Обработка больших данных (syllabus): различия между версиями

Материал из Поле цифровой дидактики
Строка 29: Строка 29:


* https://snap.berkeley.edu/snap/snap.html#present:Username=patarakin&ProjectName=Flocking_Snap
* https://snap.berkeley.edu/snap/snap.html#present:Username=patarakin&ProjectName=Flocking_Snap
<snap project="Flocking_Snap" user="patarakin" />
{{#widget:iframe
|url=https://netlogoweb.org/launch#https://netlogoweb.org/assets/modelslib/Sample%20Models/Biology/Flocking.nlogo
|width=800
|height=600
}}


* см. [[:Категория:Model]]
* см. [[:Категория:Model]]

Версия 12:53, 29 августа 2023



Планируемые результаты обучения (Знать, Уметь, Владеть) Готовность студентов к профессиональной деятельности, связанной с обработкой и анализом больших данных, в педагогической сфере.
Знать
  1. основные понятиям и термины в области обработки больших данных
  2. методы сбора, выращивания, хранения и обработки больших данных.
  3. методов анализа больших данных
  4. инструменты визуализации данных для представления и интерпретации результатов анализа
Уметь
  1. Собирать данные с полей учебной и исследовательской деятельности
  2. Выращивать данные в искусственных средах. Ставить эксперименты с данными
  3. Обрабатывать данные
Содержание разделов курса Данные
Видео запись
Среды и средства, которые поддерживают учебный курс R, RStudio, NetLogo, Excel, Snap!, Google Data Studio
Книги, на которых основывается учебный курс R for Data Science, Mastering Shiny: Build Interactive Apps, Tidy Modeling with R

Основные понятия

Большие данные, База данных, База знаний, Веб-скрепинг, Датасет, Озеро данных, Агентное моделирование, Гигантская компонента

Источники данных

Выращивание данных при помощи многоагентных моделей

120px-Piage_Vyg.png


Обработка данных

Khurmanenok result pic.png