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 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!

7 семестр

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 прибутку 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).

Моделювання складних мереж (Данилов В.Я.)

Про що предмет, що вивчалося?

• «Вивчалися різні моделі нейронних мереж: автокодувальники, GAN, CNN, трансформери, RNN, їхня архітектура та використання».

Які попередні знання необхідні?

• «Здебільшого необхідні базові знання Python і мінімальне вміння працювати з бібліотеками на кшталт TensorFlow або Torch».

Розкажи про актуальність отриманих знань.

• «Досить актуально, якщо брати до уваги, що метою курсу є навчити базових речей про наведені моделі, пояснити математичне підґрунтя».

Розкажи про РСО.

• «5 лабораторних робіт (автокодувальники, GAN, CNN, трансформери, RNN) в командах по 2-3 людини».

Які загальні враження від дисципліни?

• «Досить легка дисципліна, яка може бути корисною для загального розвитку. Викладач не вимагає вчити все, що дає на лекціях. На захистах, коментуючи, паралельно розповідає додатковий матеріал. Через значний обсяг математики, майже повну відсутність прикладів на практиці й стиль викладання може бути нудно на лекціях».

Крос-платформне програмування (Коновалюк М.М.)

Про що предмет, що вивчалося?

• «Мова програмування Java».

Які попередні знання необхідні?

• «Можна вивчати з нуля».

Розкажи про актуальність отриманих знань.

• «Знання актуальні, базові».

Розкажи про РСО.

• «Щодо лабораторних робіт: перша індивідуальна, друга й третя — у групах. Також 9-10 тестів, а для тих, хто відвідував лекції, є завдання на додаткові бали».

Які загальні враження від дисципліни?

• «Хороший предмет для тих, хто зацікавлений у вивченні мови з нуля».

  8 семестр

Освітній компонент 12

Навчання з підкріпленням (Reinforcement Learning) (Касьянов П.О.)

Про що предмет, що вивчалося?

• «Теоретичні основи різних методів сучасного машинного навчання та штучного інтелекту».

• «Матеріал відповідає назві дисципліни».

Які попередні знання необхідні?

• «Корисними будуть курси «Теорія випадкових процесів» Іллєнка А.Б. та Недашківської Н.І. Варто мати знання з базового програмування, машинного навчання та нейронних мереж».

Розкажи про актуальність отриманих знань.

• «Базова теорія від Касьянова поєднується з сучасною практикою від аспіранта Андрія Титаренка, що працював у Ring і був стажистом Google».

Розкажи про РСО.

• «5 лабораторних по 20 балів кожна. Таким чином, отримати високі бали дуже просто. Альтернативно, можна пройти онлайн-курси й отримати 60-100 балів залежно від вибору. Також можна одержувати бали за доповіді».

• «Або домашки (до 100 балів), або за допомогою Coursera (також до 100 балів), або командний проєкт (до 85 балів) — можливостей досить багато. Є навіть жартівлива відеоінструкція, як виконати домашнє завдання за допомогою ChatGPT. Види робіт можна об'єднувати».

Які загальні враження від дисципліни?

• «Усе чудово, дуже якісно, не надто напряжно та добре організовано. Андрій Титаренко дуже цікава й приємна людина. Павло Олегович теж, тільки трохи нуднуватий (затягує те, що можна було б і не затягувати)».

• «Дають багато різних матеріалів, рекомендацій, на лекціях розписують математичну базу. Для тих кому цікаво — буде, що робити, для тих, кому нецікаво — є можливості легко закрити курс».

• «Цікавий предмет. Якщо хочеш вивчити, можна слухати лекції та робити лаби, щось запитувати у викладачів. А можна просто надіслати 2 сертифікати з курсери та отримати 100 балів».

Методи бінарної класифікації (Купенко О. П.)

Про що предмет, що вивчалося?

• «Розглянули перелік практичних питань, які можуть бути зведені до постановки задачі бінарної класифікації, основні ефективні алгоритми бінарної класифікації, їх переваги та недоліки (логістична регресія, деревовидні алгоритми, наївний Баєс, метод опорних векторів, нейронні мережі), методи оцінки адекватності отриманих моделей, роботу з незбалансованими даними (методи балансування датасету, спеціальні функціонали якості, методи для оцінки якості)».

Які попередні знання необхідні?

• «Базові знання Python».

Розкажи про актуальність отриманих знань.

• «Задачі бінарної класифікації є однією з найбільш досліджуваних і розвинених областей машинного навчання й багато проблем на практиці можуть бути зведені до цього типу задач».

Системний аналіз предметної галузі із використанням текстової аналітики (Савастьянов В.В.)

Про що предмет, що вивчалося?

• «Назва предмета цілком відповідає матеріалу, що вивчався. Розповідалося про особливості постановки задачі для аналізу (визначення предметної галузі), способи збору текстів у межах обраної сфери, використання текстової аналітики для обробки текстового корпусу; специфіку сентимент-аналізу (визначення емоційної оцінки у текстах); використання мовних моделей (ChatGPT) для дослідження предметних областей (тема волонтерської діяльності в умовах війни)».

• «Текстова аналітика, різні її області (наприклад, сентимент-аналіз)».

• «Аналіз текстів, пошук ключових слів, класифікація текстів і т.д.».

Які попередні знання необхідні?

• «Досвід роботи з Python може бути корисним, але не є обов'язковим».

• «Особливо не потрібні, бажано мати загальні уявлення про сферу data mining».

• «Розуміти, що таке машинне навчання та нейромережі. Якихось глибоких знань не треба».

Розкажи про актуальність отриманих знань.

• «Викладач цікаво розповідає матеріал і підкріплює його сучасними прикладами (багато працюємо з ChatGPT). Розповідає й про проблеми сфери, що теж актуально».

• «Узагалі розглянуті теми цікаві й актуальні, але викладаються так собі».

Розкажи про РСО.

• «Один проєкт — дослідження текстів (новин) з обраної тематики. Він був розбитий на чотири лабораторні (базова постановка задачі; збір текстового корпусу; уточнення і побудова класифікатора; класифікація текстів і їх аналіз; по завершенню – презентація отриманих результатів). Можна було робити як в групах по двоє-троє людей, так і самому. Кілька опитувальних форм по матеріалах лекцій — на додаткові бали. Була можливість закрити предмет за допомогою курсери й подальшого діалогу з викладачем по вивченому матеріалу на ~70 балів».

• «Зробити проєкт, що складається з 3 лабораторних робіт. Іноді опитування в гугл-формах, але як такого РСО оголошено не було (тут можу помилятися)».

Які загальні враження від дисципліни?

• «Загалом враження позитивні. Матеріали з лекцій часто доповнювалися детальними прикладами (як абстрактними, так і практичними). Багато уваги приділялося взаємодії з ChatGPT та поясненню того, чому саме модель дає певні відповіді, і як їх можна покращити. Було цікаво слухати «антилекції», де розказувалося про різні проблеми текстової аналітики, «наївні» методи їх подолання, й чому ці методи не варто застосовувати. Проєкт (лабораторні) теж був досить цікавим».

• «Викладач компетентний, вміє заохотити. Матеріал актуальний та цікавий».

• «Ніякі. Більше негативні, ніж позитивні. Викладач пояснює дуже загальні речі. Все поверхово й без заглиблення у матеріал. Ллє багато води. Приділив аж надто багато зайвої уваги цьому ChatGPT. Штука безумовно крута, але не настільки, щоб протриндіти про неї дві лекції та дати по ній лабу. Але як людина викладач доволі приємний».

Освітній компонент 13

Теорія хаосу в динамічних системах (Лопатін О.К.)

Розкажи про РСО.

• «3 роботи, які потрібно виконувати в групах по 2-3 людини».

Які загальні враження від дисципліни?

• «Поки проблем ніяких не виникало. Лекції та практики записуються студентами, потім можна переглянути в ютубі. Контрольні роботи потрібно робити в програмі E&F Chaos (викладач надіслав лише першу КР, тому не знаю, що там буде в наступних). До них надсилаються файли з поясненнями до кожної задачі, а також виконаний варіант контрольної студентом минулих років».

Аналіз економічних і фінансових ризиків (Гуськова В.Г.)

Про що предмет, що вивчалося?

• «Про фінансові ризики, аналіз фінансових процесів, обробку даних, що стосуються фінансів (але насправді ці методи застосовуються де завгодно, не тільки в економічних даних)».

• «Робота з даними, заповнення пропусків, фільтрація, прогнозування, TensorFlow».

Які попередні знання необхідні?

• «Програмування, можливо, трохи АЧР і подібні курси».

Розкажи про актуальність отриманих знань.

• «Все стандартно, базово для розуміння, але досить актуально».

Розкажи про РСО.

• «Дві лабораторні роботи й тест сумарно на 100 балів. Лаби робляться бригадами».

• «Лаба по заповненню пропусків у датафреймі й фільтрації та лаба по прогнозуванню або курс на вибір».

Які загальні враження від дисципліни?

• «Непогано, точно краще за альтернативи, хоча іноді занадто базово».

• «Гуськова одна з моїх улюблених викладачок, гарно пояснює на різних прикладах, не вимагає надто багато, в лекціях дає поради по диплому. Рекомендую».

Управління ІТ-проектами (Тимощук О.Л.)

Про що предмет, що вивчалося?

• «Методології управління розробкою продукту, знаходження критичного шляху».

• «Вивчали як управляти ІТ-проєктом».

Які попередні знання необхідні?

• «Знати як додавати та множити числа».

• «Чогось особливого знати не потрібно».

Розкажи про актуальність отриманих знань.

• «Отримані знання доволі актуальні, agile-методології часто застосовують при розробці продуктів, тому може щось стати в пригоді на реальній роботі».

• «Думаю, ці знання будуть актуальні для Project manager».

Розкажи про РСО.

• «4 чи 5 лабораторних і 2 контрольні роботи — загалом не надто складно й зрозуміло, оцінювання об'єктивне та з коментарями щодо помилок».

• «Було чимало завдань, більшість з них були під час другого календарного контролю. Також можна було отримати багато додаткових балів, демонструючи виконані завдання на парі».

Які загальні враження від дисципліни? «Було доволі легко, оскільки цей предмет можна віднести до гуманітарних дисциплін у деякому сенсі. Загалом можна дещо дізнатися про agile-методології, що, у принципі, корисно знати при керуванні проєктами та плануванні їх усередині. Викладачка чудова, закрити відносно легко, тільки багато завдань.

Освітній компонент 14

Ідентифікація складних систем (Губарєв В.Ф.)

Які попередні знання необхідні?

• «Функціональний аналіз, оскільки для розуміння лекцій необхідний матеріал цього курсу».

Розкажи про актуальність отриманих знань.

• «Базова теорія від Касьянова поєднується із сучасною практикою від аспіранта, що працював у Ring і був стажером Google, Андрія Титаренка».

Розкажи про РСО.

• «2 лабораторні роботи та декілька контрольних робіт (точна кількість невідома)».

Які загальні враження від дисципліни?

• «Лекції записуються, можна потім переглянути в записі, відвідування не обов'язкове. Контрольна роботи має один варіант на всіх, що складається з 4-5 питань. Відповіді можна знайти в методичці та просто скопіювати. Перша лабораторна робота передбачала проєктування системи й представлення її в різних формах (Жорданова, нормальна, регресія). З мінусів — немає доступу до оцінок, ще ніхто не отримав бали за жодну контрольну чи лабораторну роботу, тому не можу сказати, наскільки важко закрити цю дисципліну».

Математичні основи інвестиційного аналізу (Лопатін О.К.)

Про що предмет, що вивчалося?

• «Предмет має на увазі інвестиційний аналіз, але по факту являє собою вступ до фінансової математики (якщо так це можна так назвати). Кредити, векселі, депозити, математичне моделювання якихось економічних показників тощо».

Які попередні знання необхідні?

• «Ніякі».

Розкажи про актуальність отриманих знань.

• «Як на мене, більше неактуально. З одного боку, більшість показників і теорії, які показуються на лабораторних чи лекціях давно відомі та в більшості собі автоматизовані (фінансові показники). З іншого боку, якщо плануєш продовжувати розвиток у фінансовій сфері, то досить корисно знати звідки що береться».

Розкажи про РСО.

• «4 контрольні роботи у вигляді розрахункових».

Які загальні враження від дисципліни?

• «Досить легка дисципліна, на яку не треба витрачати багато часу, щоб закрити. Викладач лояльно ставиться до дедлайнів і пояснює, якщо є питання. Намагається розбавляти теоретичну інформацію відеоприкладами, але вік дає своє знати й на лекціях буває досить нудно та не дуже цікаво. Якщо є поклик до економічного/фінансового сектору, можливо, буде цікаво послухати базу, але у всіх інших випадках основна ціль – це здати всі лабораторні за допомогою наявної інформації від викладача».

Прийняття рішень в умовах конфліктів (Зайченко Ю.П.)

Про що предмет, що вивчалося?

• «Продовження обов'язкової «Теорії прийняття рішень». Вивчаються прийняття рішень у теорії ігор та їхнє застосування в економіці».

Які попередні знання необхідні?

• «Теорія прийняття рішень». Саму теорію ігор знати не треба, лектор усе розповість».

Розкажи про актуальність отриманих знань.

• «Не можу сказати, наскільки вони актуальні. Не певен, що ця сфера сильно змінюється і застосування цим знанням для мене не знаходяться».

Розкажи про РСО.

• «Тяжко… Три чи чотири контрольних роботи по 5-10 балів кожна. На тему КР ще існує ДЗ для трьох добровольців з групи, яке вони показують на практиці. Там також можна отримати стільки ж балів, скільки й за КР. Потім це все домножується, щоб максимум бал був десь 85. Ще можна піти на іспит-залік, поговорити з Зайченком на обрану тему й доотримати бали».

Які загальні враження від дисципліни?

• «Не знаю, навіщо воно треба. Зайченка слухати тяжко, хоча він старається та система навчання досить непогана. Відпочивати сильно не доводиться, але розуміння матеріалів практик достатньо, щоб писати КР і отримати свій автомат».

---

Ви можете ознайомитися з відгуками про викладачів на каналі IASA Analytics.

Із запитаннями та пропозиціями звертайтеся до нас у @IASAsuggestionBot.