Возможности применения Python для моделирования вероятностных задач

Обложка

Цитировать

Полный текст

Аннотация

Цифровая трансформация высшего образования представляет важный процесс, который затрагивает все аспекты образовательной среды. Внедрение цифровых технологий, включая программирование на Python, становится ключевым фактором в обучении математическим дисциплинам. На сегодняшний день возникает необходимость в поиске новых практик обучения в интеграции с цифровыми технологиями для формирования необходимых компетенций у студентов, особенно в области математических знаний. В связи с чем, применение Python как инструмента для моделирования и анализа данных открывает новые горизонты для разработки новых учебных курсов, углубления предметных знаний на практике, совершенствования исследовательской деятельности, инновационности учебного процесса в целом. Применение Python для моделирования вероятностных задач способствует развитию новых подходов к решению сложных задач в различных областях науки и техники. В основе решения вероятностных задач на примере изучения случайных величин лежит использование библиотек языка программирования Python: NumPy и SciPy. Предложена программа учебного курса для обучающихся направления подготовки 44.03.05 Педагогическое образование (с двумя профилями подготовки), направленность (профиль) Математика и Информатика, Физика, демонстрирующая способы моделирования вероятностных задач при изучении случайных величин с использованием Python. Интеграция элементов программирования в учебные программы по математическим дисциплинам обуславливается потребностью стремительно развивающегося информационного общества, выступает значимым направлением как для развития науки, так и для практики. Такой подход повышает качество образования, готовит студентов к вызовам современного мира, обеспечивая их полезными навыками для успешной профессиональной деятельности.

Об авторах

К. Г. Лыкова

Елецкий государственный университет им. И.А. Бунина

Автор, ответственный за переписку.
Email: ksli1024@mail.ru
к.п.н., старший преподаватель г. Елец

Список литературы

  1. Атрохов К.Г., Кушнеров А.В., Лаврова О.А., Чергинец Д.Н., Щеглова Н.Л. Python в дисциплинах специальности «Компьютерная математика и системный анализ» // Трансформация механико-математического и IT-образования в условиях цифровизации: материалы международной научно-практической конференции, посвященной 65-летию ММФ, Минск, 2023. С. 162–166.
  2. Борковская И.М., Пыжкова О.Н. О проблеме обеспечения качества знаний по высшей математике в современных условиях // Инновационные технологии обучения физико-математическим и профессионально-техническим дисциплинам [Innovative teaching techniques in physics, mathematics, vocational and mechanical training]: материалы XІV Междунар. науч.-практ. интернет-конф. Мозырь, 29 марта 2022 г. Мозырь: МГПУ им. И. П. Шамякина, 2022. С. 6–9.
  3. Бровка Н.В. Дидактические особенности организации компьютерных средств обучения студентов математических специальностей // Информатика и образование. 2020. № 1(310). С. 34–41. doi: 10.32517/0234-0453-2020-35-1-34-41
  4. Буровский Е.А., Гришунина Ю.Б. Задачи математической статистики и их решение с использованием языка программирования Python. М.: Изд. дом Высшей школы экономики, 2022.
  5. Буцык С.В. «Цифровое» поколение в образовательной системе российского региона: проблемы и пути решения // Открытое образование. 2019. № 1. С. 27–33. doi: 10.21686/1818-4243-2019-1-27-33
  6. Варшавская Е.Я., Котырло Е.С. Выпускники инженерно-технических и экономических специальностей: между спросом и предложением // Вопросы образования. 2019. № 2. С. 98–128. doi: 10.17323/1814-9545-2019-2-98-128
  7. Гусакова Е.М., Гусакова Т.А. Реализация активных методов преподавания математики в условиях цифровизации образования // Педагогический журнал. 2019. Т. 9. № 1-1. С. 610–619. doi: 10.34670/AR.2019.44.1.093
  8. Дворяткина С.Н., Щербатых С.В. Теоретико-методическое обеспечение фрактального формирования и развития вероятностного стиля мышления в процессе обучения математике. М.: Флинта, 2020.
  9. Дэвидсон-Пайлон Кэмерон. Вероятностное программирование на Python: байесовский вывод и алгоритмы. СПб: Питер, 2019.
  10. Есин В.А., Зинченко Н.А. О технологии обучения математике посредством решения задач // Вестник Белгородского института развития образования. 2019. Т. 6. № 4 (14). С. 31–38.
  11. Криволапов, С. Я. Использование языка Python в теории вероятностей. Москва: Прометей, 2021.
  12. Лыкова К.Г. Теория вероятностей как инструмент развития компонентов интеллектуальной мобильности учащихся // Математика в современном мире: материалы Всероссийской научно-практической конференции, посвящённой 110-летию со дня рождения советского математика, доктора физико-математических наук, профессора П.П. Коровкина. Калуга, 2024. С. 121–126.
  13. Попов Н.И., Болотин Э.С. Использование интегрированной среды для разработки и обучения Python IDLE при изучении студентами теории вероятностей // Вестник МГПУ. Серия «Информатика и информатизация образования». 2023. № 1(63), С. 79–85. doi: 10.25688/2072-9014.2023.63.1.07
  14. Сапожкова Н.А. Модель формирования готовности будущих учителей математики к развитию системного мышлению в условиях цифровизации образования // Перспективы науки. 2019. № 7 (118). С. 194–196.
  15. Уваров А.Ю., Гейбл Э., Дворецкая И.В. [и др.]. Трудности и перспективы цифровой трансформации образования. М.: Изд. дом Высшей школы экономики, 2019.
  16. Щербатых С.В. [и др.]. Интерактивная стохастика. Москва: Флинта, 2019.
  17. Щербатых С.В. В мире стохастики (элективный курс). Елец: Елецкий государственный университет им. И. А. Бунина, 2011.
  18. Элипханов А.В.И. Математика и математическое образование в формате проблемы формирования у субъектов познания процедур критического мышления // Балтийский гуманитарный журнал. 2017. Т. 6. № 4 (21). С. 439–442.
  19. Adiwijaya A.P. Analisa Cara kerja microservice berbasis Phyton untuk perancangan credit score PADA di fintech. Jurnal Ilmiah Multidisiplin. 2022. Vol. 1. No. 03. P. 74–82. doi: 10.56127/jukim.v1i03.186
  20. Ceng Giap Yo. Implementation of Face Mask Detection Using Phyton Programming Language. Bit-Tech. 2023. Vol. 6, No. 1. P. 51–58. doi: 10.32877/bt.v6i1.893
  21. Elsa Nandita. Komparasi Stabilitas dan Efektifitas Phyton dengan C++ Sebagai Algoritma Pemrograman Pemecahan Masalah pada Programmer Pemula. Jurnal Arjuna: Publikasi Ilmu Pendidikan, Bahasa dan Matematika. 2023. Vol. 1. No. 6. P. 104–115. doi: 10.61132/arjuna.v1i6.298
  22. Fauziah A. Sistem identifikasi pengukuran baju menggunakan Human Body Estimation dataset Mediapipe dengan metode Euclidean distance. Aisyah Journal of Informatics and Electrical Engineering (A.J.I.E.E). 2023. Vol. 5. No. 2. P. 127–134. doi: 10.30604/jti.v5i2.151
  23. Harahap H. S. Implementasi phyton dalam matematika. Mathematical and Data Analytics. 2024. Vol. 1. No. 1. P. 1-8. doi: 10.47709/mda.v1i1.3631
  24. Irsan M. Implementasi Aplikasi Pandas (Phyton) Dalam Mengelola Data Excel Sebagai Media Persiapan Pelaporan Nilai Raport Siswa. Jurnal Pengabdian Masyarakat Bangsa. 2024. Vol. 2. No. 4. P. 1243–1249. doi: 10.59837/jpmba.v2i4.977
  25. Karakaya V. Matematik Felsefesi Bakımından Matematik Nesnelerin Modellenmesi Üzerine Karakaya. Beytulhikme. 2021. Vol. 11. No. 3. P. 1143–1155. doi: 10.18491/beytulhikme.1799
  26. Li J. H. Ju. Kemahiran Menjana Masalah Matematik Berayat Berdasarkan Taksonomi Bloom Semakan dalam kalangan Guru Matematik. Malaysian Journal of Social Sciences and Humanities (MJSSH). 2022. Vol. 7. No. 3. e001380. doi: 10.47405/mjssh.v7i3.1380
  27. Raducan E. Quality Issue Classification by Using Dedicated Data Analysis Software Created in Phyton Language. The Eurasia Proceedings of Science Technology Engineering and Mathematics. 2023. Vol. 24. P. 10–20. doi: 10.55549/epstem.1406198.
  28. Raji-Lawal Hanat Yetunde, Abayomi-Alli Adebayo, Oloyede Ayodele, Orioke Omoyemi, Shanu Riliwan, Opoola Yusuf. Development of a learning management system for Phyton programming language. Caleb International Journal of Development Studies. 2023. Vol. 06. No. 02. P. 164–179. doi: 10.26772/cijds-2023-06-02-10
  29. Sudiyono W. The application of Artificial intelingence in DJIA stocks to improve the investment profitability using phyton. International Journal of Economics, Business and Accounting Research. 2022. Vol. 6. No. 2. P. 793. doi: 10.29040/ijebar.v6i2.4790
  30. Surachman S. The analysis of control raw material Injection Phyton in the implementation of Economic Order Quantity (EOQ) in PT. Victory Chyngluh Indonesia. International Journal of Multidisciplinary Research and Literature. 2022. Vol. 1. No. 1. P. 44–53. doi: 10.53067/ijomral.v1i1.5

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».