинга и управления ЧС
9) АРМ диспетчера ситуационного центра
10) Понятие набора данных: объект и его атрибуты. Типы атрибутов. Признаки, позволяющие отличить Большие Данные. Представление данных и их необходимый минимальный объем для анализа.
11) Стадии анализа данных для выявления скрытых закономерностей (добыча данных).
12) Сферы применения технологий Больших данных. Задачи Data Mining. Разновидности методов машинного обучения.
13) Область применения и популярные алгоритмы кластеризации. В чем отличие кластеризации от классификации? Меры сходства объектов.
14) Алгоритм кластеризации транзакционных данных (CLOPE). Понятие кластерной гистограммы. Как при помощи кластерных гистограмм оценить качество кластеризации?
15) Кластеризация методом k-ближайших соседей. Суть метода и область его применения. Алгоритм DBSCAN. Определение выбросов.
16) Понятие кластерного анализа и область его применения. Основные принципы кластеризации методом k-средних. Понятие кластерного центра (центроида) и внутрикластерного расстояния.
17) Основные принципы k-медианной кластеризации. Асимметрическое измерение расстояний. Формула расчета расстояния по косинусу между бинарными векторами.
18) Область применения и популярные алгоритмы классификации, как одной из задач добычи данных. Принцип метода Наивного Байеса.
19) Область применения и популярные алгоритмы регрессии, как одной из задач добычи данных. Этапы получения регрессионной модели.
20) Область применения и популярные алгоритмы обобщения, как одной из задач добычи данных. Латентно-семантический анализ (LSA). Оценка важности слова в контексте документа методом TF-IDF. Векторная модель схожести двух документов.
21) Область применения и популярные алгоритмы обобщения, как одной из задач добычи данных. Типы рекомендательных систем, их плюсы и минусы.
22) Область применения и популярные алгоритмы поиска ассоциативных правил. Понятие транзакционной базы данных. Основные характеристики ассоциативных правил. Что называют сильными правилами. Как повлияют на выбор сильных правил установление определенных граничных значений поддержки и достоверности? На основании чего устанавливают эти граничные значения?
23) Методы поиска ассоциативных правил. Алгоритм Apriori. Свойство анти-монотонности. Поиск часто встречающихся наборов на примере решетки (дерева) элементов. Извлечение правил из часто встречающегося набора элементов.
24) Понятия сетевого графа и матрицы смежности. Ориентированные и неориентированные сетевые графы. Понятие матрицы мер конвергенции. Понятия степени вершины графа, ее полустепени захода и полустепени исхода. Популярные техники удаления ребер из сетевых графов
25) Понятие модулярности графа. Расчет предполагаемого числа ребер между двумя вершинами. Алгоритм определения сообществ под названием модульная максимизация
26) Понятие выбросов. Степень их влияния при расчете числовых характеристик статистического распределения данных. Числовые характеристики, используемые для оценки среднего значения статистического распределения данных. Их отличия и степень устойчивости к выбросам.
27) Методику определения выбросов по алгоритму Тьюки. Наиболее устойчивые к выбросам методы расчета центрированности (расчет «середины» данных). Наиболее устойчивые к выбросам статистические параметры распределения (разброса) данных
28) Методику подготовки многомерных данных к отображению на графе. Методику определения выбросов на графе с учетом полустепеней захода его вершин. Методику определения выбросов на графе с учетом расстояния вершины до ее k-ближайших соседей (метод k-расстояний)
29) Понятие локального выброса. Методику определения факторов локальных выбросов на графе. Понятие расстояния достижимости

Вопросы для оценки результата освоения "Уметь":

1) Описывать состав и назначение элементов цифровой техники, ЭВМ (компьютера)
2) Различать назначение систем реального времени, встроенных и распределенных систем
3) Строить обобщенную структуру информационной системы
4) Выделять особенности современной цифровой техники
5) Описывать иерархическую структуру управления железнодорожной системой
6) Проводить обзор функционирования системы АСУ ЖТ
7) Использовать сервисы Интернет-общения
8) Методом коллаборативной фильтрации (user-based) спрогнозировать, какую оценку даст пользователь предложенному продукту (предположительный рейтинг).
9) На примере метода Naive Bayes определить, является ли спамом текст.
10) На основе некоторой меры близости, на примере таблицы данных, рассчитать сходство векторов объектов, содержащих категорийные атрибуты.
11) На основе данных матрицы мер конвергенции строить в Gephi граф k ближайших соседей
12) Строить в Excel модели кластеризации данных посредством максимизации модулярности графа
13) Определять выбросы в одномерном наборе данных нормального распределения методом границ Тьюки
14) Определять выбросы посредством анализа данных на графе с учетом полустепеней захода его вершин
15) Определять выбросы посредством анализа данных на графе с учетом расстояния вершины до ее k-ближайших соседей (метод k-расстояний)
16) Определять факторы локальных выбросов на графе
17) Создавать сводные таблицы в Excel и использовать их для построения матрицы смежности
18) Рассчитывать в Excel устойчивые к выбросам статистические параметры распределения (разброса) данных
19) Приводить примеры более устойчивых к выбросам статистических параметров распределения (разброса) данных

Вопросы для оценки результата освоения "Иметь навыки":

1) Работы на ПЭВМ с прикладными программными средствами.

2) Сбора, отбора, обобщения и анализа исходных данных на ПЭВМ.

3) Работы с электронными таблицами Excel.

4) Работы с базами данных.

5) Работы с программными инструментами визуализации сетевых графов Gephi.

6) Создания формул массива в Excel с использованием функций из категории «Ссылки и массивы».

7) Условного форматирования, фильтрация и сортировки в Excel.

8) Нормирования данных и заполнения пропусков.

9) Первичной статистической обработки, регрессионным анализом данных.

10) Генерации хеш-сумм, хеш-кодов и хеш-функций.

11) Выполнения технологических процессов принятия решений на железнодорожном транспорте.

12) Выбора подходящих технологий аналитической обработки данных в зависимости от поставленной задачи.


Методические материалы, определяющие процедуру оценивания знаний, умений, навыков, характеризующих этапы формирования компетенций

№ п/п Библиографическое описание
1 Методические указания, определяющие процедуру оценивания знаний, умений, навыков, характеризующих этапы формирования компетенций: учебно-методическое пособие / М.С. Тимофеева; ФГБОУ ВО РГУПС. - 3-е изд., перераб. и доп. - Ростов н/Д, 2020. - 60 с.: ил. - Библиогр.: с. 44 (ЭБС РГУПС)

Для каждого результата обучения по дисциплине определены

Показатели и критерии оценивания сформированности компетенций на различных этапах их формирования

Резуль-
тат
обуче-
ния
Компе-
тенция
Этап
формиро-вания в
процессе
освоения
ОП
(семестр)
Этапы
формирования
компетенции
при изучении
дисциплины
(раздел
дисциплины)
Показатель
сформиро-
ванности
компетенции
Критерий
оценивания
  ОПК-2 8 1, 2, 3, 4 Дуальная оценка на зачете - полнота усвоения материала,
- качество изложения материала,
- правильность выполнения заданий,
- аргументированность решений.
1, 2, 3, 4 Выполненная лабораторная работа - правильность выполнения заданий.

Шкалы и процедуры оценивания

Значение оценки Уровень
освоения
компетенции
Шкала оценивания
(для аттестационной
ведомости, зачетной
книжки, документа
об образовании)
Процедура оценивания
Балльная оценка -
"отлично",
"хорошо",
"удовлетворительно".
Дуальная оценка -
"зачтено".
Пороговый, Базовый, Высокий В соответствии со шкалой оценивания в разделе РПД "Описание шкал оценивания компетенций" Зачет (письменно-устный).
Выполнение лабораторной работы (подготовка отчета).
Балльная оценка -
"неудовлетворительно".
Дуальная оценка -
"не зачтено".
Не достигнут

Ресурсы электронной информационно-образовательной среды, электронной библиотечной системы и иные ресурсы, необходимые для осуществления образовательного процесса по дисциплине

Перечень учебной литературы для освоения дисциплины

№ п/п Библиографическое описание Ресурс
1 Верескун В.Д. Информационно-управляющие системы в научных исследованиях и на производстве: учеб. пособие / В.Д. Верескун, А.Н. Цуриков; ФГБОУ ВО РГУПС. - 2-е изд. - Ростов н/Д: 2017. - 75 с. - ISBN 978-5-88814-640-8 ЭБС РГУПС
2 Цуриков А.Н. Новые интернет-технологии: учеб. пособие / А.Н. Цуриков, А.Ж. Карсян; ФГБОУ ВО РГУПС. - Ростов н/Д: 2017. - 62 с. - ISBN 978-5-88814-496-1 ЭБС РГУПС
3 Бартоломей, П. И. Электроэнергетика: информационное обеспечение систем управления : учебное пособие для вузов / П. И. Бартоломей, В. А. Тащилин. — Москва : Издательство Юрайт, 2020. — 109 с. — (Высшее образование). — ISBN 978-5-534-10914-6. — Текст : электронный ЭБС Юрайт
4 Дергачева, И.В. Цифровые технологии. Анализ больших данных: учеб. пособие / И.В. Дергачева, А.С. Сарьян; ФГБОУ ВО РГУПС. – Ростов н/Д, 2019. – 114 с.: ил. – Библиогр.: с. 112. – ISBN 978-5-88814-845-7 ЭБС РГУПС
5 Станкевич, Л. А. Интеллектуальные системы и технологии : учебник и практикум для вузов / Л. А. Станкевич. — Москва : Издательство Юрайт, 2020. — 397 с. — (Высшее образование). — ISBN 978-5-534-02126-4. — Текст : электронный ЭБС Юрайт

Перечень учебно-методического обеспечения

№ п/п Библиографическое описание Ресурс
1 Дергачева И.В. Учебно-наглядное пособие - тематические иллюстрации по дисциплине "Цифровые технологии в профессиональной деятельности". РГУПС. - Ростов н/Д, 2020. ЭИОС РГУПС
2 Цуриков А.Н. Применение информационно-управляющих систем в науке и на производстве: учеб. пособие / А.Н. Цуриков, С.В. Чубейко, Е.В. Климанская; ФГБОУ ВО РГУПС. - Ростов н/Д: 2016. - 66 с. ЭБС РГУПС
3 Доманский В.В. Информационные технологии и защита систем управления и телекоммуникаций: учеб.-метод. пособие / В.В. Доманский, А.Н. Цуриков; ФГБОУ ВО РГУПС. - Ростов н/Д: 2017. - 40 с. ЭБС РГУПС
4 Антимиров, В. М. Системы автоматического управления: бортовые цифровые вычислительные системы : учебное пособие для вузов / В. М. Антимиров ; под научной редакцией В. В. Телицина. — Москва : Издательство Юрайт, 2020. — 71 с. — (Высшее образование). — ISBN 978-5-9916-9907-5. — Текст : электронный ЭБС Юрайт

Электронные образовательные ресурсы в сети "Интернет"

№ п/п Адрес в Интернете, наименование
1 http://rgups.ru/. Официальный сайт РГУПС
2 http://cmko.rgups.ru/. Центр мониторинга качества образования РГУПС
3 https://portal.rgups.ru/. Система личных кабинетов НПР и обучающихся в ЭИОС
4 https://webinar.rgups.ru/. Электронный университет РГУПС
5 http://www.iprbookshop.ru/. Электронно-библиотечная система "IPRBooks"
6 https://www.biblio-online.ru/. Электронно-библиотечная система "Юрайт"
7 http://www.umczdt.ru/. Электронная библиотека "УМЦ ЖДТ"
8 http://jirbis2.rgups.ru/jirbis2/. Электронно-библиотечная система РГУПС
9 https://rgups.public.ru/. Электронная библиотека периодических изданий "public.ru"
10 https://e.lanbook.com/. Электронно-библиотечная система "Лань"

Профессиональные базы данных и информационно-справочные системы

№ п/п Адрес в Интернете, наименование
1 http://www.glossary.ru/. Глоссарий.ру (служба тематических толковых словарей)
2 http://www.consultant.ru/. КонсультантПлюс

Лицензионное и свободно распространяемое программное обеспечение

№ п/п Наименование Произ-
во
1 Microsoft Windows. Операционная система. О
2 Microsoft Office / Open Office. Программное обеспечение для работы с различными типами документов: текстами, электронными таблицами, базами данных и др. И
3 Открытый программный инструмент визуализации сетевых графов Gephi И

О - программное обеспечение отечественного производства

И - импортное программное обеспечение


Описание материально-технической базы, необходимой для осуществления образовательного процесса по дисциплине

Помещения(аудитории):

учебные аудитории для проведения учебных занятий;

помещения для самостоятельной работы.

Для изучения настоящей дисциплины в зависимости от видов занятий используется:

Учебная мебель;

Технические средства обучения (включая стационарный либо переносной набор демонстрационного оборудования);

Офисная оргтехника и компьютеры.

Самостоятельная работа обучающихся обеспечивается компьютерной техникой с возможностью подключения к сети "Интернет" и ЭИОС.


"____" _________________20___г.


Код РПД: 51111.