Вибіркові 2024 ММСА 4 курс
У статті зібрано відгуки про вибіркові дисципліни катедри ММСА на 4 курс. Зазначимо, що ця інформація базується на суб'єктивних думках студентів, які вже вивчали ці предмети, і наведена лише з о знайомлювальною 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!
Освітній компонент 9
Стаціонарні випадкові процеси (Ільєнко А.Б.)
Про що предмет, що вивчалося?
- «Продовження «Теорії випадкових процесів». Вивчали основи страхової математики (ймовірність банкрутства фірми), а також стаціонарні випадкові процеси — частковий випадок, який розв'язується методами аналізу часових рядів. Фактично, це дуже детальна математика для базового розуміння, чому АЧР працює саме так».
- «Стаціонарні процеси, продовження «Теорії випадкових процесів». Приблизно пів семестру була страхова математика, потім пішли власне процеси».
Які попередні знання необхідні?
- «Теорія випадкових процесів, теорія ймовірності, математична статистика, математичний аналіз».
Розкажи про актуальність отриманих знань.
- «Предмет суто математичний, актуальності не втратив. Але складно сказати, що без цих знань ви не зможете чимось займатися. Курс ТВП у цьому плані корисніший».
Розкажи про РСО.
- «Мали бути РР і КР сумарно на 80-85 балів, решта — залік. Фактично, була тільки розрахункова робота на 20 балів. Але оскільки за кожен день дострокової здачі передбачався 1 бал, можна було отримати до 35. Потім ті, хто не хотів писати залік, отримали оцінку як 55 + РР. На заліку було кілька задач з усіх тем семестру, які Андрій Борисович давав із голови, і треба було під камеру розв'язати».
Які загальні враження від дисципліни?
-
«Викладач чудовий, цікаво розповідає, володіє матеріалом, з повагою ставиться до всіх студентів та розуміє особливості теперішньої ситуації: не вимагав відвідування і не ставив чітких дедлайнів».
-
«Цікаво й приємно працювати з Андрієм Борисовичем. Велика кількість лекцій, багато матеріалу, але мало практик. Хоча останні досить складно вигадати на відповідні теоретичні теми. Через це й засвоювалося все зі скрипом... Наприклад, під кінець лекцій ми доводили теореми, щоб у результаті переконатися, як за «обрізаною» послідовністю найефективніше прогнозувати наступну точку. З одного боку доволі цікаво, а з іншого, напевно, «Розпізнавання образів» було б обрати корисніше».
-
«Цікавий, але досить складний математичний предмет. Викладач дуже крутий, зрозуміло пояснює матеріал та відповідає на додаткові питання».
Аналіз фінансово-економічних даних (Кузнецова Н.В.)
Про що предмет, що вивчалося?
- «Підготовка даних, мережі Байєса, дерева рішень».
Які попередні знання необхідні?
- «Для роботи над проєктом — базові знання Python (обробка даних, побудова різного роду моделей машинного навчання), у всіх інших випадках — особливо жодних».
Розкажи про актуальність отриманих знань.
- «Досить актуальна дисципліна, яку можна вважати вступом до аналізу даних, викладачка на прикладах пояснює весь лекційний матеріал, показує сферу використання і дає практичні завдання з цих тем».
Розкажи про РСО.
- «РСО побудовано таким чином, що можна набрати необхідний бал для заліку багатьма способами й не обов'язково здавати всі перелічені далі завдання для отримання «відмінно»: 3 курси на теми машинного навчання, мереж Байєса і регресії; командний проєкт (± 3 людини); домашні завдання(розрахунок п рибутку від депозиту, дерева рішень), а також бали за активність на парах».
Які загальні враження від дисципліни?
- «Мені дисципліна сподобалася, вона не вимагає багато сил і часу для закриття, викладач намагається зрозуміло донести матеріал, взаємодіє зі студентами для пояснення прикладів, розв'язання задач і роботи над помилками. Дуже лояльно ставиться в разі виникнення проблем. Якщо людина зацікавлена в аналізі даних, то цей предмет може принести користь».
Основи бізнес-аналізу (Левашова О.В.)
Про що предмет, що вивчалося?
- «Вивчали етапи створення продукту (від запиту замовника до кінцевого результату)».
Які попередні знання необхідні?
- «Особливі знання не потрібні».
Розкажи про актуальність отриманих знань.
- «Знання є актуальними, якщо ви плануєте в майбутньому працювати у сфері, де необхідний бізнес-аналіз».
Розкажи про РСО.
- «РСО не відоме, однак був 1 тест, 1 есе (обсягом до сторінки за матеріалами з підручника) та 1 лабораторна робота, яка виконується за прикладом».
Які загальні враження від дисципліни?
- «Супер, легко закрити на 90+».
Освітній компонент 10
Конфліктно-керовані системи (Канцедал Г.О.)
Про що предмет, що вивчалося?
- «Вивчали ML / DS / нейронки. Можна було поставити викладачеві запитання, але здебільшого отримували необхідні знання на онлайн-курсах. Я бачив конспект старших курсів із цього предмету — незрозуміла математика та програмування… Загалом, підхід Канцедала, можливо, виправданий».
- «ML, Reinforcement learning, Python».
Які попередні знання необхідні?
- «Жодних».
- «Бажано знати Python».
Розкажи про актуальність отриманих знань.
- «Хто хотів навчитися новому — навчився. У цілому, отримані знання не завадять».
Розкажи про РСО.
- «Курси з МЛ / ДС — по 30 балів, замість одного з них можна пройти курс на Python. Також до цього додається від 5 до 10 балів на рандом. Альтернативно можна зробити проєкт: прогнозування часу купівлі-продажу акцій чи криптовалют. Треба власноруч розмітити вибірку й обрати модель для роботи. Теоретично, це мало працювати так: уся команда (до 4 людей) отримує однаковий бал, від 40 до 100, залежно від «прибутку», який їх модель «принесе» на тестовому наборі, порівняного з іншими командами. Фактично, майже всі здали курси, а команди між собою не порівнювалися».
Які загальні враження від дисципліни?
-
«усе ок, от тільки викладач майже не виконує свою роботу. Можна вигадати багато речей, які він міг би розповісти тут, але «він не хоче бути говорячою головою»... У порівнянні з альтернативами, дисципліна, напевне, оптимальна, але не впевнений, чи достатньо корисна сама по собі».
-
«Дисципліна супер! Пари не проводилися, було запропоновано зробити проєкт або просто здати кілька сертифікатів на вибрані теми. Усім сподобалося».
-
«Дуже лайтовий предмет. Курси можна було вибирати самому, головне, щоб вони були по ML / DL або Python. Якщо тобі це цікаво і / або хочеш без проблем закрити предмет — рекомендую».
Комп'ютерні мережі (Кухарєв С.О.)
Про що предмет, що вивчалося?
- «На предметі вивчали основи комп'ютерних мереж: базові поняття, принципи комунікації, різні протоколи, робота зі сніфером».
Які попередні знання необхідні?
- «Жодних».
Розкажи про актуальність отриманих знань.
- «Знання виявилися досить корисними, принаймні вони дають краще розуміння, як працює комунікація в мережі».
Розкажи про РСО.
- «5 лабораторних робіт (60 балів) + проєкт (40 балів). Була можливість закрити предмет сертифікатами з курсів».
Які загальні враження від дисципліни?
- «На мою думку, дисципліна виявилася корисною та допомогла отримати досвід реалізації власного проєкту».
Аналіз часових рядів (Гуськова В.Г.)
Про що предмет, що вивчалося?
- «Власне, часові ряди: теорія, типи, їх аналіз та прогнозування у Eviews, Python чи інших мовах програмування».
Які попередні знання необхідні?
- «Теорія ймовірностей і лінал. Зі специфічного: трохи статистики та випадкових процесів».
Розкажи про актуальність отриманих знань.
- «Знання актуальні для прогнозування різноманітних процесів».
- «Корисно для тих, хто планує займатися машинним навчанням».
Розкажи про РСО.
- «У семестрі 4 лабораторних (20 балів) + фінальний тест (20 балів). Залік — автоматом за бажанням (сума балів за семестр)».
Які загальні враження від дисципліни?
- «Дуже класні викладачі: і лекторка, і практик. Щодо дисципліни, то кожен вирішує її цікавість, але зайвою, напевне, не буде, оскільки потім на інших предметах можна зустріти теми з АЧР».
Освітній компонент 11
Байєсівський аналіз даних (Терентьєв О.М.)
(Дивіться Ф-каталог).