Как запустить IT-магистратуру в тяжелой промышленности за три месяца

Денис Кузьмин, директор физтех-школы биологической и медицинской физики МФТИ, кандидат биологических наук.

Московский физико-технический институт и «Норникель» в июле анонсировали совместную магистерскую программу «Artificial Intelligence Transformation в промышленности». Это первая в России магистратура, где займутся подготовкой IT-специалистов для работы в тяжелой промышленности. Лучшие студенты после завершения обучения смогут претендовать на статусные вакансии в компании.

Адресная подготовка высококлассных технических специалистов для отечественных предприятий в МФТИ началась еще в советские годы

— на тот момент это было инновационное решение. В 1990-е промышленность пришла в упадок и перестала нуждаться в таком количестве кадров. Первые компании, которые поняли, что выпускники МФТИ — бесценные специалисты, принадлежали к IT-отрасли.

На сегодняшний день айтишники востребованы не только в IT-компаниях, в банковской сфере и телекоме, но и в промышленности. И как раз с представителями горнодобывающей промышленности институт взаимодействует впервые: созданная в этой отрасли образовательная программа не имеет аналогов.

У Физтеха уже были тесные отношения с «Яндексом», Mail.ru Group, «1С» и другими крупными компаниями. Мы начали развивать эту идеологию, а именно: стали искать другие секторы, в которых есть потребность в кадрах, и готовить тех или иных специалистов под конкретный запрос бизнеса, предприятий и индустрии. Одним из таких предприятий оказался «Норникель», у которого достаточно активно шли процессы цифровизации и осмысления цифровой трансформации. В какой-то момент стало понятно, что у ПАО «Норникель» накоплены большие массивы данных. Здесь совпало все: у них была конкретная задача, мощная команда, а у нас были наши компетенции, студенты и понимание, как организовать процесс. Вот мы и встретились.

Считается, что горнодобывающая отрасль — это типичная советская промышленность и работать в ней хотят люди традиционного склада, но это заблуждение.

Цифровая трансформация в «Норникеле» коснулась не только производственных технологических линий, она затрагивает экономику и финансы, логистику, управление и техническое обслуживание оборудования, системы контроля безопасности. Машинное обучение, искусственный интеллект, роботы — это сегодняшние реалии металлургов. В компании сформировалась устойчивая потребность не просто в кадрах, но в узкоспециализированных профессионалах, с учетом специфики отрасли. Взять человека «с улицы» не получится, необходимо готовить эксперта уникального профиля.

Искусственный интеллект и сарафанное радио

Магистратура «Artificial Intelligence Transformation в промышленности» — разработка, отвечающая на вызовы как индустрии, так и студентов. Техническую часть за 3 месяца разработала наша команда МФТИ из 6 человек в диалоге со специалистами компании, но общую концепцию и дизайн программы помогало готовить все студенческое сообщество: студенты ведущих вузов по направлению Data Science делились собственными представлениями о том, как должна выглядеть современная магистерская IT-программа, и, кажется, вышло очень круто. Огромную роль в ее разработке сыграли и лидеры индустрии, которые, кстати, потом захотели остаться в ней, делегировав своих преподавателей. По «сарафанному радио» в программу пришли ведущие практики из МГУ, Бауманки, «Вышки», от индустриальных партнеров МФТИ — Samsung, NVIDIA, «Яндекса». Со стороны «Норникеля» процесс поддерживала команда представителей разных отделов — от IT до PR. Шаг за шагом мы вместе разрабатывали особенности программы. К тому же для проведения хакатона — этапа отборочных испытаний на платформе Kaggle — были использованы реальные данные компании. 

Магистерская программа «Artificial Intelligence Transformation в промышленности» рассчитана на два года. За это время студенты получат глубокие знания в области IT и математики. Программа охватывает множество направлений. Data Science включает в себя большое количество дисциплин — от Computer Vision до текстовой обработки данных. Сегодня специальность Data Scientist также подразумевает знание математики и умение программировать с нуля. Кроме Python, необходимо использовать верхнеуровневые языки, такие как С и С++. Специалист, окончивший обучение, получит всестороннюю теоретическую и практическую подготовку в области Machine Learning, Deep Learning (в том числе CV и NLP), программирования и баз данных, с одной стороны, и достаточный практический опыт работы в решении реальных бизнес-задач в компании «Норникель», с другой, а также возможность продолжить работу в компании. 

Win — win

Абитуриенты, которым повезет попасть в первый поток программы, встанут у истоков инноваций на «Норникеле», примут участие в цифровой трансформации промышленного гиганта — абсолютного лидера среди металлургических компаний, станут пионерами в технологиях машинного и глубокого обучения. Если для телекоммуникационных и банковских структур студенты-айтишники — это норма, то для «Норникеля» их приход — волнующее событие. Они золотой актив, будущее холдинга. Поэтому учредители предлагают достойные условия: приличную стипендию и карьерное сопровождение. Отношение к студентам по-настоящему трепетное, но одновременно требовательное: тех, кто не проявит усердия, не сдаст сессию, не пройдет проверку кураторов, ждет отчисление. Жесткая позиция легко объяснима — подготовка каждого выпускника обойдется металлургическому гиганту примерно в один миллион рублей.

Для компании участие в этой программе не благотворительность, а вклад в свой завтрашний день, а заодно и экономия средств на поиск и наем персонала. Что касается арифметики, то она довольно проста. Например, аналитик данных получает около 200 тысяч рублей «чистыми» ежемесячно. Но нанимателю он обходится в полтора раза дороже с учетом налогов и социальных выплат. Значит, в год такой специалист будет стоить компании примерно 4 миллиона рублей. Но, обучаясь по программе, студент вовлечен в разнообразные проекты и уже фактически работает на компанию, приносит ей пользу в монетарном выражении. Экономия бюджета (не забываем и о разнице между стипендией и зарплатой) получается минимум в 5–6 раз, а в некоторых случаях — до 20–25 раз. В конечном итоге выгодно, похоже, всем. Классический пример стратегии win – win.