uk

Deep Tech Talent: мільйон слухачів і перемога українського університету

Нині Європейський Союз втілює кілька масштабних проєктів з технологічної модернізації. Найважливіші з них — «зелений перехід» до економіки без вуглецевого палива і цифрова трансформація. Однак для ефективного переходу на зелені й цифрові технології Європі все ще не вистачає кваліфікованих спеціалістів. Для того, щоб навчити людей працювати в галузях глибоких технологій (Deep Tech), Європейський інститут технологій та інновацій (European Institute of Technology and Innovation, EIT) започаткував ініціативу Deep Tech Talent.

Ініціатива ставила перед собою амбітну ціль — до грудня 2025 року навчити мільйон людей. Нещодавно EIT з гордістю повідомив, що ціль досягнуто. Слухачі курсів набули навичок роботи зі штучним інтелектом, біотехнологіями, передовими обчисленнями, робототехнікою тощо (https://surl.li/tyasve).

Одним з учасників ініціативи Deep Tech Talent став і Київський академічний університет. Українські науковці створили понад тридцять навчальних курсів Deep Tech і підготували найбільшу (!) кількість слухачів у Європі в номінації закладів вищої освіти.

Запитуємо в менеджерки проєкту BOOSTalent (таку назву має проєкт, який виконали науковці) Ольги Воропай та авторів деяких курсів: чого прагнули навчити, чи задоволені результатом? А також — що дала їм участь у проєкті та  яким бачать розвиток навчання у галузі Deep Tech?

Крапочка планів на мапі невизначеності

«Коли дізналися, що наша заявка перемогла, неймовірно раділи, — згадує Ольга Воропай. — На мапі невизначеності (на другий рік війни) з’явилася «крапочка» планів і нових перспектив. Це давало відчуття безпеки й можливості для розвитку. І, найважливіше, викладачі КАУ стали повноцінними учасниками проєкту».

До цього ж, за словами співрозмовниці, команда Центру інновацій КАУ певний час намагалася знайти точки дотику між роботою Центру й освітнім процесом в університеті. Це було непросто, бо Центр інновацій шукав стартапи, намагався комерціалізувати ідеї та розробки, а студенти й викладачі КАУ стосунку до стартапів тоді не мали. Між Центром і університетом відчувалася межа, і саме ініціатива Deep Tech Talent допомогла її подолати.

Для участі в ініціативі було створено консорціум, до якого увійшли сім учасників, зокрема Арктичний університет (Норвегія), університети з Болгарії й Туреччини. Консорціум вирішив, що курси будуть і англійською, й іншими мовами, головне, щоб студенти розуміли, про що йдеться. Тому науковці з Києва створили курси й українською, і англійською.

На фото: у кулуарах конференції

Несподіваним викликом, за словами менеджерки проєкту, стала умова навчати саме Deep Tech знань, навичок і компетенцій. За визначенням Європейського інституту технологій та інновацій, до високотехнологічних галузей Deep Tech входять кібербезпека, штучний інтелект, машинне навчання, аерокосмічні технології тощо. Але Deep Tech — не лише про технології, а й про створення на їхній основі проривних інновацій для розв’язання фундаментальних проблем або формування абсолютно нових ринків. Тому викладачі мали визначитися, чи стосуються їхні навчальні матеріали саме глибоких технологій і «прив’язати» їх до Deep Tech.

 І освіта, і підприємництво

Ініціатива Deep Tech Talent ставила перед собою завдання поєднати технологічну і підприємницьку освіту. Для КАУ це було особливо корисно, адже університет уже мав досвід навчання підприємництва (курси SEEDplus). «Ми скористалися цією можливістю і внесли до свого проєкту створення Центру підтримки технологій та інновацій КАУ (TISC). І цілком успішно його запустили», — розповіла пані Ольга.

Це допомогло втілити ще одну мрію університету — створити магістерську програму менеджменту інновацій (https://drive.google.com/file/d/1u65OlHA1bg4zneSUps4QTUK8hJgyW5Yq/view). Майбутні випускники, за задумом, розбиратимуться і в технологіях, і в процесах їхньої комерціалізації.

Про перемогу — публічно і голосно

Про перемогу киян оголосили під час підсумкової зустрічі у Варшаві. Як розповіли керівники ініціативи Deep Tech Talent, коли вони зрозуміли, що найбільше слухачів підготував університет з Києва, вирішили, що про цю перемогу потрібно говорити голосно і публічно.

«Нас усі вітали, говорили, що дуже важливо, що університет з України, попри війну, взяв участь в ініціативі й переміг», — згадує Ольга Воропай.

На фото: оголошення про перемогу українських науковців під час конференції у Варшаві

До речі, нещодавно університет подав заявку на наступний конкурс Європейського інституту технологій та інновацій. «Науковці переконалися, що грантове фінансування дає чудові можливості для розвитку, і мають плани для продовження співпраці. Окрім того, цей проєкт — чергова «цеглинка» до наукового парку Academ.City. Таких цеглинок у нас уже трошки назбиралося, вже можна, образно кажучи, будувати дах і стіни», — підсумовує  співрозмовниця.

Курси, які підготовано в рамках проєкту, можна знайти на платформі КАУ. Шість із них сертифіковано ініціативою Deep Tech Talent, після їх закінчення слухачі отримують сертифікати європейського зразка.

Підхід «спринту» спрацював

Один із сертифікованих курсів — «Основи технології з’єднання та обробки матеріалів» (https://academcity.org.ua/services/Fundamentals-of-materials-joining-and-processing/). Цей курс розробив Олексій Міленін, провідний науковий співробітник Інституту електрозварювання ім. Є.О. Патона НАН України. Він також відповідав за освітню частину проєкту BOOSTalent і координував роботу викладачів.

Запитуємо у пана Олексія: що було найскладніше під час виконання проєкту?

«Ми розуміли, що люди приходять за конкретними знаннями, і не завжди готові слухати довгий курс, — розповів він. — Окрім того, ми не знали, хто прийде — старшокласники, студенти, аспіранти чи науковці з досвідом. Надто проста розповідь була б нецікава вченим, а надто складна — студентам».

Тому учасники розробили програму, яка складається з коротких курсів (кожен з яких містить три-чотири-п’ять лекцій) різних рівнів складності — початкового, середнього й професійного. Усього було розроблено понад тридцять курсів —  за напрямками фундаментального матеріалознавства, технологій матеріалів і машинного навчання, штучного інтелекту тощо.

«Для створення курсів BOOSTalent ми використали наші наукові результати й навчальні матеріали з викладання в КАУ, — каже співрозмовник. — Планували підготувати близько трьох сотень фахівців, але підготували значно більше. Чесно кажучи, я не очікував, що долучиться така кількість людей і що так багато з них прослухають курси до кінця».

Курс Олексія Міленіна про з’єднання й обробку матеріалів було сертифіковано першим. На нього записалися 70 (!) слухачів, чимало з них прослухали всі п’ять лекцій.

Яка ж практична користь від навчання?

Науковець пояснив, що студенти, наприклад, можуть з коротких курсів скласти власну унікальну освітню траєкторію, а підприємці — дізнатися, як використати штучний інтелект у тій чи іншій технології. Можна навчитися розв’язувати мультидисциплінарні задачі з фундаментального матеріалознавства і моделювання матеріалів за допомогою ШІ, а також —  прогнозувати властивості матеріалів.

«Ми запропонували цікавий підхід «спринту», коли людина може прослухати короткі курси й доповнити свої знання чи закрити у них прогалини. Цей підхід спрацював, — додав науковець. — Було б добре продовжити проєкт і в рамках курсів поспілкуватися з викладачами й студентами іноземних університетів».

Практику коротких курсів, на думку вченого, було б корисно «вписати» і в навчальну програму університету.

«Цей проєкт дав мені чудовий досвід, — підсумовує пан Олексій. — Завжди цікаво сформувати нову ідею і подивитися, чи буде вона життєздатною. На курси слухачі приходять добровільно, інакше кажучи, «голосують ногами». Це хороша нагода перевірити, чи цікаві твої лекції студентам».

Не тільки «для технарів»

У  проєкт BOOSTalent кожен науковець приносив власні ідеї й напрацювання. А на старті роботи, як розповів завідувач відділу прикладної математики та обчислювального експерименту в матеріалознавстві Інституту проблем матеріалознавства імені І.М. Францевича НАН України Олександр Васільєв,  «усі намагалися зрозуміти, які теми потрібні саме для Deep Tech».

Вчений зізнається: попри сім років викладацького стажу в Київській політехніці, відчував, що братися за цю роботу трохи ризиковано. «Я знаю, що таке готувати навчальний курс, це забирає дуже багато часу», — пояснив він.

У проєкт науковець прийшов з ідеєю прочитати курс інформатики матеріалів —  від перших принципів до методів навчання. Тобто — про квантово-хімічні, квантово-механічні розрахунки, використання методів машинного навчання для розв’язання матеріалознавчих задач шляхом атомістичного моделювання.

Раніше у цій темі працювали переважно науковці, але нині ці знання можуть стати у пригоді в інноваційних проєктах, під час розв’язання «глибоких» задач розроблення та вдосконалення матеріалів.

«Для того, щоб курс був доступний не тільки «для технарів», я доклав значних зусиль і виклав методи машинного навчання для матеріалознавчих завдань максимально просто, — додав співрозмовник. — Цей базовий курс став одним з найпопулярніших. Я пояснив, як саме і де люди використовують машинне навчання (штучний інтелект), розповів про інженерію матеріалу під експлуатаційні вимоги й, більш широко, про машинне навчання в життєвому циклі матеріалів».

Наступний  курс — «Машинне навчання для атомістики» (Machine Learning in Atomic Materials Engineering) — складніший. За словами пана Олександра, слухачі вивчали доступні програмні пакети, способи їх встановлення, методи підготовки даних тощо. «Образно кажучи, якщо ви знаєте, де лежить молоток, ви зможете забивати цікаві цвяхи», — з усмішкою прокоментував дослідник.

Останній, найскладніший курс пройшли ті, хто хотів конструювати відповідні моделі самостійно. Ці знання, за словами вченого, потрібні, щоб знати, що відбувається «всередині» моделі машинного навчання.

«Тобто, якщо середній рівень був задуманий, щоб знайти інструменти для стартапу чи Deep Tech, то мета останнього — допомогти розібратися, що відбувається всередині програми. А також — підібрати гіперпараметри моделей машинного навчання, усвідомити, що вони означають, на що впливають, як знайти баланс між точністю і швидкістю розрахунків», — розповів науковець.

Участь у проєкті, за словами пана Олександра, допомогла йому втілити в життя маленьку мрію — викладати власний авторський курс на передньому краї науки. Напрацьовані матеріали стали основою курсу для аспірантів Інституту проблем матеріалознавства та курсу для магістрів Київського академічного університету.

Наукові пригоди

Курси розробляли так, щоб їх можна було прослухати й онлайн, і в асинхронному форматі. Один з найпопулярніших у рамках проєкту — про інструменти машинного навчання (Tools of Machine Learning). Його підготували старший науковий співробітник лабораторії дослідження даних та машинного навчання КАУ  Володимир Безгуба і завідувач лабораторії Віталій Тимчишин. На курс записалися сорок слухачів, приблизно третина з них дійшли до кінця.

«Цей курс про базові навички в машинному навчанні, у штучному інтелекті, — пояснює Володимир Безгуба. — Короткий формат допомагає слухачам не втратити мотивацію, відчути, що вони чогось навчилися і мають результат».

Наступні три курси, які підготували Володимир з Віталієм для самостійного опрацювання, — про математичні основи машинного навчання (тритижневий), а також про методи машинного навчання з учителем та без учителя (supervised та unsupervised learning, тритижневий та чотиритижневий).

«Курси містять цікаві інтерактивні завдання, — продовжує розповідь науковець. — У чому різниця навчання з учителем та без? У першому випадку потрібно «розбити» щось на класи на основі вже відомих класів. Наприклад, навчити систему розпізнавати певні рукописні цифри, знаючи, що це за цифри. У курсі, присвяченому навчанню без учителя — це вже задача кластеризації, коли потрібно навчити систему відрізняти цифри, не знаючи, якій саме цифрі відповідає кожне зображення».

Ще один курс — «із зірочкою»,  у якому є складніша математика й починається топологічний аналіз даних, — це навчання на многовидах (Manifold Learning).

Попри те, що запропоновані курси не можна назвати легкими, їх прослухали студенти, молоді науковці, люди, які працюють у бізнесі й потребують знань з математики чи навичок машинного навчання.

Матеріали для курсів створено у хмарному сервісі Google Collab, де можна розміщувати так звані Jupyter ноутбуки. «Це дуже корисно й зручно, бо слухач одразу бачить інтерактивну демонстрацію матеріалу і може вносити зміни, щоб краще розібратися в темі, — пояснює Володимир Безгуба. — Ось, наприклад, зразок коду на Python. Ми розказуємо студентам теорію й одразу показуємо, як це працює. Студенти мають доступ до віртуального ноутбука і можуть вносити свої правки. Це свого роду маленька гра, пригода».

Окрім курсів, викладачі підготували два воркшопи, один — з візуалізації даних у віртуальній реальності й інтерактивному 3D-мистецтві («Мистецтво і наука зустрічаються в Україні»), другий — з високопродуктивних обчислень. «Колега з Чехії подарував нам комп’ютер і шолом для роботи з віртуальною реальністю, — додав Володимир Безгуба. — Він позиціював це як підтримку України під час війни. Приїхав особисто і провів ці воркшопи. Було не тільки цікаво, а й дуже приємно дістати таку підтримку».

Запитую: що було цікаво у проєкті для самого науковця?

«Ми набули досвіду підготовки якісних відеоматеріалів, досвіду організації асинхронного навчання, — відповів він. — І, як говорив Фейнман, якщо хочеш чогось по-справжньому навчитися, то найкраще спробувати це комусь пояснити. Викладання допомогло краще зрозуміти речі, які, мені здавалося, я й так чудово знаю. До речі, маю багато ідей на майбутнє, наприклад, було б добре зібрати в окремий курс цікаві задачі з фізики з інтерактивними демонстраціями в цифровій формі. Нещодавно була подана заявка на продовження проєкту BOOSTalent, сподіваюся на перемогу в конкурсі».

Світлана ГАЛАТА

P.S: Коли текст уже був готовий до друку,  стало відомо, що Європейський інститут технологій та інновацій підтримав ініціативу науковців щодо продовження підготовки фахівців з Deep Tech.  Новий проєкт має  назву Knowledge Rise, дізнатися про нього детальніше можна за лінком https://eit-hei.eu/projects/knowledge-rise/.