Более 700 преподавателей российских вузов прошли обучение в рамках ДПО ВШЭ по ИИ
Завершилось обучение преподавателей российских университетов по программе дополнительного профессионального образования Центра непрерывного образования факультета компьютерных наук (ЦНО ФКН) НИУ ВШЭ, реализованной совместно с Альянсом в сфере искусственного интеллекта. По словам директора центра Сергея Карапетяна, «основная цель с практической точки зрения — предложить коллегам как можно больше разнообразных материалов в области ИИ, которые будут им полезны при подготовке и проведении занятий».
Сергей Карапетян
Задача была не просто прочесть лекции, а организовать обмен опытом между преподавателями, подчеркнул Сергей Карапетян. Имея более чем семилетний опыт в проведении программ дополнительного профессионального образования по смежным направлениям, ЦНО ФКН помог внедрить практические компетенции для преподавателей, которые уже сегодня применяют результаты обучения в работе со своими студентами. «Захотелось показать фрагменты вебинара студентам в начале курсов по теории вероятностей и анализу данных: задачи предлагаются не только на контрольных работах по дисциплине, но и на собеседованиях в ведущие компании. Их обсуждение полезно начинать с первого курса», — поделилась впечатлениями Марина Аханова, доцент Тюменского индустриального университета.
Обучение проходило в онлайн-формате с разбивкой на тематические модули, что позволило слушателям в комфортном режиме изучить учебные и методические материалы курса. Обучающиеся могли выбрать одно из трех направлений: анализ данных и машинное обучение, математика искусственного интеллекта, языки программирования и алгоритмы в искусственном интеллекте. В рамках программы повышения квалификации эксперты НИУ ВШЭ провели онлайн-встречи по реализации профильных курсов, поделились опытом проведения учебных дисциплин — от разработки учебного плана и использования возможностей дистанционного образования до финального оценивания и модернизации программ в будущем. Отдельный фокус был сделан на внедрении исследований и проектов в образовательный процесс.
Илья Самоненко
Как прокомментировал Илья Самоненко, замдекана по учебно-методической работе ФКН НИУ ВШЭ, «наша цель была в том, чтобы собрать и систематизировать большое количество полезных материалов, которые преподаватели смогли бы непосредственно использовать в учебном процессе; кроме того, мы пригласили наших преподавателей и коллег из ИТ-компаний, чтобы они поделились опытом работы со студентами и рассказали об ожиданиях индустрии от молодых специалистов».
Обменяться преподавательским опытом и обсудить возникающие вопросы можно было в учебном чате. На специальной платформе предлагались материалы для самостоятельной работы. Среди них — записи вебинаров, открытые ресурсы, цифровые инструменты и профильная литература, в том числе на английском языке. Елена Иванова, доцент Юго-Западного государственного университета, высоко оценила методическую поддержку программы ДПО НИУ ВШЭ: «Методические материалы, представленные в курсе, — это находка. Проработанные до мелочей, прошедшие апробацию на занятиях — что может быть лучше? По насыщенности полезной практической информацией данный курс радикально отличается от того, с чем мне пришлось столкнуться ранее. Столько систематизированной информации в открытом доступе с комментариями — фантастика!» Ускоренная трансформация технологических и бизнес-процессов требует постоянного обновления знаний и освоения новых компетенций, поэтому данная программа повышения квалификации нашла большой отклик у слушателей.
Карапетян Сергей Аркадьевич
Вам также может быть интересно:
В НИУ ВШЭ пройдет международная конференция об обучении служением и искусственном интеллекте
21–23 октября 2026 года в НИУ ВШЭ пройдет Международная научно-практическая конференция «Обучение служением и искусственный интеллект: человекоцентричная социальная миссия университета». Конференция объединит представителей российских и зарубежных университетов, органов власти, некоммерческих организаций и бизнеса. Регистрация уже открыта.
Исследователи НИУ ВШЭ оценили вклад стран БРИКС в ведущие конференции по машинному обучению
Наукометрический центр НИУ ВШЭ проанализировал более 104 тысяч работ за 2020–2025 годы, которые были представлены на десяти конференциях высшего уровня A* по рейтингу ICORE 2026. Исследователи изучили вклад Бразилии, России, Индии, Китая и ЮАР: на эти страны пришлось около 40,8 тысячи публикаций — 39,2% от всего массива. Однако распределение крайне неравномерно, и единого исследовательского пространства БРИКС пока нет.
Лаборатория будущих сетей: в НИИТ ВШЭ создали стенд для исследований 5G/6G
Стенд 5G/6G в НИИТ ВШЭ становится исследовательской площадкой, образовательной лабораторией и основой для разработки новых программных компонентов сетей будущего. Он позволяет не просто наблюдать за работой мобильной сети, а менять условия ее работы и измерять результат: скорость передачи данных, задержки, ошибки, использование радиоресурсов и другие параметры. На его основе исследователи планируют развивать технологии MIMO, O-RAN, xApp и IAB, а также экспериментировать с искусственным интеллектом.
Ученые НИУ ВШЭ научили нейросеть превращать 3D-модели в готовые технологические карты
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали систему CAD2TechSpec, которая автоматически превращает 3D-модели деталей в готовые технологические карты — пошаговые инструкции для станков. Разработка направлена на сокращение времени подготовки технической документации в машиностроении, авиастроении и других высокотехнологичных отраслях. Результаты исследованияо публикованы в журнале PeerJ Computer Science.
В НИУ ВШЭ запущен реестр ИИ-сервисов и моделей
Институт искусственного интеллекта и цифровых наук ФКН разработал сервис для регистрации и учета достижений в области искусственного интеллекта (ИИ). Платформа уже доступна для сотрудников и студентов университета.
Исследователи НИУ ВШЭ и Сбера научили нейросети лучше угадывать предпочтения пользователей
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».
Исследователи ВШЭ показали, как создавать регуляторную ДНК напрямую
Исследователи НИУ ВШЭ разработали модель для генерации промоторов и энхансеров — участков ДНК, регулирующих работу генов. Модель работает с нуклеотидами ДНК напрямую, без промежуточного преобразования в непрерывное числовое пространство. Разработка может быть полезна в синтетической биологии и генной терапии. Результаты исследования представлены на воркшопе конференции ICLR 2026.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
ИИ для врачей: ФКН ВШЭ провел курс для студентов Российского университета медицины
В июне завершился курс, посвященный использованию искусственного интеллекта в медицине, который факультет компьютерных наук НИУ ВШЭ провел для студентов первого курса направления «Педиатрия» Российского университета медицины. Курс реализован при поддержке гранта, полученного НИУ ВШЭ в соответствии с мероприятиями федерального проекта «Искусственный интеллект» национального проекта «Экономика данных и цифровая трансформация государства».
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.