Я соглашаюсь с тем, что владелец сайта использует файлы cookie для повышения удобства работы на сайте, сервис Яндекс.Метрика. Оставаясь на сайте, я соглашаюсь с политикой их применения.
OK
Подпишись на рассылку и первым узнавай о новых проектах
Будем присылать полезную информацию по новым мероприятиям и программам
Нажимая на кнопку, вы принимаете положение и согласие на обработку персональных данных
Курс предназначен для учителей, желающих начать освоение современных методов обработки и анализа данных. Интеграция этих методов в образовательный процесс возможна на основе реальных практических задач курса.
- основы описательной статистики
- методы визуализации данных
- корреляционный анализ
- линейная регрессия и кластеризация
Ключевые темы:
Практический курс для учителей информатики
Цифры вокруг нас
Раскрываем современные подходы к анализу данных:
от описательной статистики до поиска закономерностей и их интерпретации. Курс включает пошаговые сценарии для внедрения аналитики в образовательный процесс.
от описательной статистики до поиска закономерностей и их интерпретации. Курс включает пошаговые сценарии для внедрения аналитики в образовательный процесс.
24 академических часа
(информация будет уточняться)
(информация будет уточняться)
Практический курс для учителей информатики
Цифры вокруг нас
Раскрываем современные подходы к анализу данных:
от описательной статистики до поиска закономерностей и их интерпретации. Курс включает пошаговые сценарии для внедрения аналитики в образовательный процесс.
от описательной статистики до поиска закономерностей и их интерпретации. Курс включает пошаговые сценарии для внедрения аналитики в образовательный процесс.
24 академических часа
(информация будет уточняться)
(информация будет уточняться)
Из чего состоит курс?
Обработка и анализ данных. Введение
- Что такое анализ данных и зачем он нужен?
- Основные этапы работы с данными
- Источники данных и их обработка
Обработка и анализ данных. Описательная статистика
- Основные характеристики данных: среднее, медиана, мода, квартили
- Меры разброса: дисперсия, стандартное отклонение
- Группировка и представление данных в доступной для анализа структуре
Обработка и анализ данных. Визуализация данных
- Основные виды графиков: гистограммы, диаграммы, boxplot
- Как выбрать подходящий способ визуализации?
- Ошибки при представлении данных
Обработка и анализ данных. Корреляция
- Понятие корреляции и ее значение в анализе данных
- Коэффициенты корреляции Пирсона и Спирмена
- Интерпретация корреляционного анализа
Обработка и анализ данных. Линейная регрессия
- Основные понятия линейной регрессии
- Построение уравнения регрессии
- Оценка качества модели
Обработка и анализ данных. Линейная регрессия. Практика
- Разбор реальных примеров построения регрессионных моделей
- Применение регрессии в школьных проектах
- Интерпретация результатов и выводы
Обработка и анализ данных. Кластеризация
- Что такое кластеризация и зачем она нужна?
- Основные алгоритмы: K-means, иерархическая кластеризация
- Применение кластеризации в анализе данных
Как помогает данный курс?
Наш курс разработан специально для учителей, чтобы помочь им освоить современные методы анализа данных и начать применять анализ в образовательном процессе. Он охватывает ключевые темы статистики, визуализации, корреляционного и регрессионного анализа, кластеризации.
Какие навыки я получу?
Понимание основ описательной статистики
Применение аналитики
в школьных проектах
в школьных проектах
Выявление структуры данных
Работа с данными
Анализ взаимосвязей
Визуализация информации
Применение аналитики в школьных проектах – педагоги научатся использовать инструменты анализа данных для разработки исследовательских проектов, вовлекая учеников в работу с реальной информацией.
Работа с данными – педагоги узнают, как собирать, очищать и систематизировать данные, делать их наглядными и понятными
Понимание основ описательной статистики – участники курса изучат основы описательной статистики, научатся анализировать данные, вычислять статистики с помощью инструментов Python.
Выявление структуры данных – слушатели познакомятся с методами кластеризации. Аналитические подходы, связанные с определением структуры данных, можно использовать в исследованиях и проектах. Рассматриваются конкретные инструменты кластерного анализа.
Анализ взаимосвязей – курс объясняет, как выявлять закономерности и связи между переменными с помощью корреляции и регрессии.
Визуализация информации – учителя освоят методы представления данных с помощью графиков, диаграмм и гистограмм, что поможет улучшить восприятие информации учениками.
Как начать обучение?
Курс предоставляется бесплатно для учителей московских образовательных организаций, подведомственных Департаменту образования и науки города Москвы, в рамках проекта «В центре науки»
Оставьте заявку на сайте, с вами свяжется наша служба поддержки
Расписание потоков
Чтобы присоединиться к следующему потоку, оставьте заявку на сайте.
Для получения удостоверения о повышении квалификации необходимо успешно пройти итоговую аттестацию до окончания потока и прикрепить в личном кабинете на образовательной платформе справку с места работы, подтверждающую статус работника московской образовательной организации
Для получения удостоверения о повышении квалификации необходимо успешно пройти итоговую аттестацию до окончания потока и прикрепить в личном кабинете на образовательной платформе справку с места работы, подтверждающую статус работника московской образовательной организации
29 апреля 2025 — 26 июня 2025
27 мая 2025 — 31 июля 2025
Об авторе
В своей работе Инесса Анатольевна уделяет особое внимание практическому применению статистики, используя реальные данные и интерактивные подходы к обучению. Ее курсы помогают учителям освоить актуальные методики анализа данных и интегрировать их в школьное преподавание, делая уроки математики и информатики более интересными, осмысленными и приближенными к реальным задачам.
Благодаря авторским методическим разработкам, педагоги получают четкие пошаговые инструкции, как внедрить элементы статистики, визуализации и машинного обучения в учебный процесс. Курс, созданный Инессой Анатольевной, направлен на повышение квалификации учителей, развитие их цифровой грамотности и обогащение инструментов преподавания.
Благодаря авторским методическим разработкам, педагоги получают четкие пошаговые инструкции, как внедрить элементы статистики, визуализации и машинного обучения в учебный процесс. Курс, созданный Инессой Анатольевной, направлен на повышение квалификации учителей, развитие их цифровой грамотности и обогащение инструментов преподавания.
Шуйкова Инесса Анатольевна
Эксперт в области образования, преподаватель и методист с многолетним опытом работы.
Ее интересы включают в себя методы обучения статистике и анализу данных, разработку учебных программ и сценариев занятий, направленных на развитие аналитического мышления у учеников.
Ее интересы включают в себя методы обучения статистике и анализу данных, разработку учебных программ и сценариев занятий, направленных на развитие аналитического мышления у учеников.
Слово от методиста
Красота науки открылась мне благодаря преданности ей моего научного руководителя. Будучи доктором физико-математических наук, он находил время для работы со школьниками: вел для них научный кружок, поддерживал идею исследовательской деятельности учеников в школе. Целое поколение выпускников этого кружка до сих пор увлечены наукой, математическим образованием. Нечеткая логика, теория принятия решений стали для меня теми областями, в которых я сделала свои первые шаги в науке.
Многие годы работаю со студентами в вузе, но всегда сохраняю верность наставничеству, методической поддержке школы. Мир науки для многих учеников – это совсем другой взгляд на жизнь, который делает ее гораздо интереснее.
Многие годы работаю со студентами в вузе, но всегда сохраняю верность наставничеству, методической поддержке школы. Мир науки для многих учеников – это совсем другой взгляд на жизнь, который делает ее гораздо интереснее.
Шуйкова Инесса Анатольевна
- эксперт в области образования
- преподаватель
- методист
Записаться на курс
Нажимая на кнопку, вы принимаете положение и согласие на обработку персональных данных.