На все науки мастер: как готовят специалистов в области сomputational science

Дата публикации: 21.08.2015

В специальном выпуске Journal of Computational Science будет опубликована статья ученых из Университета ИТМО об особенности формирования образовательной среды для студентов в области вычислительной науки (computational science). Как научить студентов разбираться сразу во многих предметах и чем подготовка специалиста по высокопроизводительным вычислениям отличается от классического образования, рассказывают старший научный сотрудник НИИ наукоемких компьютерных технологий Алексей Духанов и преподаватель кафедры высокопроизводительных вычислений Анна Билятдинова.

В чем особенность подготовки специалистов в вашей области?

А.Д.: Мы готовим людей, которые не только способны разрабатывать и внедрять программные решения с применением последних достижений в области ИКТ - наши выпускники должны уметь видеть или строить те междисциплинарные модели, на которых основываются данные решения. Можно сказать, что выпускники должны обладать навыками трансфессионала, а подготовка трансфессионалов - сложная задача. Мы должны в первую очередь учить людей не знаниям, а умению извлекать эти знания из различных источников и ориентироваться в предметных областях, которые соответствуют решаемым задачам. Когда наши специалисты и молодые ученые в области computational science будут сталкиваться с различными вызовами, они должны уметь понять, к какому классу задача относится, какие научные и предметные области она затрагивает, подобрать необходимый учебно-методический инструментарий, а после – составить алгоритм и методику решения задачи. Для того, чтобы обучить этому, кафедра высокопроизводительных вычислений и НИИ наукоемких компьютерных технологий Университета ИТМО собрали нужный кадровый коллектив и предложили такие образовательные программы, которые содержат дисциплины из разных предметных областей, а также специализированные курсы английского языка нового формата.

Почему ваши студенты должны разбираться сразу во многих предметных областях?

А.Д.: Прежде чем начать решать задачу, ее необходимо разобрать. Специалист-предметник, который является заказчиком, не всегда способен сформулировать ее в тех терминах, которые необходимы для решения. Поэтому молодой ученый должен уметь выстроить коллаборацию с предметником и сформулировать задачу так, чтобы ее поняли и заказчик, и команда, которая будет над этой задачей работать. После этого можно будет говорить об успехе. Наш выпускник должен быть не просто брокером, который соединяет заказчика и команду исполнителей, он должен быть специалистом, который может решить поставленную задачу, находя и привлекая необходимых специалистов из соответствующих предметных областей.

Насколько я понимаю, вы придерживаетесь мнения, что полноценно подготовить такого специалиста невозможно в рамках университета одной страны? Почему?

А.Д.: Нашим студентам в будущем придется работать не только в России и не только в одном узком направлении. Им придется общаться в тех средах, в которых они никогда не были. В Амстердамском университете они получат первичный опыт адаптации к новой среде и умение решать в этой среде задачи, которые будут давать опытные практикующие профессоры и привлеченные специалисты из других стран. А наши специалисты, включая Анну Билятдинову, наводят и поддерживают необходимые мосты для обеспечения необходимой международной коллаборации между Университетом ИТМО и нашими партнерами на всех уровнях – от студента до высшего руководства в современных реалиях текущей политической и экономической обстановки.

Программы по computational science и computer science появились в конце 90-х – начале 2000-х годов и распространились по всей Европе. Амстердамский университет является одним из лидеров в области вычислительной науки, и наши учебные планы подготовлены совместно с голландскими коллегами. Во многих ведущих зарубежных вузах трансдисциплинарность выражается в разделении предметов на major (основные) и minor (дополнительные). Например, в магистерских программах вузов США дополнительная часть – это обычно занятия по симуляции и моделированию, может быть, по компьютерной графике. В Амстердамском университете используется так называемая umbrella model, зонтичная модель, в ней есть «ядро» и четыре основные дисциплины, которые выпускник может выбрать в качестве специализации. Мы попытались создать некий гибрид, в котором разные дисциплины переплетаются вместе. Наши студенты одновременно и математики, и инженеры, есть в их образовании то, что можно назвать liberal arts, в которые входит, к примеру, урбанистика.

В бакалаврских и магистерских программах ведущих вузов обычно присутствует один или два семестра включенного обучения за границей. Из наших студентов в обучение за границей раньше не был включен практически никто, в России эта практика только начинает развиваться. Нет составленного алгоритма действий, как организовать успешный трансфер студентов из российских реалий в зарубежные реалии, часто есть лингвистический и финансовый барьеры. В прошлом году мы зачислили 38 человек, проводили для них вводные тесты по программированию и английскому языку, и они показали интересные результаты – например, что в программировании хорошо разбираются студенты из-за Урала. По английскому результаты неоднозначные, есть студенты, которые хорошо владеют языком, но не математикой; тем не менее, нам важно, чтобы выпускники были сильны и в том, и в другом.

Чем ваша образовательная модель отличается от классической, в которой есть дисциплины по выбору и факультативы?

А.Д.: Особенность – в нашей оригинальной научно-образовательной среде. Во время обучения расписание строится так, что студент может посещать не только те обязательные курсы, которые указаны в его программе, но и те, которые преподаются на других программах. Он может развиваться в тех направлениях, которые он предпочитает, имея при этом есть возможность перевода между программами во время обучения. Каждый студент участвует в крупных международных проектах, в которые вовлечены ученые кафедры ВПВ и также ведущие научные команды зарубежных партнеров. Тем самым, студент имеет прямой доступ к ведущим ученым и соответствующим ресурсам, и постоянно самосовершенствуется под руководством старших коллег.

А.Б.: Кроме основных дисциплин, или core courses, у нас есть electives – предметы по выбору, которые студент может и не посещать, и restricted choice – набор курсов, например, из шести предметов, из которых студент обязан изучать три. Он сам формирует свою траекторию обучения, насколько это возможно в соответствии с федеральными государственными образовательными стандартами. Согласно федеральным стандартам, у нас есть компетентностная модель выпускника, но это не просто список знаний и умений. Ведь как было раньше: после первого семестра ты должен знать такой-то язык программирования, если не знаешь, ты отчислен. Вместо этого мы показываем, что есть разные предметные области, и в зависимости от задач, которые студент собирается решать, он может сам выбрать, что ему изучать. Мы стимулируем выпускника к развитию, творчеству, к познавательной активности.

Нельзя сказать, что у нас традиционный способ обучения: сейчас у нас три разных программы, но студенты могут брать курсы, включенные в любую из них. Мы делаем большой акцент на самостоятельной работе и стимулируем появление публикаций на английском языке. К примеру, наши студенты участвовали в Летней школе по высокопроизводительным вычислениям, по ее итогам они сейчас подготовили статьи для спецвыпуска Procedia Computer Science. Те студенты, у кого есть мотивация и кто активно занимается всем этим, может претендовать на повышенную стипендию, к тому же они трудоустроены в НИИ наукоемких компьютерных технологий Университета ИТМО и получают там зарплату.

Что мешает развитию таких магистерских программ в России?

А.Б.: Оторванность российского образования от мировых достижений после окончания Второй мировой войны. Работая с иностранными коллегами, мы видим, что большинство применений высокопроизводительных вычислений у них связаны с простыми вещами, которые делают жизнь человека лучше. В России это направление появилось только в последнее время, например, урбанистика начала развиваться лишь десять лет назад. 

У нас есть наглядные проекты, которые снимают многие вопросы – тот же программный комплекс для дамбы, который разработали в НИИ НКТ. Но этим применение высокопроизводительных вычислений не ограничивается: их используют для построения моделей движения транспорта, эвакуации, распространения эпидемий, анализа социальных сетей. Мы учим студентов находить решения для повседневных задач, начиная от прогноза автомобильных пробок и заканчивая планированием городов.

Александр Пушкаш,
Редакция новостного портала Университета ИТМО

Фото: Ксения Соболева, Алексей Бородкин.