Теmр

#преподавательское #чай_с_иишенкой #длиннопост

Стали известны ещё кое-какие подробности на эту тему (напомню, основная тема введение ИИ в образовательные программы факультета + 3% с сэкономленной за счёт налоговых послаблений айти-компании должны вложить в ВУЗы).

Я если честно совсем не неможко, а очень даже множко а**ела, и не вы**ела обратно.

6 человек с волевого решения декана, которых он решил подрядить на этот движ (с ним в том числе) наконец-то согласовали дату и время, когда они встретятся и очно обсудят этот вопрос. (Аллилуя!)

Главный хэдлайнер всего этого от айтишников - его основной посыл "сделать принципиально что-то новое" т.е. что-то новое теоретическое, явно отличное от "нонче" существующих моделей и принципов их построений.

Айтишникам хорошо, у айтишников проблем с абитурой нет, а вот у нас новое требование 75 баллов средний показатель за ЕГЭ при поступлении, а у нас:
188 баллов (чистые математики), 132 балла (механики - это те ребята, про которых я уже писала в своих преподавательских постах и не раз; из-за приёмки на это направление в прошлом году моя коллега с кафедры уволилась) и 172 балла (математика и компы).

Разработка новых подходов в ИИ - идея, амбициозная, но лично нам абитуры она не даст.

У нас не такие сильные студенты, потянут ли они. Ну и это опять будет куча зубодробильной теории, которую надо будет изучать и перелопачивать и о ужас, даже что-то новое придумывать. Научная составляющая во всей своей красе. А в науку студент-то пойдёт?

Да ладно студенты, а преподы? Захочет ли кто бросить область своих научных интересов, чтобы заниматься чем-то новым и прорывным, ища "новые" подходы в ИИ (но не владея старыми в полной мере - давече наш ВУЗ с треском провалил грант на тему связанную с ИИ; там типа ВУЗ собирал целое портфолио статей, которые по факту оказались пшиком: используем - да, делаем что-то своё - нет). Тут вопрос риторический.

Будут ли платить компании за эти непонятные воздушные замки? (нет).

Помимо теоретической части есть ещё и ресурсная в виде железа.

Ещё инфраструктура и экосистема.

Был сколько-то лет назад KAN - принципиально новый подход к построению сетей. Ну и где он? Нету. Никто им не пользуется (в широкой своей массе).

У айтишников почему-то главная претензия к LLM и всей той свистопляске вокруг крупных компаний, которые сейчас у руля.

- раунд финансирования
- немыслимые объёмы параметров, требующие кучу оперативы
- агентное программирование

Инфоцыганами их так и назвали (такое слово прям в презе было, которую нам разослали)

Как в профильных чатиках говорят - мыльный пузырь по типу доткомов.

А у меня другой пример.

Всё вот это(не хочу ЭТО называть именно ИИ) активно развивающееся и разрастающееся - просто новый инструмент, который нужно
а) осваивать
б) применять

С каждым годом задачи становятся всё сложнее и более наукоёмкими.

В прошлом году к нам приходили товарищи из одной компании и выкатили пул задач типа студентам для прохождении практики и написания диплома/курсовой, но, на самом деле, там были задачи, которые они сами решить просто не могут. Потому что математические компетенции, требующиеся для их решения нужны ого-го (дифф.геометрия, топология, оптимизация графов, вариационное исчисление) - вся та продвинутая математика, которую у нас на факультете преподают (но у которой у нас на факультете нет прямой практический реализации в цифровом формате - студенты всё на листочках считают).

Время, когда было достаточно прикрутить XGBoost к табличке уже давным давно прошло. Сейчас говорят о более сложных вещах, таких как "с точки зрения топологии данные в своём признаковом пространстве лежат на многообразии, поэтому давайте искать в них устойчивые гомологии".

#преподавательское #длиннопост #чай_с_иишенкой

Удочку о том, что надо выделять образовательный трэк по ИИ (прасти хоспаде) в учебной программе я закинула 3 года назад. Когда собирали новую учебную программу в рамках пилота (то, как её собирали вообще отдельная песня - просто растянули то что есть, присыпав кое-чем из магистратуры и вуаля план для БВО готов)

Чего-то ходила, нудела, таскала книжки для ознакомления с непонятными моментами - основной запрос преподов на факультете (напомню, механико-математическом) какая там математика задействована (желательно с теоремами и проч.). Я притащила все книжки, посыл которых: Математика в data science, математика в машинном обучении и т.д. (4 штуки утащила) и даже электронную подборку сделала - там ещё больше.

Делала презы на полсотни и даже сотни слайдов где какие математические штуки задействованы, что для того чтобы понять как устроены самые простые нейросетки (перцептроны и способ их обучения) достаточно курса матанализа (128 пар), численных методов (64 пары) и численных методов оптимизации (16 пар). А для классического машинного обучения достаточно теории вероятностей и математической статистики (32 пары и 32 пары). Но мы же мехмат, у нас ещё и статистический анализ данных имеется в наличии (в новой УП для БВО аж 5 разных штук в виде спец.курсов). И что метод наименьших квадратов это священная корова машинного обучения, как у нас этот "нещастный" матанализ.

2 года назад подняли вопрос о том - а не сходить ли в лигу "Разработчиков образовательных программ" (наше местное ноу-хау для тех, что хочет что-то поменять аля пересобрать программу под новые реалии - ВУЗ выделяет время и место и опытных в этом плане людей, чтобы заставлять пришедших туда преподов ломать свои шаблоны и переделывать программы под новые реалии и форматы. Я ходила туда, но не как РОП, а как помощник РОПа. Лично для себя много нового узнала в плане всей этой кухни.

Так вот 2 года назад этот вопрос поднял уже декан и, вспомнив, что я там чего-то ходила, нудела и зудела, обратился ко мне. Я там в очередной раз совершив некоторый мыслительный процесс тоже всякого полезного поделала: что добавить в УП (на факультете это есть), что переделать в УП (предлагала ввести курс по работе с данными - в МО навык работать с данными очень важен). Чего нет на факультете - подсвятила все практические и инженерные моменты, которых факультету не хватает и их на факультете нет (нет людей, владеющих CUDA, нет людей которые могут что-то про разврётывание и внедрение рассказать/показать (привет Docker и K8s), по инженерии данных тоже пробел - нещастная практика по БД в MS Access с натяжкой перекрывает SQL, но есть ещё и noSQL решения и даже графовые сети (про облака и озёра данных вообще молчу)).

Но желающих не нашлось.

Никому нафиг не надо. Кроме меня, вестимо.

Прошлой осенью универ устраивал страт.сессии для факультетов, которые проваливают набор аля самые низкий баллы после закрытия КЦП и живых студентов у которых получается с гулькин нос. Чтобы типа заинтересованные люди пришли и чего-то там понапридумывали. Типа факультету нужен бренд, нужно придумывать как продавать свою программу и проч.

Механики вообще заявили, что это проблема государства обеспечить их абитурой (и ничего они делать не будут, чтобы что-то поменять), Из-за этих товарищей моя коллега по кафедре в прошлом году уволилась, отработав в приёмке, когда до конца закрытия оной оставалось 10 дней, а активных заявлений на программу было 5 (а надо было 21). Как раз из-за цирка с конями, который пришлось устраивать, чтобы закрыть КЦП.

Было бесполезное переливание из пустого в порожнее.

И вот, сейчас, уже теперь распоряжение сверху (тобишь от ректора) "Если вы сами не захотели делать трэк по ИИ, то вот вам от меня распоряжение сверху - делайте". Типа при наборе ходите и трясите этим флагом.

И вот, теперь зав.кафедры хочет от меня услышать ваше "видение МО на ММФ" и декан просит "выдели для меня в УП жёлтеньким те предметы, которые относятся к ИИ".

И все так резко зашевелились (сарказм).

А у нас в плане всего 3 дисциплины, напрямую касающиеся МО:

введение в машинное обучение 16/16
технологии мо 24/24
инс на python 16/16.

Мне когда эти цифры прислали в письме я наивно полагала, что это число пар. Но это академ.часы, т.е. на дисциплины, имеющие прямую практическую реализацию всей той тонны математики, которую нашим студентам наваливают на факультете дано всего 56 пар на 3 курса чтобы там что-то по МО и ИИ состряпать.