В настоящее время преподавателями вузов используется множество инструментов для представления информации и обучения студентов различным техническим и информационным дисциплинам. В зависимости от преподаваемой дисциплины преподаватель чаще всего применяет те технологии, которыми он владеет, однако инструменты, которые используются в обучении, могут быть не популярными среди работодателей. Исходя из этого, каждый раз требуется изучать новые подходы и технологии, используемые для конкретной дисциплины.
Помимо изучения новых технологий преподаватели участвуют во множестве активностей, связанных с созданием лекций, курсов и практических занятий. Данный процесс можно охарактеризовать как создание и поддержку единой и актуальной среды обучения (далее СО) для студентов. СО включает в себя такие технические аспекты, как рабочее место студента (компьютер, индивидуальная учетная запись), лицензионное и прикладное программное обеспечение. С учетом модернизации образования в части увеличения доли удалённого обучения требуется совершенствование технологических инструментов, используемых для преподавания IT-дисциплин.
В рамках статьи предлагается рассмотреть примеры применения технологии Jupyter Notebook (далее JN) и Jupyter Hub (далее JH) для преподавания информационных дисциплин, таких как «Введение в нейронные сети», «Основы программирования на языке Python», «Цифровая обработка сигналов».
Сейчас в силу объективных причин онлайн обучение приобрело достаточно большую популярность. Существует значительное количество порталов и платформ для обучения ITдисциплинам, например, Coursera, Edx, Udemy и т.п. В большинстве онлайн курсах по дисциплинам, связанным с машинным обучением и созданием систем искусственного интеллекта с применением языка программирования Python, используется технология JH и JN.
Построение систем машинного обучения, в частности, с использованием нейронных сетей, является на сегодняшний день одной из самых актуальных и современных областей человеческой деятельности на стыке цифровых технологий, математического анализа и статистики. Машинное обучение всё глубже проникает в жизнь каждого человека в виде пользовательских продуктов, которые создаются с помощью методов искусственного интеллекта. Совершенно очевидно, что технологии машинного обучения будут развиваться и дальше, постепенно становясь частью повседневной рутины во многих областях человеческой профессиональной деятельности. Например, поисковые системы используют машинное обучение для усовершенствования функционала. Компания Google внедрила методы машинного обучения в распознавание голоса и поиск изображений [1]. В 2019 г. компания Google представила Teachable Machine 2.0 — самообучающуюся нейросеть, которая способна распознавать не только звуки речи, но и интонации и позы. С помощью веб-камеры и микрофона пользователь обучает нейронные сети без написания кода и экспортирует их в сторонние приложения, носители или на веб-сайты.