Привет, Хабр! Это Ира Масальская из команды образовательных проектов в МТС Диджитал. Вам знакома ситуация, когда долго и упорно изучаешь какой-то предмет, но не имеешь ни малейшего представления, как эти знания тебе пригодятся в будущем? Или, наоборот, быстро проходишь онлайн-курс, а потом сталкиваешься с реальными задачами и понимаешь, что фундаментальных знаний тебе все-таки не хватает?

На собеседованиях в МТС Диджитал мы с таким сталкиваемся: кандидат вроде бы и обладает знаниями, но, например, не понимает, как вероятностные подходы работают в ML или как при обучении модели на исторических данных избежать утечки данных. Чтобы растить действительно хороших специалистов, МТС совместно с факультетом компьютерных наук ВШЭ разработала программу «Исследования и предпринимательство в искусственном интеллекте». На этапе приема заявок я уже писала об этом подробный пост.

В сентябре магистратура успешно запустилась, студенты учатся уже четыре месяца. Как им дается программа, с чем возникают сложности, получается ли применять полученные знания на практике уже сейчас и какие перед студентами перспективы, все это подробно обсудили 2 декабря, когда проводили День МТС в Вышке. По горячим следам делюсь с вами самым интересным.

День МТС в Вышке: как это было

2 декабря в 18:00 в культурном центре ВШЭ собрались студенты из разных вузов, чтобы узнать об образовательных проектах МТС в Вышке. В основном говорили про очную совместную магистратуру МТС и ВШЭ «Исследования и предпринимательство в искусственном интеллекте», которая стартовала в сентябре 2024 года.

Подробно о направлениях обучения, программе и возможных карьерных треках выпускников в конференц-зале рассказали Дима Лялин — академический руководитель программы и Data Scientist Центра Big Data МТС Диджитал, и Анна Щеникова — аналитик Центра RnD TechGov. С докладами выступили преподаватели магистратуры. Иван Копылов, CV Engineer MTS AI, рассказал об анализе изображений и компьютерном зрении. А Никита Зелинский, Unit Head Data Scientist, Big Data MTS — о том, как и куда может расти DS.

Студенты магистратуры на мероприятии тоже были: ребята поделились, как им дается обучение, сколько времени они тратят на занятия и подготовку к ним, какие есть успехи сейчас и каким они видят свой карьерный трек после магистратуры. Спикерам можно было задать вопросы, а после выступления — подойти пообщаться в неформальной обстановке.

А еще на День МТС мы пригласили специального гостя — Виктора Кантора, советника президента МТС. Виктор был одним из идейных вдохновителей создания нашей магистратуры и участвовал в формировании учебного плана. Он рассказал о своем карьерном пути, дал советы начинающим специалистам и подискутировал на тему тенденций и трендов в ИТ.

Если вы планируете строить карьеру в сфере ИИ, такие мероприятия помогут понять, подходит ли вам программа магистратуры, как и чему именно мы обучаем, в каких сферах смогут работать выпускники. Конечно, обо всем можно почитать в интернете, но когда общаешься с преподавателями и студентами в офлайне, это уже другой уровень погружения. Ниже расскажу, что обсуждали на этой встрече, поделюсь комментариями преподавателей и студентов магистратуры.

Как проходит обучение

Предметы на выбор

У каждого студента магистратуры уникальная траектория обучения. Есть ряд обязательных дисциплин — они составляют основу для изучения ИИ и машинного обучения. Дальше студенты выбирают вариативные предметы, которые им особенно интересны. Для тех, кто хочет работать в Big Tech или открыть свой стартап, есть продуктовые и бизнес-дисциплины: финансовое планирование, unit-экономика, технологическое предпринимательство. А есть научный трек, где студентов учат писать научные статьи и проектировать свои исследования, — это будет интересно тем, кто планирует заниматься исследованиями.

Еще обучение в Вышке включает блок МагоЛего: студенты могут выбрать 2–3 курса и освоить совершенно новую для себя область — психологию, иностранный язык, химию и так далее.

Уже во время обучения можно выбрать для себя путь развития:

В программе есть предметы, которые покрывают все эти три трека. А есть те, которые помогают развиваться по выбранной траектории. Например, нельзя сразу написать хорошую исследовательскую статью и выступить с ней на конференции высокого уровня. Для этого нужна подготовка. Поэтому от МТС мы подключаем преподавателей, которые ведут семинары по написанию научных статей и объясняют, как участвовать в конференциях.

Теория и практика

Магистратура объединяет в себе отрасли науки и предпринимательства, поэтому пары разнообразные и информации много. С чем-то студенты уже знакомы, с другими темами сталкиваются впервые. Мы выстраиваем программу так, чтобы, получая знания, студенты сразу же понимали, как они могут быть полезны им в дальнейшей карьере. 

Марина Мерзлякова, студентка магистратуры:

Когда я только поступила в магистратуру, мне казалось, тут будет сильный уклон в науку. На самом деле прикладных знаний дают гораздо больше, чем теоретических. В составе преподавателей есть действующие сотрудники и специалисты из МТС, и они делятся с нами реальными кейсами. Это здорово, ведь так точно понимаешь, что и для чего именно учишь, как это пригодится в будущем.

А вот что о программе говорят преподаватели:

Идея курса «Прикладной анализ временных рядов» такая, что мы и классическую теорию рассказываем, и делаем упор в прикладную часть. То есть объясняем студентам, как и чем попользоваться на практике, чтобы это работало.

Мы пришли к этому не просто так. Нам в МТС важно, чтобы у ребят, которые приходят к нам устраиваться, были фундаментальные знания, при этом они понимали, как ими пользоваться. На собеседованиях мы часто видим, что знания у кандидатов вроде бы есть, но что с ними делать, они не понимают.

Какие преимущества дает студентам магистратура? В бакалавриате обучают общепрофессиональным, базовым дисциплинам, а в магистратуре — профильным. В том числе и прикладным ML-задачам, актуальным в бизнесе. Я из команды ценообразования, и у нас практически любое решение так или иначе связано с временными рядами. Даже если задача формально не требует знания теории временных рядов, нужно учитывать, когда и как модель применяется. Например, ты строишь модель оттока клиентов и можешь по текущим данным оценить, кто сейчас находится в оттоке. Но с точки зрения бизнеса это несет мало пользы. Гораздо важнее понять, кто попадет в отток в ближайшее время, то есть в будущем. Тогда можно будет прокоммуницировать с такими пользователями и удержать их. Поэтому если хочешь быть более сильным специалистом, о времени всегда нужно помнить.

Не бывает такого, что ты один раз обучил модельку — и задача решена. У тебя могут меняться и данные, и сами зависимости. На классическом машинном обучении обычно учат правильно проводить валидацию. Есть выборка, на которой мы обучаемся, и выборка, на которой прогнозируем. Чтобы корректно оценить работу модели на новых данных, эти выборки не должны пересекаться. Обычно тут проблем нет. Но когда к этому добавляется еще одно измерение — время — многие начинают плыть. В этом случае недостаточно просто сделать две выборки. Возьмем генерацию фичей модели. Даже на примере прогноза оттока какая-нибудь базовая экстраполяция фичей (их прогноз) может неплохо улучшать качество базовой модели. А как корректно это делать, мы и разбираем на нашем курсе.

Полное погружение

Представьте лекции для большого потока в вузе. Задать вопрос и получить на него развернутый ответ с примерами было бы проблематично. В магистратуре обучение построено по-другому: студенты чувствуют себя участниками занятий, если им что-то непонятно, задают вопросы. Преподаватели подкрепляют лекцию примерами и делятся опытом, чтобы студентам было понятно, как изученные инструменты работают в исследованиях и предпринимательстве.

Никита Пеганов, студент магистратуры:

Если сравнивать с бакалавриатом, в магистратуре практически индивидуальный подход, тут больше обратной связи. Преподаватели периодически останавливаются, спрашивают, все ли понятно, предлагают задавать вопросы — соответственно, ты больше вникаешь в тему и закрываешь пробелы.

Сейчас мой любимый курс — временные ряды. Я ими еще никогда не занимался, но это очень интересно. Курс прикладной — нужно все быстро понимать, записывать в голову. Бывает, информацию тяжело воспринимать. Но можно всегда задать вопросы преподавателям, они терпеливо останавливаются, объясняют, присылают дополнительную литературу. Так что по ходу дела во всем удается разобраться.

Марина Мерзлякова, студентка магистратуры:

Основная сложность для меня была в первом модуле, когда я столкнулась с новым подходом к преподаванию. В бакалавриате я училась в другом вузе. Все лекции были примерно из одной области, и каждая следующая была продолжением предыдущей. В магистратуре преподавание построено так, что на парах рассказывают самое важное, а об остальном читаешь самостоятельно в присланных статьях. Такой подход лучше, ведь все рассказанное на паре имеет практическое применение. Хотя сначала это было непривычно.

Быстро освоиться помогает хорошее отношение преподавателей к студентам. Нас не стремятся «завалить» и подают информацию доступным языком. Например, на парах по дополнительным главам алгоритмов у преподавателя получалось рассказать о персистентных структурах данных и алгоритме Штрассена, практически не привязываясь к конкретному языку программирования.

Сейчас у нас идут пары по временным рядам. На мой взгляд, предмет сам по себе непростой, но очень спасают семинары. К каждому из них для нас готовят Jupiter notebook, в котором наглядно кодом показывают, что разбиралось на лекции. Я считаю, это максимально полезно. Потом этот код можно будет использовать в своих задачах.

На двух моих лекциях со студентами мы разбирали базовые вещи — ребята активно реагировали, задавали вопросы, обсуждали информацию. А на одном из занятий я более подробно рассказывал о моделях ARMA. Углублялись в их теоретические свойства, такие как стационарности и обратимость, разбирали методы обучения этих моделей. Атмосфера в аудитории сразу изменилась: все притихли, перестали задавать вопросы. Я понял, что материал для ребят пока еще сложный. Это нормально, ведь они столкнулись с этой информацией впервые. В таких случаях я чаще уточняю, все ли понятно, делаю паузы между слайдами и резюмирую основные тезисы, чтобы главное отложилось в памяти.

Программа адаптируется под студентов

В магистратуре для нас очень важна обратная связь. Мы постоянно собираем отзывы от студентов по программе в целом и отдельным парам, стараемся понять, как можем улучшить их опыт. По возможности отталкиваемся от пожеланий в моменте.

Приведу пример. Научный трек в магистратуре ведет Вадим Стрижов, доктор физико-математических наук. Практически с первых занятий студенты сразу поделились на два лагеря — кому-то было трудно, а кому-то, наоборот, очень понравилось. Вторые — это в основном ребята, которые в будущем планируют идти в науку и заниматься исследованиями. Но проанализировав обратную связь от студентов, мы решили сделать этот трек факультативным. В качестве альтернативы уже готовим новый трек — продуктовый.

У нас предусмотрены механизмы обратной связи. После каждой лекции студенты могут оставить отзывы через QR-код, написать, что понравилось, что нет. Дальше комментарии обрабатываются менеджерами и поступают к нам. Вместе с командой мы анализируем отзывы и, если нужно, думаем, что и как изменить.

Никита Пеганов, студент магистратуры:

Мне нравится, что у нас постоянно собирают ОС — и действительно, видно, что с ней работают. Сложности, с которыми мы столкнулись в начале обучения, сейчас уже решены. После пар можно оставить отзыв через QR-код, а еще всегда можно подойти к преподавателю лично и попросить читать, например, помедленнее. Я вижу, что однокурсники оставляют ОС — и она обрабатывается.

Знания применяются на практике

Программа стартовала недавно, но у студентов уже есть впечатляющие результаты. На курсе машинного обучения есть командный проект — нужно сделать что-то важное для бизнеса. То есть не просто придумать и презентовать идею, а найти клиентов, которым действительно нужна твоя работа и которые будут за нее платить.

Так, Никита Пеганов с командой других студентов магистратуры договорились о сотрудничестве со «Школково». Они выяснили, что преподаватели тратят много времени на создание чертежей для геометрических задач, и придумали проект, который будет их генерировать. В «Школково» его приняли и назначили оплату. В ходе работы обнаружили еще одну проблему: на сайте онлайн-школы нельзя было копировать текст задачи, там стояла защита — и для преподавателей это было неудобно. Ребята предложили функциональность, которая позволит распознавать текст по картинке. В результате «Школково» увеличила их оклад в два с половиной раза.

Это крутой опыт для тех, кто в будущем планирует заниматься стартапами. По сути студенты магистратуры уже научились упаковывать свою идею, показывать бизнесу ее пользу и аргументировать решения.

Карьерные треки и перспективы

В ближайшее время мы планируем запустить серию встреч от спикеров МТС по карьерным трекам. Лидер магистратуры Анна Щеникова и по совместительству аналитик Центра RnD TechGov уже консультирует студентов по траектории развития. Скоро к ней присоединятся другие эксперты, которые расскажут, чем конкретно они занимаются на работе, какие задачи выполняют. Это позволит студентам проанализировать запланированную траекторию развития и понять, чем именно они хотят заниматься.

Марина Мерзлякова, студентка магистратуры:

На занятиях преподаватели всегда объясняют, чем нам могут пригодиться полученные знания. Например, когда мы изучали анализ данных, преподаватель приводил примеры конкретных задач, которые обычно задают на собеседованиях, и рассказывал, как их решать. Было интересно, когда он делился необычными фактами из работы в компании. А в начале курса по машинному обучению преподаватель сначала рассказал, как в принципе должна быть построена работа в команде, в чем заключается основная функция R&D-отдела. После магистратуры я хотела бы работать в R&D-отделе, поэтому для меня это было особенно ценно.

Денис Нагаев, студент магистратуры:

Раньше я учился в магистратуре ИТМО “Машинное обучение”. На программу от МТС и Вышки пришел, потому что она связана с моей деятельностью по генеративному ИИ. Пока тут все соответствует моим ожиданиям. Особенно нравится практический опыт преподавателей из МТС — на их кейсах легко понимаешь, как и где можно применять полученные знания. После выпуска планирую применять полученные знания в своем бизнесе — думаю, тут я смогу получить все необходимые для этого навыки.

Когда мы запускали магистратуру, то говорили, что лучшие студенты могут получить оффер в МТС еще во время обучения. Мы уже проработали процесс найма с рекрутингом и закинули ребятам первую вакансию.

Пока на этом все. Если у вас есть вопросы по обучению в магистратуре, пишите в комментариях — постараюсь на все ответить.