Дисципліни, які викладає
Статистика в екології
Навчальна дисципліна «Статистика в екології » спрямована на формування базових статистичних компетентностей, необхідних для аналізу екологічних даних та проведення наукових досліджень у галузі екології. Курс охоплює три основні блоки: математичні основи статистики, базову описову статистику та статистичні тести для перевірки гіпотез. Особлива увага приділяється розумінню логіки статистичних методів та їх практичному застосуванню в екологічних дослідженнях. Всі методи ілюструються на прикладах екологічних задач: аналіз популяцій, порівняння екосистем, вплив факторів середовища, оцінка біорізноманіття. Курс має виражене практичне спрямування з акцентом на виконання розрахунків вручну для глибокого розуміння методів. Наприкінці курсу студенти знайомляться з можливостями програмного забезпечення Python для автоматизації статистичних розрахунків.
Статистика з основами програмування
Навчальна дисципліна «Статистика з основами програмування» є практичним продовженням нормативного курсу «Статистика в екології». Курс спрямований на формування навичок використання мови програмування Python для автоматизації статистичних розрахунків, які студенти вже опанували теоретично. Курс охоплює три основні блоки: основи програмування на Python, робота з даними та візуалізація, виконання статистичних методів засобами scipy.stats. Особлива увага приділяється поступовому опануванню синтаксису мови та практичному застосуванню до аналізу екологічних даних. Курс має виражене практичне спрямування з акцентом на написання коду та роботу з екологічними датасетами. Студенти також ознайомлюються з можливостями використання AI-інструментів як помічників у програмуванні.
Кваліфікаційна робота
Предмет навчальної дисципліни "Кваліфікаційна робота" включає подальше вдосконалення знань з основної проблематики сучасних моделей, методів, алгоритмів, технологій, процесів та способів отримання, подання, зберігання, обробки, аналізу й передачі даних в інформаційних системах. Дисципліна зосереджує значну увагу на розвитку компетенцій і умінь у застосуванні класичних методів штучного інтелекту до реалізації інформаційних систем, досліджень розробки і використання нейронних мереж, машинного навчання, застосування інтелектуального аналізу даних, застосувань мережевих технологій, проектування та впровадження програмних рішень. Не залишаються поза уваги і важливі прикладні застосування, зокрема розвиток перспективних напрямків сучасних застосувань у інформаційних системах та комп’ютерного моделювання задач різних напрямків людської діяльності та технічних систем.