Преподаватель РУДН представил модель подготовки специалистов по ИИ на международном саммите AI FOR EDUCATION в Алматы

Даниил Денисович выступил в качестве эксперта в области искусственного интеллекта и представил доклад на тему: «Современная модель теоретической и практической подготовки студентов в области искусственного интеллекта: компетентностный подход». В своём выступлении он изложил результаты масштабного анализа образовательных программ, сопоставил российский и зарубежный опыт, а также обозначил ключевые вызовы и стратегические ориентиры в подготовке кадров.

«Сегодня особенно важно не просто обучать студентов технологиям искусственного интеллекта, а формировать у них системное мышление, умение работать с реальными кейсами и быстро адаптироваться к изменениям цифровой среды. Международные площадки позволяют обмениваться опытом и совместно выстраивать современные модели образования будущего», — Даниил Добромиров.

Ключевые тезисы доклада

В основе выступления преподавателя лежал подробный анализ учебно-методической документации и компетентностного наполнения образовательных программ — как российских, так и зарубежных. Выводы, озвученные на саммите, дают чёткое представление о текущем состоянии и болевых точках в подготовке специалистов, владеющих технологиями ИИ.

По словам Даниила Денисовича, отечественный опыт не уступает мировому. Исследование показало, что относительная доля соответствия национального и зарубежного опыта в обучении информационным технологиям студентов физико-математических направлений составляет 79,55%. Это свидетельствует о том, что российская система высшего образования в данной сфере вполне сопоставима с практикой ведущих мировых вузов.

Второй важный тезис доклада — компетенции отвечают задачам технологического развития. Структура образовательных программ согласуется с национальными интересами Российской Федерации в области наращивания технологического потенциала. Профессиональные компетенции в сфере ИТ — неотъемлемая часть подготовки физиков и математиков. Так, в 85,92% фундаментальных и междисциплинарных программ зафиксированы компетенции, направленные на формирование у обучающихся способности проводить теоретические и экспериментальные исследования с применением информационных технологий.

Единая методологическая основа

Кроме того, отмечает Даниил Денисович, подходы к формированию ИТ-компетенций в рамках физико-математических направлений имеют общую методологическую основу. При этом фундаментальные программы задают более широкий спектр профессиональной деятельности выпускника по сравнению с междисциплинарными, что отражает разницу в целевом векторе компетентностного развития.

Отдельное внимание эксперт уделил в своём выступлении внедрению дисциплин, связанных непосредственно с искусственным интеллектом и машинным обучением. Несмотря на среднесрочные стратегические приоритеты нашей страны в области ИИ, которые формируют тенденцию к введению соответствующих модулей в учебные планы, охват остаётся неполным. На сегодня только 46,67% программ по направлению подготовки 03.03.02 «Физика» содержат учебные дисциплины или модули по технологиям искусственного интеллекта, отметил Даниил Добромиров.

Более того, студенты-физики значительно уступают коллегам из смежных направлений по объёму осваиваемых ИИ-технологий:

• средний показатель доли студентов-физиков, изучающих определённый вид технологий искусственного интеллекта, составил 6,74%;
• в то время как по укрупнённым группам «Математика» и «Компьютерные и информационные технологии» этот показатель достигает 54,04% и 29,92% соответственно.

«Также я подчеркнул в докладе, что узкопрофильные модули есть, но профессиональных компетенций не хватает. Лишь 25,00% от общего числа образовательных модулей по машинному обучению, реализуемых на программах направления «Физика», являются узкопрофильными, то есть действительно адаптированы под профессиональную область. И только в 21,42 % рабочих программ таких дисциплин в перечень компетенций включены те, что непосредственно связаны с прикладной разработкой и использованием технологий машинного обучения и искусственного интеллекта в будущей профессиональной деятельности», — Даниил Добромиров.

По словам преподавателя, в тех программах, где соответствующие компетенции всё же сформулированы, их основные индикаторы направлены на формирование у студента:

• знаний основных алгоритмов машинного обучения и умений сводить поставленную задачу к типовым задачам ML;
• знаний устройства и методов обучения нейронных сетей, а также умений применять нейронные сети для решения задач в области машинного обучения;
• способности использовать общее и специализированное оборудование для решения профессиональных задач.

Участие представителей высшей школы управления РУДН в таких авторитетных международных экспертных площадках, как AI FOR EDUCATION, способствует развитию академического сотрудничества, обмену передовым профессиональным опытом и внедрению современных образовательных практик. Доклад Даниила Денисовича Добромирова стал не только демонстрацией высокой квалификации преподавателя, но и ценным вкладом в дискуссию о том, как должна строиться модель подготовки специалистов, способных создавать и применять технологии искусственного интеллекта в условиях цифровой трансформации.