Как будущему специалисту по ИИ достичь баланса теории и практики
Студенты и начинающие специалисты балансируют между двух крайностей. В вузах дают «голую» теорию, и в начале пути молодого сотрудника этой подготовки недостаточно. А если стартовать с приоритетом на практику, выбирая курсы или колледж, есть риск остаться без качественных знаний, которые бустят карьеру на следующих этапах. Особенно остро проблема стоит в области компьютерных наук. В сфере, связанной с искусственным интеллектом, нужны фундаментальные знания в математике и умение адаптировать их под бизнес-задачи.
В сентябре 2024 года на базе ФКН ВШЭ компания МТС впервые запустила магистерскую программу «Исследования и предпринимательство в искусственном интеллекте». Мы поговорили со студентами и экспертами программы о том, каким должно быть образование в области ИИ, чтобы стать основой будущей карьеры.
Развитие технологий искусственного интеллекта началось в 1950-х годах с описания первых нейронных сетей, которые воспроизводили схемы работы мозга. Одна из таких схем, перцептрон, была придумана американским нейрофизиологом Фрэнком Розенблаттом. Сначала программа научилась распознавать круги, квадраты и треугольники, а потом на ее основе создали первый в мире нейрокомпьютер «Mark I Perceptron».
В то время технологии Розенблатта и его коллег пробовали использовать для решения самых разных задач, но неудачно. Программы часто «зависали» или не справлялись с ними — во многом из-за того, что фундаментальным знаниям не хватало возможностей для реализации. Технологии пришлось пройти через несколько «зим», когда интерес к ней снижался и финансирование исследований в этой области сокращалось.
В 2010-х появились удобные среды программирования, вычислительные мощности кратно выросли, накопился значительный объем данных — и старые разработки в сфере ИИ выстрелили на качественно новом уровне. Технологии машинного обучения и искусственного интеллекта стали доступнее и эффективнее. Это позволило ускорить развитие и применение этих технологий в самых различных отраслях — от сельского хозяйства, фармацевтики и биологии до транспорта и строительства. Технологию середины прошлого века исследуют, развивают и внедряют большинство компаний, хоть как-то завязанных на IT, — и международные корпорации, и крошечные стартапы.
Социальные институты традиционно устроены так, что фундаментальная наука и бизнес развиваются асинхронно, поэтому научные исследования становятся прикладными и идут в продукт с задержкой. «Обычно это происходит в период от пяти лет до года, в нашей сфере — где-то полгода», — рассказывает руководитель центра исследования и разработки больших данных МТС и Chief Data Officer МТС Travel Михаил Степнов. Но сегодня рынок требует высокого темпа развития технологий и их интеграции в уже существующие продукты практически в реальном времени. Кажется, это самая плодородная почва для разработок молодых исследователей и IT-талантов.
Обычно тренды сменяются быстро, но прикладной искусственный интеллект — это мегатренд, который растянется надолго. Поэтому можно ожидать только роста развития технологий на базе ИИ. Есть мнение, что в больших компьютерных моделях сейчас ничего нового уже не придумывают, а просто масштабируют старые идеи. Строят больше дата-центров для обучения или собирают больше данных. На деле это не так: например, серьезно улучшается скорость вычислений, проводятся исследования в создании сильного ИИ и много другого.
Академический руководитель программы «Исследования и предпринимательство в искусственном интеллекте», Data Scientist Центра Big Data МТС Digital, Kaggle expert Дмитрий Лялин
Вчерашние школьники с энтузиазмом поступают в вузы на технические дисциплины, а те, кто постарше, проходят курсы по профессиональной переподготовке, меняют сферу. Однако все они часто спотыкаются о реальность: полученная профессия и работа не всегда соответствуют ожиданиям. Менее чем через год с момента трудоустройства половина опрошенных молодых людей в возрасте от 18 до 24 лет обнаруживает у себя признаки профессионального выгорания, а четверть — регулярное эмоциональное истощение. Высокие требования к работодателю, неинтересные задачи и недостаток практического опыта вынуждают молодых сотрудников чаще менять работу, при том что главным критерием выбора первого места работы поколение двадцатилетних называет возможность карьерного роста.
Нанимающие руководители подтверждают: теории, полученной молодыми выпускниками вузов, недостаточно для решения практических задач. «Человек приходит на собеседование, рассказывает про бустинги, но различия между LightGBM, XGBoost и CatBoost назвать не может. Про формы решающих деревьев и наиболее важные гиперпараметры тоже ничего не слышал. Получает простую задачу на бинарный поиск или градиентный спуск — решает со скрипом. Вопрос, можно ли в Python использовать class ключом словаря, вводит в ступор», — приводит примеры Дмитрий Лялин.
Таких джунов приходится доучивать на месте. Конечно, это негативно сказывается на мотивации человека, который пришел в компанию за реальными задачами, а не «кнопочки передвигать».
Вчерашние выпускники университетов, устроившись на первую работу, вздыхают: ты готов ворочать горы, а вынужден набираться опыта и терять время. Их коллеги с бэкграундом «в полях» — выпускники колледжей, курсов и самоучки — вздыхают громче: без понимания базиса им трудно даются более сложные задачи, не хватает технологического кругозора, а значит, трудно говорить о больших карьерных перспективах.
Работающих специалистов можно натаскать на шаблонные задачи, но без системного образования нельзя научить мыслить стратегически или внедрять в практику новейшие технологические знания с последней научной конференции. Выпускникам вузов часто сложно работать на прикладные бизнес-цели. Сфере высоких технологий нужны сотрудники, которые сформировали свои компетенции гармонично: у них достаточно академической базы, и они понимают тенденции и запросы бизнеса.
Пятнадцать лет назад мне и моим сокурсникам теорию машин и механизмов показывали на станке 50-х годов прошлого века, а рассказывал ее преподаватель и того старше. После выпуска адаптировать эти знания к практическим задачам на работе было очень сложно. В высшем образовании нужны преподаватели-практики, которые способны отойти от формальностей. Только так программа будет актуальна и даже немного забегать вперед. Преподаватель должен рассказывать, что он действительно делает в моменте в своей компании. Высокоуровневый практик не может дотошно следовать формальной программе, написанной кем-то годами ранее, у него нет на это времени — или он что-то не то в своей жизни делает.
Руководитель центра исследования и разработки больших данных МТС и Chief Data Officer МТС Travel Михаил Степнов
МТС развивает технологии генеративного искусственного интеллекта: в портфолио экосистемы — проекты на основе компьютерного зрения, обработки естественного языка и генеративного искусственного интеллекта. Компания нанимает сотрудников и видит реальные боли молодых специалистов: многим не хватает актуальных систематизированных знаний. Этот запрос и стал рычагом создания совместной с Высшей школой экономики магистратуры «Исследования и предпринимательство в искусственном интеллекте». Особенность программы — погружение в исследования ИИ. Выпускники смогут выбирать: пойти в науку, открыть свой стартап или строить карьеру в коммерческой компании. Сейчас на курсе учится 31 студент, 30 из них — за счет МТС.
Возможность поработать с реальными спецами и практическими задачами
Стилей руководства и корпоративной культуры множество, и хорошо, если начинающему специалисту удастся попасть в комфортный ему коллектив.
Преподаватели совместной магистратуры ВШЭ и МТС по искусственному интеллекту — реальные практики с опытом в науке, разработке и бизнесе. У них студенты смогут подсмотреть в том числе разные стили управления и командной работы. Лекторы-практики будут приносить реальные задачи в аудитории — так студенты ближе познакомятся с актуальными запросами бизнеса.
Отдельный фокус на исследовательской работе
Среди преподавателей — сотрудники R&D отдела МТС — те, кто ежедневно изучает научные публикации и знает, как имплементировать их в бизнес. На основе своего опыта они создали семинар, где преподаватель-практик с тридцатилетним опытом поможет прокачать этот навык молодым исследователям.
На семинаре преподаватель рассказывает, как читать и анализировать научные работы. Конечно, такой опыт очень полезен для исследовательской деятельности — а мне наука очень интересна, ради университета я даже оставил работу в e-com. Пока что хочется сосредоточиться на академической карьере, но в планах — вернуться в индустрию и совмещать.
Дмитрий Полозков, студент 1 курса магистратуры
Обучение бизнесу
«Исследования и предпринимательство в искусственном интеллекте» — магистерская программа в России, где готовят и исследователей, и предпринимателей. Выпускники могут выбрать свой трек: пойти в аспирантуру, наемным сотрудником в компанию, открыть свой стартап или совмещать несколько направлений. Здесь расскажут, как в том числе выбирать партнера и набирать команду, где искать бизнес-ангелов. Лекторы с реальным опытом в технологическом предпринимательстве расскажут, на каких этапах бизнесмены чаще всего набивают шишки и как этого избежать.
Я уже работаю: у меня свой бизнес по продуктовой разработке цифровых решений, в том числе с использованием ИИ. Мы создаем веб-продукты, и с недавних пор это коммерческие решения с использованием машинного обучения и различные LLM-модели. ВШЭ — лидер по обучению в сфере ИИ, а MTS AI — лидер по разработке B2B-решений, поэтому я выбрал эту программу.
Денис Нагаев, студент 1 курса магистратуры
Возможность форсировать карьеру
Факультет компьютерных наук Высшей школы экономики — один из ведущих образовательных и научных центров в области компьютерных наук в России, абсолютный лидер по количеству поступивших олимпиадников, обладатель 13 грантов Российского научного фонда. Это имеет значение для работодателей.
Кроме того, преподавательский состав в основной массе — это ведущие сотрудники МТС. У лучших студентов есть возможность попасть в компанию на стажировку и получить оффер.
Область анализа данных сейчас очень активна, и аналитиков уже ищут со знанием ML, чтобы они могли какую-то простенькую модель накатить, что-то посчитать, предсказать. Для наших студентов это возможность заработка и практики уже в период учебы. И, конечно, мы организуем стажировки для ребят, которые хорошо себя показывают. Наш студент уже после первого года может выполнять все задачи джуниор-разработчика — создавать свои модели: например, если он захочет пойти в банк — модели для оттока в банке, а в R&D-компании — большие языковые модели. И еще это возможность вырасти по научному треку — сегодня, чтобы пойти в перспективный applied science, требуется PhD, для получения которого степени бакалавра недостаточно.
Академический руководитель программы «Исследования и предпринимательство в искусственном интеллекте», Data Scientist Центра Big Data МТС Digital, Kaggle expert Дмитрий Лялин
Комфортный режим и график учебы
Удобный график позволяет работать днем и учиться вечером — вполне реально еще в период учебы вырасти из джуна в сильного мидл-специалиста.
Гармоничный скиллсет формируется, когда твердую академическую базу дополняет хотя бы минимальный бизнес-опыт. У молодого специалиста появляется умение не только решить задачку из учебника, но и не спасовать, если что-то пошло не так на проде, а может, даже превратить баг в фичу.
Магистерская программа «Исследования и предпринимательство в искусственном интеллекте» от МТС и ВШЭ ― это баланс фундаментальных знаний и прикладного понимания индустрии, возможность выбора или совмещения карьерного трека ― наука или бизнес. В первом наборе программы приняли участие выпускники бакалавриата и специалитета математических, технических и IT-факультетов.
Абитуриенты приходят в университет с мечтой, и преподаватели не разбивают их о суровые факты, а дают инструменты для ее реализации.
Два поколения моей семьи занимались педагогикой, и я тоже чувствую в себе ее зачатки. Я хотел бы разработать и прочитать курс по одной из дисциплин внутри computer science. Бегать с рабочих встреч на университетскую кафедру — что-то в этом есть.
Дмитрий Полозков, студент 1 курса магистратуры
Моя мечта — внести свой вклад в революцию, которая неизбежно произойдет в связи с популяризацией пользовательского опыта взаимодействия ИИ и жителей нашей планеты. Будет ли это патент на технологию или конечный продукт — покажет время.
Денис Нагаев, студент 1 курса магистратуры
Реклама: ООО «МТС Диджитал», ИНН 7707767501, erid: LjN8KHs66