Код доступа: как устроено ИТ-образование в лучших вузах мира

ИТ-технологии стремительно развиваются, и университеты отвечают на это запуском новых учебных программ. Однако бакалавриат длится три-четыре года, а технологические циклы — считаные месяцы. Инструменты, актуальные на первом курсе, к последнему могут уже устареть. Поэтому перед высшим образованием встает вопрос: что в подготовке ИТ-специалиста должно трансформироваться вслед за рынком, а что — оставаться неизменным.
Чтобы ответить на этот вопрос, эксперты Центрального университета изучили более 30 программ по четырем направлениям: разработке ПО и компьютерным наукам, искусственному интеллекту, науке о данных, бизнес-аналитике. В выборку вошли программы 13 ведущих университетов США, Великобритании, Китая, Сингапура и ОАЭ: Гарвардского университета, Стэнфордского университета*, Калифорнийского университета в Беркли*, Массачусетского технологического института, Университета Карнеги — Меллона, Оксфордского и Кембриджского университетов, Имперского колледжа Лондона, Национального университета Сингапура, Пекинского университета, Наньянского технологического университета, Университета Цинхуа, Университета искусственного интеллекта имени Мохаммеда бин Заида.
Исследование выявило шесть ключевых тенденций в высшем ИТ-образовании.
1. Глобальный фундамент ИТ-образования уже сформировался
Единой мировой модели ИТ-образования не существует. Гарвард и Оксфорд, Массачусетский технологический институт и Университет Цинхуа, Стэнфорд* и Кембридж отличаются друг от друга, у них разная академическая культура, свои особенности образовательной системы и т. д. Однако их учебные планы удивительно схожи.
В классических программах по компьютерным наукам везде одно ядро: математика, программирование, структуры данных и алгоритмы, архитектура компьютера, операционные системы, теория вычислений. Совпадает и последовательность изучения этих дисциплин: сначала программирование и математика, затем структуры данных и алгоритмы, системные и теоретические дисциплины — и только потом специализация. Та же логика прослеживается в программах по искусственному интеллекту.
Отсюда один из главных выводов исследования: хотя ИТ-рынок быстро меняется, фундамент лучших мировых программ уже сформирован. Цель основных образовательных экспериментов — не ответить на вопросы вроде «чему учить, чтобы студент был востребован», а выстроить подходящую структуру обучения: понять, когда лучше выбирать специализацию, какой уровень свободы при выборе курсов оставлять студентам и как организовать для них практику.
2. Будущую профессию можно не выбирать при поступлении
В 90% изученных программ первый год или два студенты осваивают общее обязательное ядро дисциплин. Даже в специализированных программах на него приходится 60–70% учебной нагрузки.
При этом специализацию редко выбирают при поступлении: из 13 изученных университетов этого требуют лишь три. В остальных решение студент принимает после первого курса или позже, а во многих вузах выбор к тому же можно пересматривать. Оксфордский университет, Имперский колледж Лондона и Национальный университет Сингапура, например, позволяют сменить образовательную программу до начала третьего курса.
3. Математика не исчезает из профессии — ее значение, наоборот, растет
Последнее время много говорят о том, что программирование становится доступнее. Из этого легко сделать вывод: если человеку все реже приходится самостоятельно работать со сложными алгоритмами, то и глубокая математическая подготовка становится менее значимой.
Но учебные планы ведущих университетов свидетельствуют об обратном. Математика не отходит на второй план, а выполняет сразу две функции. С одной стороны, она формирует самостоятельный обязательный для изучения блок, с другой — становится основой, на которой базируются более сложные технические дисциплины.
Особенно хорошо это видно в программах изучения ИИ. Практически везде фундаментом становятся линейная алгебра, теория вероятностей, статистика и математический анализ. Математика и программирование изучаются параллельно и только затем сходятся в курсах по искусственному интеллекту и машинному обучению.
Например, в Национальном университете Сингапура бакалавриат по ИИ разделен на три равных блока. Математика занимает в нем такое же место, как компьютерные науки и собственно искусственный интеллект.
В Университете Цинхуа даже в программе факультета ПО, ориентированной не на теоретические компьютерные науки, а на разработку программных систем, математика и физика включены в обязательный блок.
Таким образом, фундаментальная подготовка сохраняется даже там, где конечная образовательная цель носит исключительно прикладной характер. А ценность специалистов, которые понимают, почему и как работают код и система, только возрастает.
4. Этичное использование ИИ становится важной задачей инженеров
Еще несколько лет назад курс по этике технологий чаще всего был факультативным. Сегодня он входит в обязательную часть практически всех программ по изучению ИИ.
В Национальном университете Сингапура есть отдельные обязательные курсы по ответственному использованию искусственного интеллекта и цифровой этике. В Университете Карнеги — Меллона студенты также изучают этический блок. Наньянский технологический университет пошел еще дальше и создал отдельную программу «Искусственный интеллект и общество», в рамках которой анализируется влияние технологий на социум.
Это заметный сдвиг. Оценка последствий применения ИИ становится такой же задачей профессионалов, как проверка качества данных или тестирование системы. Наряду с сильными ИИ-инженерами компаниям потребуются специалисты, способные создавать системы с учетом вопросов безопасности, прозрачности и принципов ответственного использования искусственного интеллекта.
5. Будущее — за специалистами, которые говорят на двух профессиональных языках
Чем сложнее становится индустрия, тем больше появляется новых ролей и технологических стеков. Однако университеты не спешат перестраивать программы под каждую новую профессию. Вместо этого они стараются вывести студентов за границы одной области.
В Стэнфорде* программа по науке о данных, например, находится на стыке четырех дисциплин: статистики, математики, компьютерных наук и управления бизнесом. В Калифорнийском университете в Беркли* студенты направления «Компьютерные науки» должны выбрать конкретную прикладную область, в которой будут использовать навыки работы с данными. В Национальном университете Сингапура есть программы, объединяющие изучение вычислительных дисциплин и дисциплин, связанных с бизнесом и менеджментом.
По сути, университеты готовят «билингвов»: инженеров, понимающих медицину; специалистов по данным, разбирающихся в финансах; разработчиков, говорящих на языке бизнеса; ИИ-специалистов, знакомых с правом и регулированием.
На пересечении дисциплин возникает значительная часть новых прикладных задач. Такой подход помогает образованию быстрее подстроиться под требования рынка без пересмотра всей программы при появлении каждой новой профессии.
6. Практика становится частью обучения
Единого стандарта не существует. Американские вузы, например, не требуют от учащихся обязательной работы в компании и делают ставку на исследовательский опыт. Уже в бакалавриате студенты трудятся в лабораториях и участвуют в исследованиях.
В университетах Азии и Британии практика чаще встроена в учебный план. Например, студент может пройти 20-недельную профессиональную стажировку. Самый радикальный пример — Университет искусственного интеллекта имени Мохаммеда бин Заида, где четвертый год обучения посвящен полноценной работе в компании, а не обычным занятиям.
Есть и третий вариант. В Оксфорде, Кембридже и Университете Цинхуа учащиеся получают практический опыт, работая над крупными командными, инженерными и исследовательскими проектами в самом вузе.
Форматы различаются, но почти везде действует один и тот же принцип: студент еще до получения диплома должен использовать приобретаемые знания при решении реальной сложной задачи.
Мировые тренды в российском образовании
Целый ряд принципов, выявленных в ходе исследования, постепенно входит в российскую образовательную практику. Вузы делают ставку на сильный математический и алгоритмический фундамент, выстраивают учебу от общего к специальному, отказываются от ранней узкой специализации и включают проектную, исследовательскую или производственную работу в программу обучения.
Российские университеты также уделяют все больше внимания практической подготовке. Это связано с изменениями в самой образовательной системе, с государственной политикой и растущей заинтересованностью бизнеса в поиске молодых талантов. Компании уже не ограничиваются стажировками для выпускников — они включаются в учебный процесс: запускают совместные программы, предоставляют материалы и кейсы для семинаров.
Главное — определить маршрут
Современное ИТ-образование оказывается значительно менее хаотичным, чем рынок. Технологии могут меняться каждый год, востребованные профессии — раз в несколько лет. Однако логика подготовки профессионала, способного самостоятельно разбираться в новых технологиях, остается довольно устойчивой.
Поэтому главная задача университета — грамотно спроектировать образовательную траекторию: сначала дать фундамент, потом — пространство для осознанного выбора, затем — шанс выйти за пределы одной дисциплины и, наконец, возможность использовать полученные знания при решении реальной задачи.
Вероятно, именно такая архитектура, а не скорость появления новых курсов определит, какие вузы смогут готовить специалистов, востребованных при любых технологических изменениях.
* деятельность организации признана нежелательной на территории РФ
