Как найти своё призвание за два года, а не за десять

Сколько людей вы знаете, которые говорят: — Я работаю уже десять лет, но понимаю, что это вообще не моё. 

Это происходит постоянно. Человек учится в бакалавриате, устраивается на первую работу, несколько лет работает, понимает, что не нравится, пробует другое место, потом ещё одно… И только к 35-40 годам начинает осознавать, что ему действительно интересно. 
Проблема в том, что мир меняется слишком быстро, чтобы позволить себе такой долгий процесс поиска. 

Но что, если можно сжать этот путь до двух лет?

Почему магистратура — идеальное место для экспериментов

Привет! Я Дима Ботов, я руковожу магистратурой по искусственному интеллекту ^[1] в ИТМО. Два года назад я рассказывал на Хабре, как мы шли к созданию «другой» онлайн-магистратуры ^[2]: про личное непринятие классических подходов, «прототипы» курсов на Урале и магу как стартап с инновационным подходом. 

Сейчас мне стало интересно порассуждать на тему призвания и как высшее образование может помочь его найти. В классической магистратуре ты выбираешь научного руководителя, тему, и два года занимаешься одной и той же задачей. 

В результате возможны два сценария: 

1. Ты угадал с направлением — отлично, но это бывает редко. 

2. Ты ошибся и потратил два года впустую. 

Мы пошли другим путём. У нас студенты могут каждый семестр менять проект и роль. 

• Кто-то остаётся в одном проекте, если понимает, что хочет его развивать. 

• Кто-то пробует новую сферу, если чувствует, что прошлый выбор был не совсем удачным. 

В идеале за два года студент может протестировать 2–3 роли, поработать с 3–4 разными компаниями, партнёрами, менторами. 

Фокус на проектной работе

Ключевая идея проектного подхода в магистратуре заключается в том, что основная учебная деятельность студента — это именно работа над проектом. Другого пути нет. Только смотреть лекции, делать лабораторные или домашние задания недостаточно — такая система не работает. 

Поэтому при формировании образовательной траектории студент выбирает проект — это первое, с чего вообще нужно начать. Мы это делаем через буткемп: в первые две недели ребята работают в режиме хакатона над проектами. Важный анонс ⬇

Следующий хакатон пройдет с 2 по 13 сентября онлайн, а также офлайн в Москве и Санкт-Петербурге. Темой станет применение AI в образовании, а генеральным партнером выступает Яндекс Образование. Регистрация открыта для всех — следите за анонсами в наших каналах!

Проектная работа предполагает решение новой задачи для студента. Если он берёт типовую задачу, которую уже умеет решать, развития не будет. Важно выбирать проект, в котором есть вызов, проблемы, с которыми ранее не приходилось сталкиваться. 

Система треков

Второй важный выбор — в каком треке развиваться. Это не только про проекты, но и про критерии успеха. Треки в нашей магистратуре отличаются жизненным циклом проекта, пулом менторов и спецификой партнёров: 

1. Индустриальный трек — это самый популярный трек у нас, на нём учатся 60-70% студентов. Здесь всё понятно: бизнес приходит с запросом на конкретную задачу, студент работает над его решением. Этот трек особенно подходит для тех, кто хочет видеть, как их работа внедряется в уже существующий продукт. 

2. Научный ^[3] трек подходит для тех, кому важно глубоко разобраться в фундаментальных вопросах и кто хочет поработать с международными исследовательскими лабораториями.

3. Стартап-трек — создание продукта для рынка, выход на первые продажи. Если хочется проверить гипотезы, создать что-то своё, вывести продукт на рынок и собрать инвестиции. 

4. Образовательный (EdTech) трек — разработка курсов, симуляторов, тренажёров, применение ИИ в образовании. Этот вараинт для тех, если интересно разрабатывать новые форматы обучения ^[4] и хочется сделать технологии доступными для широкой аудитории. 

Каждый трек имеет свои критерии успеха. Например, успешность научного проекта определяется публикацией в топовых конференциях,  индустриального — его внедрением у заказчика, реальный экономический эффект, в стартап-треке — первые платящие клиенты, а не просто гранты, а в образовании — сколько людей реально воспользовались решением.  

Важно, что студенты могут менять треки. Это не жёсткая система — в идеале студент пробует разные направления каждый семестр. Чем больше студент пробует нового, тем быстрее растёт. Мы развиваемся, когда решаем новые задачи, а не когда выполняем привычные действия сотни раз подряд.

Роли: кем можно себя попробовать

Чтобы дать студентам максимальную вариативность, мы выделили четыре ключевые роли, которые перекрывают весь цикл работы с данными и AI-продуктами: 

1. ML-инженер

• Разрабатывает модели машинного обучения. 

• Оптимизирует их, подготавливает к продакшену. 

• Работает с MLOps. 

2. Дата-инженер

• Строит инфраструктуру для работы с данными. 

• Автоматизирует сбор, обработку и хранение данных. 

3. Дата-аналитик

• Извлекает инсайты из данных. 

• Работает с визуализацией и помогает бизнесу принимать решения. 

4. AI-продуктовый разработчик

• Проверяет продуктовые гипотезы. 

• Думает о конечном пользователе. 

• Соединяет AI и бизнес-логику. 

Также можно совмещать свою роль с обязанностями проджект-менеджера, так как у нас нет внешних проджектов — студенты сами управляют своими проектами. Научный руководитель или ментор не выполняют функции проджекта: кто-то из команды берёт на себя эту ответственность. 

Почему выборность курсов имеет значение

Вместо фиксированной программы у нас все курсы — выборные. Есть фундаментальные курсы (математика ^[5] для машинного обучения, алгоритмы, структуры данных), прикладные курсы по технологиям, управленческие дисциплины, курсы по продуктовому мышлению ^[6] и софт-скиллам.

Ключевой принцип здесь —  помочь студенту сформировать траекторию так, чтобы выбранные курсы усиливали его проект. Чтобы каждую из дисциплин человек применил в своём проекте.

А ещё важно, что когда студент выбирает курсы сам, то он попадает в группу таких же людей, которые осознанно сделали этот выбор. У таких студентов схожие карьерные цели, и в этом окружении они растут быстрее: они оказываются в сообществе с будущими коллегами, партнёрами и сооснователями стартапов. 

Гибкость и возможность смены направлений

Наша магистратура предоставляет возможность попробовать себя в различных ролях и треках, что помогает им найти своё призвание. Часто студенты приходят с одними ожиданиями, но в процессе понимают, что их настоящие интересы лежат в другой области. 

Допустим, студент на первом курсе выбирает научный трек. Делает исследование, пишет статью, но понимает, что фундаментальная наука — не его путь. На втором курсе он переходит в индустриальный трек, начинает работать с бизнесовыми задачами, адаптирует свои знания под реальные кейсы. В итоге он выходит из магистратуры не с догадками, а с чётким пониманием: «Я попробовал ресёрч — не моё. Попробовал индустрию — вот здесь мне интересно». Это реальная история, и таких много. 

Система треков существует уже два года, и со временем она стала более чёткой. Это не принципиально новая концепция — в ВКР уже были альтернативные форматы защиты, например, научная статья или бизнес-тезис. Мы просто сделали треки сквозными, пронизывающими всю магистратуру с первого семестра. 

Почему это лучше, чем традиционная модель

Большинство людей ищут своё призвание годами. 

• Пробуют одну компанию, потом другую. 

• Тратят годы на осознание, чего они хотят. 

Мы даём возможность этот опыт ^[7] прожить в рамках университета, перевернув классическую образовательную модель: не начинаем с теории, а сразу погружаем студентов в практику. Ведь это как спортзал: можно сколько угодно смотреть видео, но без реальных тренировок результата не будет. 

В итоге студент выходит из магистратуры не просто с дипломом, а с чётким пониманием своей роли в индустрии, мощным портфолио реальных проектов, а ещё и в окружении сильного комьюнити.

А это уже совсем другой уровень старта. Так зачем тратить десять лет, если можно два?