У статті зібрано відгуки про вибіркові дисципліни катедри ММСА на 3 курс. Зазначимо, що ця інформація базується на суб'єктивних думках студентів, які вже вивчали ці предмети, і наведена лише з ознайомлювальною метою.

Хочемо звернути увагу:

Вказані відповіді викладачів — викладач або викладачка вперше викладатиме дану дисципліну, тому ми звернулися до нього / неї з проханням розповісти про плани.

Стаття містить статистику 2022-2023 років — відповідей цьогорічного опитування було недостатньо, додана інформація з попередніх статей.

Висловлюємо щиру подяку студентам, які взяли участь у зборі відгуків, та викладачам, що відповіли на наші запитання!

Ми чекаємо відповіді від деяких викладачів, тож можливі оновлення, про які ми обов'язково повідомимо.

Висловлюємо щиру подяку студентам кафедр ММСА та ШІ, які взяли участь у зборі відгуків, та викладачам, що відповіли на наші запитання. А також низький уклін воїнам Сил оборони України за можливість жити, працювати і обирати дисципліни на наступний рік.

5 семестр

Освітній компонент 1

Інтелектуальні системи підтримки прийняття рішень (Недашківська Н.І.)

Про що предмет, що вивчалося?

• «Предмет про ML, вивчалися різноманітні моделі, їх оцінка, навчання, підбір параметрів, алгоритми кластеризації і т. д. »
• «Основи Data Science та машинного навчання; основні моделі, що використовуються для розв'язання задач регресії, класифікації та кластеризації, їх математичне підґрунтя та програмні реалізації»

Які попередні знання необхідні?

• «Базові знання з Python, pandas, numpy»
• «Було б добре знати хоча б базово пайтон та поверхньо теорію імовірностей, матан і матстат»

Актуальність знань

• «Достатньо актуальні»
• «Одна з найбільш актуальних дисциплін ІПСА, якщо Ви збираєтеся стати дата саєнтистом/ML-інженером. Основні джерела інформації — книги Гудфеллоу і Рашки, а також документація бібліотеки Scikit-learn. В лабораторних часто використовувались датасети з Kaggle»
• «Сфера дуже швидко розвивається, тому складно зробити так, щоб знання були максимально актуальними, але база доволі сильна і дає змогу далі розвиватися в цій сфері, якщо тобі цікаво»
• «Вивчались базові алгоритми машинного навчаня. Думаю, що огляд цих алгоритмів є необхідними етапом у вивченні Data Science»

РСО

• «5 лабораторних по 14 балів (7 за роботу і ще 7 за захист, який залежно від формату навчання може бути усним (запитання по коду програми та трохи по теорії) або письмовим (одне-два об'ємних теоретичних питань)), а також 2 КР по 15 балів (1 теоретичне і 1 практичне питання)»

Які загальні враження від дисципліни?

• «Дисципліна сподобалась — дозволяє спробувати різні алгоритми та метрики, відчути різницю та специфіку кожної з них. Не є надто важкою, якщо приділяти лабам час; на 1 лр потрібно було реалізувати алгоритм, а на всіх наступних — побудувати та оцінити різні моделі з різними гіперпараметрами. Єдиний недолік — лаби здаються трохи однотипними під кінець семестру»
• «На мою думку, найкраща вибіркова дисципліна 5 семестру. Набуті знання та навички неодмінно стануть Вам у пригоді як на хакатонах та Kaggle-змаганнях, так і в подальшій професійній діяльності. Надія Іванівна може навіть найскладніший матеріал пояснити максимально зрозуміло, але й на усі питання із задоволенням відповість. Її лекційні матеріали (презентації) дуже якісні, а навіть якщо там бракує якоїсь вузькоспеціалізованої теми — існує більш ніж достатньо додаткових джерел. Проте закрити предмет без знань не вийде, тож не раджу його тим, хто шукає найпростіший шлях»
• «На момент початку дисципліни я вже нею майже повністю володів(в рамках курсу звісно), але все одно дуже гарний предмет, щоб структуризувати знання в машинному навчанні. Для повних новачків краще ознайомитися з numpy i pandas до вивчення дисципліни, і вам вже на предметі відкриють дивовижний світ ml. Загалом враження однозначно позитивні, найкращий предмет взагалі на 3 курсі»

Відгуки на викладачку у IASA Analytics:

Викладачка як лекторка

Викладачка як практикиня

Теорія фінансів ( Викладач невідомий, але минулого року була Семенченко Н.В.)

Про що предмет, що вивчалося?

• «Основи економіки, зовнішньої, внутрішньої»

Які попередні знання необхідні?

• «Ніякі»

Актуальність знань

• «Це був цікавий курс, зберіг собі лекції щоб потім ще переглянути. Знання цілком актуальні і допомагають краще розуміти як працює ринок, як крутяться гроші»

РСО

• «Уже й не згадаю, якщо чесно, але там не надто душно»

Які загальні враження від дисципліни?

• «Мені сподобалося, і взагалі, рекомендую обрати, якщо не хочеш надто потерпати від тонни лаб і дзшек. Для тих, хто хоче вчитися — це теж гарний варіант, як я казав, знання корисні і цікаві»

Прикладна робототехніка та автономна навігація (Соболь О.О.)

Про що предмет, що вивчалося?

• «Про робототехніку та принципи роботи різних роботів та механізмів, програмування роботів»
• «Предмет ясно що про роботів і автономну навігацію, тут пояснювати не треба. Мем у тому, що просто всі лабки це просто ROS, сидите щось собі робите... Під кінець була цікава лаба, але лише під кінець. Ну і ще одна була на Python із OpenCV, але її можна було за 5 секунд зробити»
• «Вивчалося???? Назвати це вивченням предмету не можна ні на якому етапі, це або тупорила копіпаста, або таке ж тупориле зазубрювання. Іншими словами, знання з робототехніки не просто мінімальні, вони майже відсутні, хоча предмет і позиціонує себе як фізичний, викладачка сама не сильно може у фізику. Так, може взяти формулу і підставити у неї значення, отримати відповідь, але мінімальне питання про явну незбіжність у її лекціях поставили її у ступор»
• «Предмет дає загальні знання з робототехніки: як механічної реалізації роботів, їх можливих елементів та складових так і симуляції їх у спеціалізованих програмах. Вивчалися програмні рішення що використовуються у роботах сьогодні: алгоритми пошуку, навігації, комп'ютерного зору тощо. Бонусом іде невеликий гайд-включення у віртуальні машини та трохи історії робототехніки загалом»

Які попередні знання необхідні?

• «Загалом ніяких»
• «Знань не потрібно, але потрібні міцні нерви, тому що викладачка — це капець просто. Вона вас виморозить після першої здачі»
• «Попередніх знань необхідно НУЛЬ, знову ж таки з причини тотальної копіпасти, можна просто відключити мозок і використовувати ctrl-c -> ctrl-v. Іноді завдання урізноманітнюються іншим чудовим заняттям: переписування коду зі скрінів»
• «Попередніх знань загалом предмет не потребує, але легше буде з початковими знаннями python та ОС Linux. Далі всі необхідні матеріали в цілому або надаються викладачем, або легко знаходяться в загальному доступі»

Актуальність знань

• «Знання однозначно актуальні, якщо навіть не плануєш пов'язувати своє подальше життя з робототехнікою, все одно буде корисно і цікаво. І плани можуть змінитися, поки вивчаєш»
• «Може й актуальні. Я звідки знаю, я що, у цій сфері працюю... Певне актуальні»
• «Знання можливо і актуальні, якби їх адекватно і структуровано викладали, і прибрали з нього всю воду. Викаладчка дала все і ні дала нічого, впевнений, що через кілька місяців не згадаю нічого з того що зубрилося/писалося»
• «Актуальність теоретичних знань в цілому непогана, особливо в темах останніх презентацій, де нам розповідали про способи автономної навігації і алгоритми пошуку. Що стосується практичних — слабо, в основному ти просто повторюєш те, що викладач вже робив по записаному ним гайду. І 95% відсотків зусиль іде на боротьбу з ROS та іншими програмами, що необхідні для курсу (у кожного з моїх одногрупників були різні проблеми які доволилося вирішувати колективно. Повірте, це дійсно найскладніше що буде з того, що стосується практичних робіт)»

РСО

• «РСО було неоднозначне, часто змінювались умови. В результаті: було 3 модулі, кожен модуль по 33 бали. В кожному модулі був тест через платформу, яка запобігає списуванню + захисту теорії та лабораторної роботи + дз(1-2 бали). В кінці семестру залік — один на один з викладачем повністю по пройденому матеріалу, де можно підвищити бал(або понизити). Питанная на заліку по складності залежать від оцінки, яку маєте в кінці семестра»
• «Оце до речі мем. РСО супер незрозуміле. Точніше воно в неї наче й було чітке, але я так і не зрозумів, як воно повинно було працювати. Були якісь домашні завдання, які вона колись десь кидала, можна було зробити, отримав би дод. бал напевне. Лабки здавали... Опитування було, при тому що спочатку опитування, а потім тільки практику ти міг здавати»
• «РСО змінювалось протягом року, змінювались способи закрити модулі (розділи на які викладачка розбила курс), також викладачка не вміє адекватно розподіляти свій час, але наполегливо вимагає цього від студентів. Дуже часто захист завдань практичних був пізно ввечері (20-22 години)»
• «РСО було надане однією картинкою і дійсності воно не відповідало на 100%. Справа в тому, що викладач постійно змінював правила заліків за окремі модулі та для різних студентів. Для студентів конкретно з моєї групи якийсь час взагалі розповсюджувались окремі правила через те що один з моїх одногрупників порушив принципи академічної доброчесності (так, покарали всю групу, але не всіх студентів курсу)»

Які загальні враження від дисципліни?

• «Насправді крута дисципліна з компетентним викладачем. Із мінусів — викладач часто переносив здачі і було не повне розуміння щодо балів, аж в кінці захищали 2 і 3 модуль разом. Просто тут точно не буде, треба буде вчити матеріал і розбиратися в лабораторних (Пошагова інструкція є, але треба реально розуміти що ти робиш на кожному кроці, щоб потім захистити). Валити тут не будуть, повна об'єктивність»
• «Від предмета не стільки було вражень, як від викладачки. Бо викладачка це справжній мем. Вона непогана, якщо ви любите сидіти 200 разів це все робити і ви дуже старанний студент. Якщо ви шалапай, який любить відкладати все на потім, то пом'немо, це точно не про цю викладачку»
• «Враження від предмету залишились двоякі, з одного боку ти витрачаєш силу-силенну часу на підготовку до захисту практичних робіт та теорії. І нібито мав би отримати із цього купу знань, але у сухому залишку немає нічого. По суті за семестр ти отримуєш настільки розмиті і неповні знання, що по відчуттях всі корисні знання із курсу можна було б отримати за вечір перегляду відео на ютубі, чому уточнюю про корисні знання, бо викладачка на захистах питала найНЕважливіші речі, які вона, з якогось переляку, сама додала у лекції, і, судячи з усього, щоб це не було марним, опитувала»
• «Інцидент зі списуванням одного з моїх одногрупників показує найбільшу проблему цієї дисципліни — непостійність, що виражається у правилах здачі модулів, постійних переносах захистів (особливо під кінець семестру), нерівномірність викладення матеріалів (деякі лекції в записі були, деяких не було. До деяких прктичних були дуже деталізовані гайди, до деяких — поверхневі або з такою кількістю помилок, що доводилося шукати самостійно). Ще з негативного можу відмітити що викладач може ігнорувати приватні повідомлення (звичайно ж ті, що написані у робочий час), не відповідати у загальній групі і таке інше. Резюмуючи все написане, загальна думка про предмет наступна: непогані теоретичні знання поєднані хоч і з простими, але в деяких моментах дійсно цікавими практичними, а також викладачем що дуже серйозно ставиться до предмету, але абсолютно безвідповідально і з деякою неповагою ставиться до студентів, яким цей курс викладає. Якщо ви не зацікавлені у робототехніці початково і просто шукаєте предмет, яким хочете зайняти слот — не раджу для цього обирати цю дисципліну. Але якщо вас дійсно зацікавив предмет — беріть. Нічого надскладного вам на ньому точно не трапиться»

Відгуки на викладача у IASA Analytics:

Освітній компонент 2

Спеціальні розділи обчислювальної математики (Дмитрієва О.А.)

Про що предмет, що вивчалося?

• «Продовження чисельних методів»
• «Вивчали різні методи розв'язання рівнянь»

Які попередні знання необхідні?

• «Чисельні методи, диференційні рівняння, трохи матаналіз та лінійна алгебра»

Актуальність знань

• «Досить актуальні: методи, які ми вивчали, використовуються у багатьох галузях, зокрема й DSc та ML. Лаби можна виконувати в Wolfram Mathematica або на Python»

РСО

• «Вхідна КР на 5 балів (не входить в РСО — тільки як додаткові бали), 7 лабок по 10 балів + підсумкова КР»

Які загальні враження від дисципліни?

• «Неймовірно пощастило з викладачкою. Ольга Анатоліївна — мегаприємна людина, знавець своєї дисципліни. Паралельно з ІПСА викладає також у Штутгартському університеті. Найперша з усіх викладачів скасувала дедлайни лаб при введенні асинхрону та дозволила не бути присутніми на захистах студентам, що не мали змоги доєднатися. Дуже лояльна, майже не знижувала бали, але при цьому максимально детально пояснювала помилки. Неймовірний результат як для першого семестру викладання в КПІ»
• «Враження дуже позитивні. Викладачка дужу гарно пояснює, завжди відповідає на питання пов'язані з предметом. Ставить бали на користь студента»

Прикладна статистика (Левенчук Л.Б.)

(Відповідь викладачки)

Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?

«Раджу повторити основні поняття теорії ймовірності та математичного аналізу»

Кому радите обрати цей предмет?

«Прикладна статистика – це наука збору, обробки даних і аналізу отриманих результатів з метою прийняття коректних обґрунтованих рішень технічного, ділового, політичного персонального або іншого характеру. Ця дисципліна передбачає використання статистичних методів для відповіді на практичні питання в різних галузях, таких як фінанси, охорона здоров’я, маркетинг та інженерія. Прикладна статистика є однією з фундаментальних дисциплін в освітній програмі бакалаврів з системного аналізу, оскільки абсолютна більшість бакалаврських дипломів аналізує часові ряди і часові перерізи (тобто дані для множини вибраних процесів на вибраний момент часу, наприклад, на кінець року) фінансових і виробничих процесів. Курс для тих, хто прагне навчитися коректно працювати з даними та робити обґрунтовані висновки на основі їхнього аналізу. Загалом, прикладна статистика – це основа для коректної обробки даних і прийняття обґрунтованих рішень. В США видали 3-томний довідник із статистичних методів на 4000 сторінках»

Які види роботи планується проводити?

«Курс передбачає виконання лабораторних робіт та написання модульної контрольної роботи»

Які основні знання та навички можна набути після проходження курсу?

«Прикладна статистика включає:

• вивчення та оволодіння методами збору та обробки статистичних даних у формі часових перерізів рядів;
• вивчення та оволодіння методами побудови статистичних і математичних моделей;
• вивчення критеріальної бази для дослідження якості даних і адекватності створених моделей;
• уміння аналізувати як структура даних впливає на розв’язання задачі статистичного моделювання, прогнозування та формування статистичних висновків.
• уміння перевіряти відповідність вхідних статистичних даних постановці задачі статистичного і математичного моделювання на основі отриманих даних;
• уміння розробляти статистичні моделі досліджуваних процесів в економіці та фінансах;
• уміння доводити коректність та ефективність побудованих статистичних і математичних моделей на розв’язуванні прикладних задач;
• уміння порівнювати різні методи моделювання, прогнозування, оцінювання ризиків та формування статистичних висновків»

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

«Один з проектів, над яким я працювала, включав аналіз даних про клієнтів, щоб зрозуміти їхні потреби та поведінку. Метою було визначити найбільш вигідних клієнтів і розробити цільові маркетингові стратегії для їх утримання. Для цього я використовувала статистичні методи, такі як регресійний аналіз, кластеризація та сегментація.
Загалом, мій практичний досвід у прикладній статистиці навчив мене, що статистичні методи аналізу даних та прийняття рішень є потужним інструментом для прийняття обґрунтованих рішень у різних сферах діяльності»

Мережі Байєса в системах підтримки прийняття рішень (Терентьєв О.М.)

Викладач порадив подивитися в Ф-каталог по данній дисциплні, щоб з нею ознайомитися.

Освітній компонент 3

Розробка і тестування програм (Дідковська М. В.)

Про що предмет, що вивчалося?

• «Вивчалося тестування сайтів(ручне і автоматичне), сучасні підходи до організації роботи (скрам)»
• «Ніякої розробки, лише база на тестувальника сайтів. Робота з селеніумом, фреймворками, і все це на декількох мовах на вибір: JS, C#, Python, та ще якийсь»
• «QA загалом. Корисні штуки в теорії розробки продукту»

Які попередні знання необхідні?

• «Вміння програмувати на одній мові, та бажано вміти користуватися консоллю розробника в браузері. Під час навчання додатково рекомендую вивчити xpath»
• «Знати щось з четвірки Python/C#/Java/JS»

Актуальність знань

• «Актуальні в сфері тестування»
• «Я не QA, тому судити не можу, але це викладають люди з Єпаму, які потім можуть покликати до себе на стажування, тож як мінімум для цієї компанії знання актуальні. Як ДевОпс можу сказати, що частина з СІ/CD дуже специфічна, бо тільки Єпам (може, ще декілька компаній) розробляє на Вінді, і там дається TeamCity, а не Jenkins чи Gitlab CI»

РСО

• «Багато дз + багато тестів + залік = десь 120-140 балів, які потім оцінюються як сума а не в відсоткову співвідношенні (тобто якщо набрав 108/120 балів, то це 100 в заліковку, а не 90)»

Які загальні враження від дисципліни?

• «Якщо закрити очі на те, що нікому не здалося нормально перевіряти дзшки то це цікавий досвід, який навчить користуватися інструментами тестувальника»
• «Не складні лаби в принципі, знання зі скраму точно будуть корисними, можна отримати оффер на стажування в єпам (не знаю це плюс чи мінус)»

Мікро- та макроекономічні системи (Стулей В. А.)

(Містить статистику 2022)

Про що предмет, що вивчалося?

• «Переважно мікроекономіка
• «Микроэкономика, рынки и тд»
• «Чесно кажучи, я взагалі не розібрався, але щось пов'язане з економікою»
• «Різноманітні практичні економічні задачі»
• «Чуть более углубленная микро- и макроэкономика с немалым количеством математики для анализа и оптимизации»
• «Экономика. Вычитывалась теория и демонстрировались практические задачи по микро макро системам»
• «Економічні процеси»
• «Курс дуже абстрактний через глобальність предмету вивчення, проте викладач дуже цікаво розповідає про окремі економічні аспекти, підкріплює це зрозумілими прикладами з життя й задачами»

Які попередні знання необхідні?

• «Знання математичних дисциплін попередніх курсів буде досить доречним»
• «Базова економічна грамотність»
• «Базові знання з матану для задач»
• «Інтегрування, диференціювання»
• «Линейная алгебра, матанализ, теория вероятностей, методы оптимизации»
• «Желательно ± знать экономику, но не обязательно»

Актуальність знань

• «Досить актуальний, плюс викладач приводив багато прикладів з його практики/поточної економічної ситуації в країні»
• «Было достаточно интересно, преподаватель очень интересно все рассказывал, на примерах из жизни»
• «Досі не використовував»
• «Актуально тим, хто цікавиться та хоче розвиватись в економічній сфері»
• «Не устаревают»
• «7/10»
• «Все прекрасно в этом плане, 8/10»
• «Для тих, кому цікавий придмет вивчення, знайдуться найбільш актуальні застосування знань. Задачі дуже цікаві»
• «Актуально и вечно»
• «Практические примеры врядли понадобятся в реальной жизни, но вот базовые теоритические положения пригодятся в жизни»
• «Викладач подає матеріал гарно з прикладами з життя, але інколи повторюється»
• «Уявлення про поведінку економічних систем, їх функціональний опис. Зможете розв'язувати прості задачки, як-от прогнозування цін на споживчі кошики»

РСО

• «Поки був хоч якось синхронний режим, бали набиралися дуже легко: одна відповідь/запитання/доповнення на парі — +5 балів за активність. Плюс ще були 2 КРки. А от коли ввели асинхрон — стало тяжче, бо пари не проводились, тож він нам запропонував проходити курсики на курсері (але не більше 2х) і дослідницьке дз з 2 задачами і міні-есе. Але можна було обійтися і без того дз, якщо вистачало балів. Старшокурсники говорили, що раніше можна було навіть КРки не писати, якщо є курси і активність на всіх парах»
• «Можна закрити предмет на 100, відповідаючи на парах та проходячи запропоновані викладачем курси. Також є обов'язкова МКР у формі тестів на 50 балів. Зважаючи на кількість шляхів та легкість отримання балів, наприкінці семестру можуть виникнути проблеми у студентів з дуже низьким рейтингом»
• «Бали можна було заробляти відповідями на парах, була одна обов'язкова для всіх контрольна і необов'язкові домашні завдання, також можна було пройти два курси на курсері і отримати за них 40 балів»
• «За активність на практичному по 5 балів. Для атестації треба просто проявити хоч раз активність. (Також було дод. завдання). Пройшовши курсеру і написавши здало тест можна легко отримати 75+»
• «За любой ответ на практике (когда говорю любой, имею ввиду прям любой, просто рот открыл грубо говоря) получаешь 5 баллов. Так многие пришли к тому, что у них 100+ даже без зачета. Была одна контрольная, система была такая: 5 задач, которые решает весь поток, если есть люди которые решили все пять, то макс балл только у людей которые тоже решили 5 задач (та же система, если все не решили одну задачу, то за нее баллы вообще не учитываются, и макс балл распределяется по 4 другим задачам)»
• «Либо зарабатываешь баллы на парах либо проходишь курсы на курсере, одна кр на 30 баллов + 20 баллов за доп задания, задания для доп баллов. Закрыть предмет легко но знаний не получишь»

Які загальні враження від дисципліни?

• «Враження переважно позитивні, викладач дуже непоганий, сам був директором банку раніше, пояснює добре. Можна обирати і у якості предмету, який не надто складно закрити»
• «Прекрасно»
• «8/10»
• «Хорошо, но 5 баллов за любое слово на паре — перебор. Как только все выкупили схему, начался дурдом из миллион не нужных и глупых вопросов»
• «Приємний спеціаліст у галузі викладання і, власне, самої дисципліни»
• «Закрыл предмет пройдя курсы на курсере и написав кр, ничего не выучил»
• «Очень много чего узнал, на парах всегда было интересно, да и по факту сам предмет ненапряжный, многого препод не требует»
• «Доволі цікаво»
• «Если не очень интересна экономика, то эта дисциплина вам этого интереса не подарит. Если же выбрали этот предмет, то не пренебрегайте курсерой и не стесняйтесь задавать вопросы на паре (главное чтобы хоть чуточку по теме)»
• «Рекомендую комунікувати з викладачем він з радістю відповість на всі питання та розкриє будь-яку тему в економіці, не будьте пасивними. Предмет неважкий, головне бути на лекціях і задавати питання, бо +5 балів за них на кожній лекції. Присилається перелік курсів на Coursera і можна отримати +40 балів»
• «Дуже легкий і цікавий спосіб підняти свій рівень економічної грамотності, проте навряд чи з'являться якісь професійні знання в цій галузі»

Мультипарадигменні мови програмування (Канцедал Г.О.)

Про що предмет, що вивчалося?

• «Назва предмету не співпадає з матеріалом. На предметі викладач розповідав про обробку данних та про машинне навчання»
• «Повинен бути про мови, що суміщають чи дозволяють писати в різних парадигмах. До них відноситься Python. Відповідно, в нас був курс Python із застосуванням його в ДС»
• «Data science & Machine Learning. Финальная лаба — создать модель с наибольшим скором. Все лабы перед ней — постепенная подготовка к финальной»

Які попередні знання необхідні?

• «База Python. Желательно еще знать Pandas и основы DS&ML»
• «Бажано знати Python, а також в парі взяти ІАД, щоб більше розуміти»

Актуальність знань

• «Наче доволі актуальні, хоча деякі розібрані методи, як на мене, сумнівні»

РСО

• «10 лабораторних робіт, або 4 курси на 90 балів і компетішн на Kagle на 10 балів»

Які загальні враження від дисципліни?

• «Досить непогана дисципліна, викладач компетентний, швидко відповідає на питання, якщо вони з'являються, завжди був на зв'язку і інформував про будь-які зміни у роботі»
• «Викладач аспірант, дуже приємно спілкуватися. Відкритий до спілкування на будь-які теми та завжди готовий відповісти на всі ваші питання»

Відгуки на викладача у IASA Analytics:

Освітній компонент 4

Алгоритми робототехніки (Титаренко А.М.)

(Відповідь викладача)

Що треба знати попередньо перед цим предметом?

«Теорію імовірностей, статистику, аналіз та лінійну алгебру. Нічого просунутого, базові речі. Обов'язково треба мати елементарні навички програмування. Основною мовою буде Python. Все інше буде супроводжуватись поясненнями або посиланнями на матеріали для самостійного розгляду. Частіше перше»

Кому радите обрати цей предмет?

«Усім! Цей предмет не є специфічним. Ціллю не є викласти нудний перелік алгоритмів. Курс не зробить з вас експерта у цій сфері. Перша мета — надати практичне супроводження теоретичним та фундаментальним матеріалам, що викладаються на перших курсах. Ви вивчили теорему Гаусса-Маркова, опанували часткові похідні та здали лабу з методом Рунге-Кутти. Тепер вас іще чекають курси за оптимізації та функціонального аналізу. Але навіщо? Даний курс намагатиметься продемонструвати, що все було не просто так і весь цей матеріал був дійсно важливою основою для дуже цікавих застосунків. Друга мета — надати огляд домену робототехніки. Він лежить на перетині десятка різних дисциплін, а реальні застосунки часто поєднують методи й алгоритми дуже різної природи. Наразі більшість фізичних пристроїв тим чи іншим чином пов'язані з робототехнікою: від розумних камер спостереження до бойових дронів. В рамках курсу, я спробую окреслити загальну ментальну мапу домену та розповісти в деталях про базові методи та алгоритми що його наповнюють»

Які види роботи планується проводити, та яким буде загальний формат у випадку очного навчання та дистанційного?

«Оскільки це перша ітерація курсу, я вирішив обмежитись лекціями та лабораторними роботами (скоріше за все фінального проєкту не буде). Приблизні теми можна знайти в силабусі. Крім того, плануються гостьові лекції від спеціалістів з індустрії та/або академії»

Які основні знання та навички можна набути після проходження курсу?

«Найбільше, на що я сподіваюсь — це набуття впевненості та інтуїції при застосуванні та поєднанні математичних методів для розв'язання конкретних задач. Але окрім цього (більш конкретно), студенти отримають практичний досвід роботи з алгоритмами керування, комп'ютерного зору (глибокого та класичного) та методами локалізації й побудови «мап» за різними даними»

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

«Я працював над різними дослідницькими проєктами пов'язаними з розумними пристроями спостереження (Ring, Amazon). Комп'ютерний зір, трекінг, робота з сенсорами (наприклад радар), енергоефективність та продуктивність. В мене також є досвід роботи с алгоритмами керування та навчання з підкріпленням, оптимізації (в тому числі зі стажування в Google Research). Моїм науковим інтересом є керування (загалом роботичне) за візуальними сенсорами. Я маю надію на цей курс, адже він проєктується як предмет, якого саме мені не вистачало в програмі ІПСА. Тому принаймні можна очікувати на пророблену інфраструктуру і матеріали»

Основи фінансової математики (Бондаренко В.Г.)

Про що предмет, що вивчалося?

• «Вивчалися економічні задачі»

Які попередні знання необхідні?

• «Матан і матстатистика»

Актуальність знань

• «Не дуже актуальний»

РСО

• «75 просто так або кр на 100 балів»

Які загальні враження від дисципліни?

• «Можна обирати, просто якщо потрібно щоб предмет був закритий»

Мови та технології штучного інтелекту (Тимощук О.Л.)

Про що предмет, що вивчалося?

• «Вивчалися мови програмування Prolog та LISP»

Які попередні знання необхідні?

• «Ніяких попередніх знань не потрібно, вивчали все з нуля»

Актуальність знань

• «На жаль знання не дуже актуальні»

РСО

• «Перша робота це була презентація по групах. Потім було 5 лабараторних робіт. У кінці було завдання на додаткові бали, де потрібно було написати невелику програму на будь яку вибрану тему з файлу»

Які загальні враження від дисципліни?

• «Було легко, але не сказалти, що супер цікаво»

Відгуки на викладачку у IASA Analytics:

Викладачка як лекторка

Викладачка як практикиня

6 семестр

Освітній компонент 5

Аналіз часових рядів (Бідюк П.І./Левенчук Л.Б.)

(Містить статистику 2022)

Про що предмет, що вивчалося?

• «Власне часові ряди: теорія, типи, їх аналіз та прогнозування у Eviews та трохи у Python чи інших мовах програмування»
• «Временные ряды и методы их оценки / прогнозирования»
• «У цьому курсі вивчається на прикладному рівні часові ряди»

Які попередні знання необхідні?

• «Математика і програмування на рівні другого курсу»
• «Необхідні знання математичної статистики. Будь яка мова та бібліотека для оброблення статистичних даних, наприклад: Python, statsmodels; R»
• «Трошки стосується матану»

Актуальність знань

• «Середня: воно ніби й важливо, і ніби норм дається, але точно могло б бути краще»
• «Cупер нужно по крайней мере для других предметов»
• «Знання актуальні для прогнозування різноманітних процесів»
• «Полезно для тех кто планирует заниматься машинным обучением»
• «Очень важный предмет для ДС, Терентьев очень хвалил преподавателя. Мой товарищ, который регулярно выигрывает Хакатоны по ДС — сказал, что лабы вообще не из той оперы, достаточно бесполезны. Вывод делайте сами»

РСО

• «Декілька (5) лаб бригадами по 4 людини. Також в мій рік можна було закривати сертиіфікатом з курсери»
• «5 лаб по 20 баллов: 1 лаба — AR модель; 2 лаба — знакомство с eviews; 3 лаба — ARMA модель — стационарный ряд; 4 лаба — ARIMA модель — нестационарный ряд; 5 лаба — ARCH/GARCH — гетероскедастичный ряд»

Які загальні враження від дисципліни?

• «Могло бути гірше, але могло бути і краще. Прям супер корисно не було»
• «Крутой предмет. Даже если просто готовить немног к сдаче лаб можно узнать много интересного»
• «Дисципліна досить цікава, але для повного опанування цього напряму потрібно більше самостійної роботи, тому що курс досить стислий»

Теорія ігор (Барановська Л. В.)

(Містить статистику 2022)

Про що предмет, що вивчався?

«Вивчається теорія ігор — теорія математичних моделей прийняття оптимальних рішень в умовах конфлікту. Її пари проходили у вигляді перегляду відео з ВШЕ (московський виш, відео російською мовою), також була методичка-переклад тих самих відео»

Які попередні знання необхідні?

«Теорія ймовірностей та математична статистика»

Актуальність знань

• «Зараз пишу дипломну роботу під керівництвом Пилипенка А.Ю., де як раз використовую отриманні знання з цього предмету; загалом, предмет допомагає дивитися на речі по новому, тому для загального розвитку може бути корисний»
• «Как вариант не напрягаться – подойдёт»

РСО

«2 КР по 50 балів кожна. КР-1 складається з задач, КР-2 — з реферату та доповіді на семінарі. Замість КР-1 можна пройти онлайн-курс, запропонований викладачкою»

Які загальні враження від дисципліни?

• «Закрити неважко, теорії і видів задач небагато, викладачка хороша, до студентів ставиться лояльно»
• «Сама почти ничего не рассказывает, только задачи дает шаблонные. Теория игр хоть и интересный предмет. Но не в исполнении Барановской»
• «Из прикольного — есть элементы интерактива, когда к примеру мы играли в что-то по заданным правилам и анализировали потом»

Викладачка на IASA Analytics

Викладачка як лекторка

Викладачка як практикиня

Інтелектуальні системи підтримки прийняття рішень (Недашківська Н.І.)

Про що предмет, що вивчалося?

• «Це курс глибокого навчання. Він загалом складається з вивчення різних архітектур глибоких нейронних мереж»
• «Предмет про основні підходи та методи, які використовуються у Data Science. При виконанні робіт працюють з Tensor Flow, з датасетами картинок тощо»

Які попередні знання необхідні?

• «Python, Numpy, Pandas, Scikit learn, знання з інтелектуального аналізу даних, що вивчається у попередньому семестрі»

Актуальність знань

• «Досить актуальні знання для того, щоб влаштуватися на роботу на такі посади: Machine Learning Engineer, Deep Learning Engineer, Data Scientist»
• «Ну я декілька разів використовував код із лаб на роботі (працюю більше року Data Scientist-ом), тому знання (як практичні так і теоретичні) досить актуальні і корисні»

РСО

• «5 лабораторних робіт по 14 балів = 70 балів та 2 модульні контрольні роботи по 15 балів = 30»

Які загальні враження від дисципліни?

• «У нас вела Недашківська Надія Іванівна — в міру вимоглива викладачка, якщо здаєш все вчасно та самостійно зроблені роботи, то проблем ніяких не буде. Але потрібно розуміти, як усередині працюють алгоритми, які ми використовуємо у наших лабораторних роботах, бо бал за них буде відповідно знижений. Це також і стосується модульних контрольних робіт, в яких потрібно писати власне розуміння теорії, а не списане з електронного конспекту»
• «Звичайно іноді теорія на лекціях трохи суха, але їх можна скіпати замінюючи статтями та онлайн курсами. А от практичні роботи корисні і цікаві, справедливо і щедро оцінюються і мають навіть трохи дослідницького наліту»

Викладачка на IASA Analytics

Викладачка як лекторка

Викладачка як практикиня

Освітній компонент 6

Теорія випадкових процесів (Ільєнко А.Б.)

Про що предмет, що вивчалося?

• «Продовження-нагадування ТЙ, випадкові процеси (Пуассонівський і Гауссівський), ланцюги Маркова»

Які попередні знання необхідні?

• «ТЙ і матстат обов'язково, також бажано розуміти функан, гармонал, матан тощо. Хоча АБ досить добре повторює все найважливіше»

Актуальність знань

• «Ланцюги Маркова дуже важливі для розуміння навчання з підкріпленням на 4му курсі. В цілому, решта теж цікаво подано, а математика щодо цього вже певний час не дуже змінюється»

Які загальні враження від дисципліни?

• «Корисна математична дисципліна, корисніша за більшість і ближча до практики, що дуже добре читається»

Відгуки на викладача у IASA Analytics:

Статистичний аналіз і прогнозування економічних процесів (Макаренко О.С.)

(Відповіді викладача за 2022)

Про що предмет, що вивчалося?

• «Важко сказати, адже викладач постійно лив воду. В принципі, предмет у тому вигляді який він читає ні про що і нічого для нього не потрібно»

Які попередні знання необхідні?

• «Особливо ніякі»

Актуальність знань

• «Нульова, якщо самому не займаьтся вивченням»

РСО

• «4 лабораторні, які викладач фактично не дивиться і зазвичай здається паль. Також було декілька рефератів, які копіпастились та стисло розповідались»

Які загальні враження від дисципліни?

• «Якщо хочеться легкий предмет, то це воно»

Освітній компонент 7

Еволюційні методи оптимізації (Савченко І.О.)

(Відповідь викладача)

Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?

«Методи оптимізації і дослідження операцій (класичну дисципліну), все інше непринципово»

Кому радите обрати цей предмет?

«Будь-кому, хто бачить в своїй роботі або інтересах використання оптимізації, пошук оптимальних розв'язків, підбір оптимальних параметрів»

Які види роботи планується проводити?

«Власну реалізацію якогось із метаевристичних (еволюційних) методів оптимізації і дослідження його на тестових задачах»

Які основні знання та навички можна набути після проходження курсу?

«Знання великого набору некласичних методів оптимізації, їх сильні і слабкі сторони, вміння підібрати під задачу метод оптимізації (класичний або некласичний). Значний акцент на генетичному алгоритмі як одному з найбільш відомих і універсальних. В описі трохи детальніше розписано»

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

«Використовував ряд методів для вирішення задач оптимізації складних конструкцій (наприклад, визначення оптимальних товщин шарів, коефіцієнтів і кутів армування у багатошарових оболонках для досягнення найшвидшого затухання коливань), зокрема цю задачу розв'язував генетичним алгоритмом, методом відпалювання, методом рою частинок, так що маю гарне уявлення про їх можливості. Робив власну модифікацію генетичного алгоритму для цієї задачі, в тому числі для багатокритеріальної оптимізації»

Відгуки на викладача у IASA Analytics:

ВЕБ-орієнтована розробка програмного забезпечення (Гуськова В. Г.)

Про що предмет, що вивчалося?

• «Веб-розробка: HTML, CSS, JS, основи JS-фреймворків»
• «HTML, CSS, JS, Git»

Які попередні знання необхідні?

• «Можливо, програмування»
• «Основи програмування треба знати»

Актуальність знань

• «Досить добре структурує все про основні технології веб-розробки, на яких базуються вже актуальні технології. Але при цьому в усі деталі не забирається (але за один семестр це і не можливо)»
• «Знання актуальні»

РСО

• «Три лабораторних, що складаються у проєкт. Кожна лаба (і проєкт в цілому) робиться бригадою. Лаба полягає у тому, що спершу робите для сайту чистий HTML, потім додаєте CSS, потім JS. Але в принципі за перші дві лаби приймала сайт вже з CSS і JS. Також наче мав бути якийсь тест абощо, та не було (у перший семестр після вторгнення)»
• «Треба запиляти свій власний сайт»

Які загальні враження від дисципліни?

• «Корисна для всіх, кому колись доведеться зробити свій міні-лендінг. Мала б бути обов'язковою дисципліною, раніше ніж на 3му курсі. Гуськова старається, з нею приємно працювати. Коротше, рекомендую всім хто слабко знайомий з вебом, або має неструктуровані знання (але розумію, що альтернативи можуть теж бути хорошими)»
• «Корисно для тих, хто хоче у фронтенд (приходьте в GR8 Tech Academy)»

Освітній компонент 8

Спеціальні розділи методів оптимізації та дослідження операцій (Яковлева А.П)

(Відповідь викладача за 2021 рік)

Про що предмет, що вивчалося?

• «Про різні методи, за допомогою яких можна находить максимум, мінімум функції»
• «Продовження методів оптимізації насправді корисніше за початкову, суто математичну частину. Тут розглядатимуться вже чисельні методи оптимізації і чимало того, що знадобиться багатьом студентам ІПСА що планують йти в сферу IT»

Які попередні знання необхідні?

• «Я не відчув потреби у попередніх знаннях. Мінімально знати матаналіз думаю буде достатньо»
• «Знання Python/С++/С# важливі»

Актуальність знань

• «Must have для тих, хто хоче займатися нейронними мережами. Для машинного навчання також буде корисно»
• «Чудовий «бекграунд» для вивчення багатьох інших предметів, а також дуже важливі знання для роботи в IT в цілому»

РСО

• «Лабораторні роботи, захист досить цікавий, допомагає краще зрозуміти сам метод»

Які загальні враження від дисципліни?

• «Викладач справедливо оцінює роботи і з нею легко вести діалог, завжди рада пояснити якщо щось не зрозуміло. Лекції пояснюють матеріал досить доступно»

Синергетичні методи аналізу (Данилов В. Я. / Жиров О. Л.)

(Містить статистику 2021)

Про що предмет, що вивчається?

• «Предмет ни о чем. Мельком видел дифференциальные уравнение, и разговоры о том что будет, если сделать малые изменение в параметрах. Считаю что предмет лишний»

Які попередні знання необхідні?

За відгуками студентів, попередні знання не є необхідними:

• «Предмет вообще ни о чем — фракталы, никаких знаний не нужно»

Актуальність знань

• «Вообще не актуальны»
• «Ничего не получил с дисциплины»

РСО

• «РСО — рандом»

Дані щодо кількості лабораторних різняться:

• «РСО 5 лаб в семестре, послали паль даже не читая ее, в итоге у многих сотки»
• «Кидаете 2 лабы ещё 2014 года и получается свой рандомный балл»

Загальні враження від вивчення дисципліни

• «Считаю, что предмет лишний»
• «Супер скучно, супер легко, супер рандомные баллы»
• «Преподаватель очень медленно, занудно рассказывает неактуальную информацию, но зато потом нет никаких проблем получить свой балл»

Технології розробки програмного забезпечення (Кухарєв С. О.)

Про що предмет, що вивчалося?

• «Вивчалося тестування сайтів(ручне і автоматичне), сучасні підходи до організації роботи (скрам)»
• «База на тестувальника сайтів. Робота з селеніумом, фреймворками, і все це на декількох мовах на вибір: JS, C#, Python, Java»

Які попередні знання необхідні?

• Знання JavaScript, C#, Python або Java.
• Вміння користуватися консоллю розробника в браузері.

Актуальність знань

• «Я не AQA, тому судити не можу, але це викладають люди з Єпаму, які потім можуть покликати до себе на стажування, тож як мінімум для цієї компанії знання актуальні. Як ДевОпс можу сказати, що частина з СІ/CD дуже специфічна, бо тільки Єпам (може, ще декілька компаній) розробляє на Вінді, і там дається TeamCity, а не Jenkins чи Gitlab CI»
• «Для тих, кому цікаво стати тестером сайтів — цілком корисно»

РСО

• «Багато тестів»
• «Багато ДЗ (~10) на 10 балів»
• «Залік»
• «Сумарно більше 120 балів, які потім «обрізаються» до 100»

Які загальні враження від дисципліни?

• «Якщо закрити очі на те, що нікому не здалося нормально перевіряти дзшки, то це цікавий досвід, який навчить користуватися інструментами тестувальника»
• «Загалом круто, після курсу на заліку пропонують доєднатися до epam курсів, після яких працевлаштування в epam»
• «Не складні лаби в принципі, знання зі скраму точно будуть корисними, можна отримати офер на стажування в єпам (не знаю це плюс чи мінус)»

Відгуки на викладача у IASA Analytics:

Викладач як лектор

Викладач як практик

На цьому все, наші хороші.

---

Можете подякувати редакції, задонативши на ЗСУ — нам буде приємно.

Із запитаннями та пропозиціями звертатися в Телеграм: @IASAsuggestionBot.

З любов'ю, СтудРада ІПСА ❤️