Современный мир кардинально изменился благодаря стремительному развитию технологий, особенно в сферах больших данных (Big Data) и искусственного интеллекта (Al). Если раньше математика была основой фундаментального образования и ограничивалась преимущественно подготовкой узких специалистов, то теперь потребность в специалистах с хорошими математическими навыками охватывает почти все профессии. Но возникает важный вопрос: как должно меняться математическое образование, чтобы соответствовать вызовам эпохи?
Ответить на поставленный вопрос вызвалась к.т.н., доцент кафедры математики и анализа данных Финансового университета при Правительстве РФ Эльвира Рамазанова:
- Чтобы раскрыть этот вопрос, рассмотрим несколько ключевых моментов, подкрепленных примерами из собственной практики работы в университете.
Традиционное математическое образование сосредоточено на изучении формул, теорем и доказательств. Однако эпоха Big Data предъявляет совершенно иные требования. Теперь важны не столько сами формулы, сколько понимание принципов работы математических моделей и умение интерпретировать результаты расчетов. Например, традиционные курсы линейной алгебры дополняются модулями по матричным вычислениям и принципам факторного анализа, необходимым для понимания глубинных связей в больших наборах данных.
Другой яркий пример – введение курса по обработке изображений и распознаванию объектов. Ранее подобные темы были редкостью даже в вузах технического профиля, однако сегодня такая дисциплина важна и для специалистов в области финансов, помогая анализировать визуализированные экономические индикаторы и прогнозы.
В последние годы особое значение приобрели специализированные курсы по Data Science анализу данных. Они включают знакомство с такими понятиями, как временные ряды, корреляционный анализ, построение предиктивных моделей. Кроме того, в программу вводятся дополнительные модули по изучению языков программирования, необходимых для работы с большими объемами данных, таких как Python и R. За короткий срок студенты приобретают не только знания, но и практику, создавая небольшие аналитические отчеты и прототипы приложений.
Переход к новому типу математического образования также сопряжен с рядом трудностей. Во-первых, это проблема переучивания преподавателей. Традиционная школа математического образования основана на строгих доказательствах и логических выводах, тогда как современная математика все больше ориентируется на эмпирические выводы и интуицию. Возникает необходимость привлечения новых специалистов, владеющих практическими навыками работы с данными.
Во-вторых, возникают сложности с обеспеченностью оборудованием и программным обеспечением. Работа с большими данными невозможна без мощных компьютеров и специализированного программного обеспечения.
Третья сложность связана с изменением восприятия математики самими студентами. Раньше математика воспринималась как сложная, но стабильная область, требующая аккуратности и терпения. Сейчас ситуация изменилась: студент получает большой объем данных, работает с различными алгоритмами и учится понимать их недостатки и ограничения. Такое изменение мировоззрения иногда вызывает стресс у учащихся, привыкших к четким правилам и ясным результатам.
Тем не менее новая реальность открывает и значительные возможности. Университеты, сумевшие перестроиться первыми, получили существенное преимущество на рынке образовательных услуг. Один из удачных примеров – программа магистратуры по направлению «Анализ данных и машинное обучение в экономике и финансах», разработанная Финансовым университетом. Программа пользуется популярностью у студентов, привлекая сильных кандидатов из различных уголков страны и зарубежья.
Кроме того, современный подход к математике дает прекрасную возможность заниматься наукой на стыке дисциплин. Например, на факультете информационных технологий и анализа больших данных Финансового университета занимаются, в частности, разработкой моделей прогнозирования волатильности акций на российском рынке, используя методы машинного обучения и нейронных сетей. Подобные исследования стали возможны благодаря наличию качественной базы данных и высокопроизводительных вычислительных мощностей.
Таким образом, эпоха Big Data и Al ставит перед нами серьезные вызовы, но одновременно создает огромные возможности для преобразования математического образования. Ключевыми компонентами этого перехода становятся изменение формата подачи материала, привлечение специалистов – практиков, приобретение необходимого оборудования и переориентация учебного процесса на запросы реального сектора экономики. Задача университета – принять этот вызов и подготовить новое поколение специалистов, готовых к встрече с миром больших данных и искусственного интеллекта.
