На базе НЦСЭД у пользователей есть возможность разрабатывать и апробировать учебные пособия по анализу данных. Рабочие варианты пособий и туториалов размещаются на платформе в виде документов и проектов Quarto, технической издательской системы с открытым исходным кодом, которая поддерживает Python, R, Julia и Observable.

Использование Quarto позволяет не только создавать интерактивные и оперативно обновляемые обучающие материалы, но и рендерить документы во все основные форматы файлов научных публикаций, запрашиваемых издательскими отделами: MS Word, PDF, LaTeX, HTML, ePub. Поскольку Quarto основан на Pandoc markdown становится возможным с минимальными усилиями менять не только тип файла, но и тип работы: из блогов создавать статьи и презентации, собирать из наработок по анализу данных полноценные учебные пособия или аналитические отчеты.

НЦСЭД предоставляет две основные возможности для создания обучающих материалов на Quarto: в виде проектов обучающих пособий (книг), либо в виде экспертных блогов для индивидуальных исследователей, научных коллективов или организаций. Поскольку у размещаемых на платформе публикаций есть постоянный URL, а шаблон содержит указание автора и даты публикации, то все материалы оказываются защищенными правами интеллектуальной собственности в отличие от разработки пособий для курсов внутри закрытых LMS и облаков. Притом такой подход позволяет быстро обновлять и совершенствовать материалы, получая в режиме реального времени обратную связь от студентов и экспертного сообщества.

Ресурсы на Python (JupyterHub)

В рамках деятельности НЦСЭД в сервисе блокнотов JupyterHub создается база интерактивных методических материалов по обработке больших данных и различным методам их анализа, включая машинное обучение.
Разработка методологических подходов и шаблонов исследовательских проектов ведется по запросу учредителей или партнеров НЦСЭД и осуществляется представителями ведущих российских научных центров. При написании скриптов на Python эксперты по возможности руководствуются принципами low-code и используют базы НЦСЭД, напрямую подгружаемые в JupyterHub, что существенно облегчает для начинающих аналитиков процесс освоения лучших практик по работе с данными и проведение собственных исследований.