Подходы к определению средств для построения методики обучения работе с большими данными
https://doi.org/10.32517/0234-0453-2021-36-4-54-62
Аннотация
В статье актуализируется необходимость обучения студентов технологиям работы с большими данными. Big data — это перспективная и фундаментальная отрасль, требующая большого количества квалифицированных специалистов в различных областях. Целью работы является описание концепции определения набора аппаратных, программных, алгоритмических и методических средств (с учетом контингента обучаемых и возможностей учебного заведения) для построения методики преподавания дисциплины, связанной с изучением методов обработки больших данных. Выделяются два основных сектора заинтересованных лиц, которым необходимы специалисты в сфере Big Data. Производится сравнительный анализ программных решений, поддерживающих обработку больших данных. Описывается методика построения курса по обучению студентов технологиям обработки и анализа больших данных. Предлагается план организации лекционного курса и лабораторного практикума с рассмотрением подзадач для выполнения во время обучения. Обговариваются состав и методика самостоятельной работы студентов по дисциплине, связанной с изучением Big Data, с использованием системы управления обучением типа Moodle. Представляется пример реализации обработки данных средствами пакета RapidMiner Studio с использованием алгоритма обучения многослойной нейронной сети методом обратного распространения ошибки.
Об авторах
А. Г. СтепановРоссия
Степанов Александр Георгиевич - доктор педагогических наук, доцент, профессор кафедры информационных технологий предпринимательства, Институт технологий предпринимательства.
190000, Санкт-Петербург, ул. Большая Морская, д. 67
Г. А. Плотников
Россия
Плотников Григорий Александрович, ассистент кафедры информационных технологий предпринимательства, Институт технологий предпринимательства.
190000, Санкт-Петербург, ул. Большая Морская, д. 67
В. С. Васильева
Россия
Васильева Виктория Сергеевна, магистрант кафедры информационных технологий предпринимательства, Институт технологий предпринимательства.
190000, Санкт-Петербург, ул. Большая Морская, д. 67
Список литературы
1. Юсупов Р. М, Юсупов Ю. В. Состояние и перспективы развития информатики // Труды СПИИРАН. 2007. № 5. С. 10-45. http://www.mathnet.ru/links/79ca198018afb2fc5c21394ee2c7b0ce/trspy297.pdf
2. Юсупов Р. М. Информационные технологии и экономика информационного общества // Инновации. 2013. №2 11. С. 40-46. https://www.elibrary.ru/item.asp?id=22306752
3. Voronin D., Shevchenko V., Chengar O, Mashchenko E. Conceptual Big Data processing model for the tasks of Smart Cities environmental monitoring // DTGS 2019: Digital Transformation and Global Society. Communications in Computer and Information Science. Cham: Springer, 2019. Vol. 1038. P. 212-222. DOI: 10.1007/978-3-030-37858-5_17
4. Sheng H., Wang X. Intelligent retrieval system for ship fault information based on big data analysis // Journal of Coastal Research. 2019. Vol. 93. Is. 1. P. 1019-1025. DOI: 10.2112/SI93-147.1
5. Златопольский Д. М. Основы программирования на языке Python. М.: ДМК Пресс, 2018. 396 с.
6. IBM SPSS Modeler. https://www.ibm.com/ru-ru/products/spss-modeler
7. End to End Data Science // KNIME. https://www. knime.com/
8. Qlik Analytics Platform. https://www.qlik.com/us/products/qlik-analytics-platform
9. Уникальные возможности STATISTICA Data Miner. http://statsoft.ru/products/STATISTICA_Data_Miner/unique-opportunities-statistica-data-miner.php
10. RapidMiner. https://rapidminer.com/
11. RapidMiner Documentation. https://docs.rapidminer.com/
12. Stepanov A. G., Plotnikov G. A, Kosmachev V. M. Assurance of safety of computer-based testing system for midterm knowledge assessment // The European Proceedings of Social and Behavioural Sciences. 2020. Vol. 90. P. 14731485. DOI: 10.15405/epsbs.2020.10.03.170
13. Космачев В. М., Плотников Г. А, Степанов А. Г. Преподаватель в дистанционном образовательном процессе // Актуальные проблемы экономики и управления. 2020. № 4. С. 135-138. https://fs.guap.ru/emtp/journals/2020-4.pdf
14. Никифоров А. Л. Анализ понятия «знание»: подходы и проблемы // Эпистемология и философия науки. 2009. Т. 21. № 3. С. 61-73. http://www.intelros.ru/pdf/eps/03/05.pdf
15. Прохоров А. М. Большой энциклопедический словарь. М.: Норинт, 2004. 1456 с.
16. Хобсон Л., Коул Х, Ханнес Х. Обработка естественного языка в действии. СПб.: Питер, 2020. 576 с.
17. Рубцова Ю. В. Построение корпуса текстов для настройки тонового классификатора // Программные продукты и системы. 2015. № 1. С. 72-78. DOI: 10.15827/0236-235X.109.072-078
18. Narynov S, Mukhtarkhanuly D., Omarov B. Dataset of depressive posts in Russian language collected from social media // Data in Brief. 2020. Vol. 29. DOI: 10.1016/j.dib.2020.105195
19. Будагов А. С., Дмитриева А. В., Космачев В. М., Мартыненко С. А., Москалева О. И., Степанов А. Г. Самостоятельная работа студентов в магистратуре // Актуальные проблемы экономики и управления. 2016. № 2. С. 68-75. https://www.elibrary.ru/item.asp?id=26202416
20. Lahoti U., Joshi R., Vyas N., Deshpande K., Jain S. Drowsiness detection system for online courses // International Journal of Advanced Trends in Computer Science and Engineering. 2020. Vol. 9. No. 2. P. 1930-1934. DOI: 10.30534/ijatcse/2020/158922020
Рецензия
Для цитирования:
Степанов А.Г., Плотников Г.А., Васильева В.С. Подходы к определению средств для построения методики обучения работе с большими данными. Информатика и образование. 2021;(4):54-62. https://doi.org/10.32517/0234-0453-2021-36-4-54-62
For citation:
Stepanov A.G., Plotnikov G.A., Vasilyeva V.S. Approaches to the choice of tools for constructing a methodology for learning to work with Big Data. Informatics and education. 2021;(4):54-62. (In Russ.) https://doi.org/10.32517/0234-0453-2021-36-4-54-62