Детальная информация

В данной работе представлен концепция преподавания практических занятий по предиктивной аналитике данных для студентов, обучающихся в области системного инжиниринга и цифрового моделирования. Курс включает в себя обучение предобработке данных, анализу в Excel, работе с Power BI и использованию Python для разработки прогнозных моделей. Особое внимание уделяется практическому применению предиктивной аналитики в решении социально-экономических задач. Освоение методов анализа данных и прогнозирования позволяет студентам эффективно работать с большими объемами информации, выявлять закономерности и принимать обоснованные управленческие решения. Курс ориентирован на подготовку специалистов, способных внедрять аналитические инструменты в различных отраслях, в том числе в рамках цифровой трансформации и управления инновациями. Предиктивная аналитика тесно связана с цифровым моделированием социально-экономических систем, курс способствует развитию навыков работы с цифровыми моделями, аналитическими панелями и прогнозными сценариями, что соответствует актуальным тенденциям системного инжиниринга. В программе также используются реальные кейсы, связанные с управлением инновациями и цифровизацией городской инфраструктуры, что делает обучение прикладным и направленным на решение конкретных задач. Представленный материал может способствовать развитию ключевых аналитических компетенций и подготовке специалистов, востребованных в условиях цифровой экономики.

This paper presents the concept of teaching practical classes on predictive data analytics for students studying in the field of system engineering and digital modeling. The course includes training in data preprocessing, Excel analysis, working with Power BI, and using Python to develop predictive models. Special attention is paid to the practical application of predictive analytics in solving socio-economic problems. Mastering the methods of data analysis and forecasting allows students to work effectively with large amounts of information, identify patterns and make informed management decisions. The course is aimed at training specialists capable of implementing analytical tools in various industries, including in the framework of digital transformation and innovation management. Predictive analytics is closely related to digital modeling of socio-economic systems. The course promotes the development of skills in working with digital models, analytical panels and predictive scenarios, which corresponds to current trends in system engineering. The program also uses real-world cases related to innovation management and digitalization of urban infrastructure, which makes the training applied and focused on solving specific problems. The presented material can contribute to the development of key analytical competencies and the training of specialists in demand in the digital economy.

"Современные подходы в системном инжиниринге и цифровом моделировании сложных производственных систем", Всероссийская научно-практическая конференция (Санкт-Петербург). Современные подходы в системном инжиниринге и цифровом моделировании сложных производственных систем: сборник трудов Всероссийской научно-практической конференции, 27–28 февраля 2025 года / Санкт-Петербургский политехнический университет Петра Великого; [редколлегия М. В. Болсуновская (ответственный редактор) [и др.]. — Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025. — 1 файл (13,9 Мб). — Загл. с титул. экрана. — Электронная копия печатной публикации 2025 г. — Доступ по паролю из сети Интернет (чтение, печать). — <URL:http://elib.spbstu.ru/dl/2/i26-189.pdf>. — DOI 10.18720/SPBPU/2/i26-189. — Текст: электронный