Алтайский государственный университет в числе 56 вузов России является участником Консорциума «Университеты Future Skills» и в рамках программы «Приоритет 2030» реализует проект «Университет Future Skills: новые реалии» (руководитель — зам. первого проректора по учебной работе — начальник УМУ Ольга Крайник), основное направление которого — формирование специальных адаптированных под высшую школу программ по компетенциям будущего.
В 2023 году студенты ИМИТ и ИЦТЭФ в рамках освоения образовательной программы изучили образовательный модуль «Машинное обучение и большие данные», разработанный в строгом соответствии с федеральными требованиями и стандартами по компетенциям Future Skills. В течение целого семестра команда преподавателей ИМИТ и ИЦТЭФ (Денис Козлов, Дмитрий Осыкин, Александр Калачев) обучали студентов применению алгоритмов машинного обучения на практике, включая методы Data Science для анализа и моделирования признаков, методы Data Mining для исследования и подготовки данных, а также методы классического программирования для практического решения прикладных задач.
Партнерами проекта и одновременно независимыми экспертами при оценивании студентов на экзамене выступают представители работодателей, получившие повышение квалификации по дополнительной профессиональной программе «Эксперт чемпионата Ворлдскиллс Россия»: Яков Филин, генеральный директор ООО «Эстезис», М. А. Усольцев, технический директор ООО «Академия медицинской техники». Главный эксперт по компетенции «Машинное обучение и большие данные» на площадке экзамена согласно свидетельству Агентства развития профессий и навыков — замдиректора ИЦТЭФ Василий Белозерских.
С 19 по 22 декабря 2023 г. 60 студентов двух институтов в специально созданном в АлтГУ Центре проведения практикоориентированного экзамена прошли процедуру необычного для них экзамена, который состоял из 2-х модулей: «Предобработка данных и визуализация зависимостей» и «Построение модели машинного обучения». В течение 6 часов студенты решали практикоориентированные задания с помощью Python, используя Google Colab, PyCharm или Jupyter. Средства разработки каждый участник выбирал сам из предложенных на экзаменационной площадке вариантов.
Результаты экзамена более чем удовлетворительные: «5» — 22, «4» — 29, «3» — 7, «2» — 2.
Разработанные и апробированные в рамках проекта методики по подготовке студентов находят отклик со стороны студентов:
«Сама идея экзамена довольно интересная, на нем проверяются именно практические навыки, а не простое зазубривание материала», — Илья Дяченко, 4.105-2.
«В целом формат экзамена для меня оказался куда интереснее традиционного письменного экзамена по теории, и для таких практикоориентированных предметов он подходит очень хорошо. Сильно помогает возможность пользоваться выходом в интернет прямо на экзамене — не приходится учить наизусть структуру тех или иных используемых библиотек, можно просто заглянуть в документацию», — Михаэль Берген, 4.105-2.
«Прошедший экзамен по машинному обучению был очень схож с небольшим хакатоном по классическому ML, потому что за короткое время нужно было получить наиболее качественную модель, которая бы решала поставленную задачу. Помимо того, что удалось применить полученные знания на практике, экзамен был хорошим способом получить и новые знания», — Николай Глухов, 4.105-1.
«6 часов экзамена по машинному обучению, интенсивное решение довольно сложного кейса! Это было настоящее испытание, которое потребовало анализа, тщательной подготовки и стратегического мышления. Рад, что успешно справился с вызовом и готов применить полученные навыки в будущих проектах!» — Елисей Каркавин, 5.105-1.