Анализ данных и искусственный интеллект

Анализ данных и искусственный интеллект

Программа содержит 3 интенсивных образовательных модуля общей продолжительностью 80 часов.

Содержание программы посвящено анализу технологических укладов жизнедеятельности людей на территории России, анализу того, в какие большие по отношению к стране процессы втянуто население России на сегодняшний день, по каким хозяйственным и административным принципам организованна сегодня жизнь страны.

Базовым объектом для анализа и прогнозирования являются данные о субъектах федерации, в которых проживают участники, и карта России.

Занятия заостряют внимание учащихся на необходимости многомерного анализа данных через введение понятия антропоток и многообразие связанных с ним переменных. Современное научное представление об антропотоках строится на синтезе социологических данных о возрастной структуре населения и её зависимости от технологических укладов; социально-экономических представлений о структуре рынков труда и их изменениях, влияющих на профессиональную структуру населения; также разнообразных историко-социологических, культурологических, этнографических данных, описание которых выходит за рамки данного документа.

 Параллельно с освоением предметного материала «Введение в методы анализа данных с помощью Python» в качестве первого аналитического шага ученикам в группах предлагается выделить, наряду с типами региональных технологических укладов, типы антропотоков (например, миграционный, демографический, профессиональный, идентификационный антропоток) – и подобрать типы статистических данных, которые помогут продемонстрировать их наличие и динамику.

Важно, чтобы ученики самостоятельно попытались выделить из подготовленных наборов данных статистические характеристики, отличительные особенности технологических укладов, антропотоков и их влияние на развитие территорий.

Анализ этих данных осуществляется средствами Python.

Цель программы: формирование системного и целостного представления о современном компьютерном анализе данных и машинном обучении как основополагающей компетентности в современной экономике и управлении и одновременно как о перспективной сфере занятости, с самоопределением участников по отношению к ней как к карьерной перспективе.

Задачи программы:

• сформировать и удержать познавательный и исследовательский интерес к анализу данных как к профессиональной сфере и как к типу организации практики – на всём протяжении реализации образовательной программы;
• обеспечить знакомство с математическими основами, основными методами, техниками, задачами и проблемами современного анализа данных и машинного обучения, а также наиболее вероятными тенденциями развития этой сферы и точками роста (преимущественно, посредством организации собственной исследовательской деятельности учеников);
• создать условия для собственной пробно-проектной деятельности в сфере Анализа данных и машинного обучения, включающей в себя постановку задачи, формулировку аналитических гипотез, исходящих из реальных проблем управления в социально-экономической сфере, анализ имеющихся наборов данных, их интерпретацию и выработку на их основе сценариев управленческого решения поставленной задачи;
• создать педагогические условия для оформления полученного опыта и применяемых схем мышления и организации деятельности, с последующим самоопределением к сферам анализа данных, машинного обучения и ИИ как к собственной профессиональной сфере;
• побудить к изучению дополнительной информации о сферах и конкретных практиках применения анализа данных, машинного обучения и систем ИИ, роли и места этих специальностей в цифровой экономике и современной технологической цивилизации.

Практика, предусмотренная ДООП: пробно-проектная деятельность в сфере анализа данных и машинного обучения

Предметные результаты:

• освоение понятий «анализ данных», «методы анализа данных», «машинное обучение», «нейросеть», «искусственный интеллект», «антропоток»;
• формирование начальных навыков использования языка python для анализа данных;
• знакомство с основными методами ее решения задачи классификации.

 Компетентностные результаты:

• формирование представления о современном компьютерном анализе данных и машинном обучении как основополагающей компетентности в современной экономике и управлении;
• опыт пробного коллективного проектного действия.

Целевая аудитория программы: 

• обучающиеся 8-11 классов школ Кемеровской области с хорошими и отличными знаниями по математике/информатике, мотивированные к занятиям программированием и инженерному образованию;
• победители олимпиад математика/информатика (физика, если проявляют уклон к цифровым технологиям);
• дети из углубленных классов, системы доп. образования (кванториумы, инженерные школы, кружки/клубы).

Важно, чтобы у ребят была сформирована компетенция – информационные технологии.

Положение о тематической смене «Анализ данных и искусственный интеллект»

Примеры итоговых работ обучающихся:

• Проект «Информационная система, прогнозирующая условия повышения безопасности дорожной ситуации на основе анализа ДТП»
• Проект «Система распознавания рукописных кириллических символов»

Преподаватели:

Аронов Александр Моисеевич

Закончил ИГУ, к.ф.-м.н., эксперт по образовательным программам общего, дополнительного и профессионального образования, опыт разработки и руководства организационно-деятельностными играми для математического, педагогического образования (более 20 лет), повышение квалификации учителей в сфере среднего профессионального образования (30 лет), руководитель дополнительных образовательных программ для одарённых детей (10 лет), руководитель программ в области исследовательской деятельности школьников по математике, профессор, эксперт МГПУ (г. Москва),

Безруков Анатолий Андреевич

Закончил НГУ, к.ф.-м.н., профессор (КГПУ), опыт научной деятельности (ВЦ СО РАН), разработчик компьютерных программ научного, учебного назначения, автор более 120 научных и учебно-методических работ, работа с одаренными детьми более 25 лет. Руководитель образовательных программ (INTEL, Красноярского края более 20 лет), опыт повышения квалификации в сфере образования (более 30 лет), разработчик и организатор 10 интенсивных школ. Имеет грамоту от Министерства образования и науки РФ за успехи в работе.

Брод Игорь Иванович 

Закончил "ФГАОУ ВО "Сибирский федеральный университет", магистрант ИТМО (г. Санкт-Петербург), разработчик соцсеть «Фотострана» (Санкт-Петербург), работа с одаренными детьми 9 лет, имеет грамоты от министерства образования и науки Красноярского края за проведение профильных сессий для Директор ООО «Торэнс», АНО «Клуб «Электроникум

Бутенко Андрей Викторович

Закончил КГУ, к.ф.-м.н., эксперт по образовательным программам общего, дополнительного и профессионального образования, организатор Красноярской летней физмат-школы более 15 лет, разработчик более 20 интенсивных школ, в течение 10 лет тренер проектных команд по образовательным программам Британского совета, доцент СФУ кафедра общей педагогики.

Бутенко Николай Андреевич

Закончил "ФГАОУ ВО "Сибирский федеральный университет", магистрант ВШЭ (г. Москва), имеет опыт разработки искусственный интеллект для медицинских учреждений.

Глухов Павел Павлович

Закончил бакалавр по направлению "Педагогическое образование и Магистр по направлению "Высшее образование" "ФГАОУ ВО "Сибирский федеральный университет". Научный сотрудник лаборатории компетентностных практик образования ГАОУ ВО «Московский городской педагогический университет». За время трудовой деятельности принимал участие более чем в 20 проектах региональных и федерального уровней (включая государственные контракты), более чем в 10 научно-исследовательских работах. Разработчик программ тематических смен. Опыт работы с одаренными детьми более 6 лет.

Дерябин Андрей Александрович

Эксперт лаборатории компетентностных практик образования ГАОУ ВО «Московский городской педагогический университет». MSc Social Psychology (London School of Economics), Microsoft Professional Program in Data Science (сертификат), Повышение квалификации по направлению «Реализация задач дорожных карт Национальной технологической инициативы и программы «Цифровая экономика» (Университет НТИ, интенсив “Остров 10.21”). Технические навыки - Data Analysis and Visualization: Microsoft Excel, SQL, Python, AzureML. - Свободное владение OmniGraffle/Visio, Adobe Photoshop/Illustrator и других пакетах для прототипирования и графики. - Управление проектами и разработка: Trello, Basecamp. - Опыт руководства digital-продвижением продуктов: реклама и аналитика, SEO - Google и Яндекс; SMM (соцсети) - Twitter, Facebook; блоггинг. - Опыт участия в разработке UX и визуальных стандартов для мобильных приложений (банкинг, персональные финансы, путешествия, авто).

Комаров Иван Александрович

Ведущий аналитик данных в Центре Финансовых Технологий, Новосибирск; области специализации: машинное обучение, датамайнинг, нейронные сети, обработка естественного языка, математическое моделирование, бизнесаналитика, анализ требований. Научная степень: PhD in Economics (Maryland University).

Маркович Дмитрий Маркович

Закончил КГУ, д.ф.-м.н., чл-н кор. РАН (Отделению энергетики, машиностроения, механики и процессов управления), Учёный секретарь СО РАН, директора Института теплофизики СО РАН, профессор НГУ, член редколлегии журнала “Int. J. ofHeatandFluidFlow”, оргкомитетов ряда международных симпозиумов (“ТНМТ”, Int.Symp. on P1V, Int. Symp. “ALTFM”, “ISFV”, Int. Conf “TPSGSA”, Всероссийской конференции “Горение твердого топлива” и др.), имеет опыт руководства научными проектами различных фондов - МНФ, FP EU, РФФИ, Федеральных целевых Программ и др. Председатель экспертного совета проекта «Современные цифровые технологии. Возможный мир профессионализации» (президентский грант)

Михайлов Юрий Иванович

Учитель информатики, заслуженный работник образования Чувашской Республики, Почетный работник образования Российской федерации, учитель высшей категории. Владею языками программирования: PYTHON, CI++, PASCAL на уровне подготовки учеников к всероссийской олимпиаде по информатике муниципального, регионального и всероссийского уровней.

Перов Юрий Николаевич

Закончил "ФГАОУ ВО "Сибирский федеральный университет", магистрант МИТ (США), аспирант Кембриджский университет (Англия), руководитель группы в фирме «Babylon» (Англия), работа с одаренными детьми 10 лет, имеет опыт международного проекта с одаренными детьми.

Подъельников Лев Андреевич

Чувашский государственный педагогический университет, физикоматематический факультет. Специальность: учитель математики и информатики. Учитель высшей квалификационной категории, преподаватель IT. Опыт работы: 8 лет в школе (учитель информатики), 3 года в дополнительном образовании (педагог в Детском Технопарке "Кванториум"). Преподавание языков программирования Python,C++ и другие; робототехника Lego Mindstorms, Trix, Вю!о1б,Эвольвектор и др; 3D моделирование Blender, Autodesk Inventor/Fusion 360, 3D печать Wanhao, Picaso, Makerbot; программирование контроллеров Arduino, проведение уроков информатики; подготовка к ОГЭ и ЕГЭ по информатике; подготовка к ВОШ и конкурсам; разработка рабочих программ учебных дисциплин; классное руководство.

Попов Александр Анатольевич

Окончил БГПИ в 1993 году по специальности учитель физики и математики. Доктор философских наук, автор более 100 научных и публицистических работ, включая 10 книг. Главный научный сотрудник Федерального института развития образования ФГБОУ ВО "Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации", заведующий лабораторией компетентностных практик образования ГАОУ ВО «Московский городской педагогический университет», гендиректор АНО ДПО «Открытое образование», учредитель ассоциации «Лидеры неформально образования» в Российской Федерации; руководитель группы по разработке типовых моделей дополнительного бразования детей в Российской Федерации; научный руководитель группы по разработке методического обеспечения проекта «Кванториум» в Российской Федерации; Сооавор целевой модели развития дополнительного образования детей в Российской Федерации в рамках национального проекта «Образование»; Руководитель авторской открытой школы Федеральной программы развития образования МОН РФ «Школа гуманитарного образования», Член правления Международной ассоциации развивающего обучения, Руководитель и консультант ряда корпоративных программ кадрового развития и территориальных проектов открытого и дополнительного образования, Директор Российской Компетентностной Олимпиады.

Русских Николай Евгеньевич

Инженер по машинному обучению в ООО Академджин, Новосибирск; выполняемые задачи: разработка ПО для геномных секвенаторов, сегментация изображений с использованием нейронных сетей, применение техник deep learning для построения словарей, программирование сверхточных нейронных сетей для автоматизации подсчета клеток, вариационное кодирование для снижения размерности. Выпускник Школы Анализа Данных Яндекса, магистр (Прикладная математика и Информатика, Новосибирский Государственный Ун-т)

Саламачев Сергей Николаевич

Закончил "ФГАОУ ВО "Сибирский федеральный университет", физический факультет, инженер-физик. Проект создания Детского технопарка «Кванториум» Красноярского края. Сибирский робототехнический фестиваль «Роботех» (2013 - руководить соревновательного направления, 2014-2015 гг. - директор), Всероссийский фестиваль по профессиональной робототехнике «Робопроф» (2014-2016- главный судья, заместитель руководителя фестиваля), Межрегиональный молодежный форум ТИМ «Бирюса» (2013-2015, руководитель дружины «Робототехника и НТТМ»). Создание и развитие молодежного объединения флагманская программа «Робототехника и НТТМ» на территории Красноярского края (более 1000 участников, более 40 молодежных объединений) (2013-2016 - руководитель программы)

Томилов Иван Андреевич

Закончил "ФГАОУ ВО "Сибирский федеральный университет", директор фирмы «TheFlow» (Россия, блок-чейн разработки, 12 лет), работа с одаренными детьми 9 лет, имеет грамоты от министерства образования и науки Красноярского края за проведение профильных сессий для одаренных детей.

Шестакова Наталия Сергеевна

студентка 3 курс Архитектурная академия, Екатеринбург, работа с одаренными детьми 2 года, имеет грамоты от министерства образования и науки Красноярского края за проведение профильных сессий для одаренных детей.