圣彼得堡国立大学培养高水平数学专家

应用数学、计算机科学与程序设计基础、现代程序设计和人工智能与数据科学在申请数量上名列前茅。

是什么原因导致对这一教育方向有如此大的需求？它提供了哪些独特的培训？为什么它的毕业生会成为俄罗斯 IT 公司的理想求职者？圣彼得堡国立大学应用数学、程序设计和人工智能本科专业负责人兼圣彼得堡国立大学应用控制论系主任尼古拉·弗拉基米罗维奇·库兹涅佐夫回答了我们的问题。

尼古拉·库兹涅佐夫，圣彼得堡大学教授、俄罗斯科学院通讯院士、俄罗斯联邦数学和力学学派领导者、圣彼得堡大学应用控制论系主任，被列入全球高被引研究人员名单（约占《科学网》上该领域全球最高被引科学家的0.1%）。圣彼得堡大学每年都在上海高校排名（ARWU）中名列前茅，在该排名中，高被引科学家的地位与诺贝尔奖和菲尔兹奖具有同等分量。

尼古拉·弗拉基米罗维奇，近几年来，机器学习和人工智能领域的教育课程已成为现代高等教育体系的必要组成部分。在您看来，它们是如何发展起来的？

过去几年来，人工智能领域的学生培训计划已从独特和孤立发展到大众和普及。与此同时，人工智能技术的进步也大大降低了完成各种实际任务所需的必要知识门槛。所有这一切都使得大规模培训合格的专业人员成为可能，这些专业人员能够在实践中应用现有的人工智能技术，并且是劳动力市场所需要的。同样，从独特性到大规模培训毕业生，编程和信息技术领域的教育计划也适时发展起来。但需要强调的是，开发新的人工智能架构和技术需要数学各领域的基础数学知识，以及在应用数学仪器中应用这些知识的能力。这意味着需要进行全面的培训。例如，学习机器学习的基础知识需要在三门本科课程中依次掌握相互关联的经典数学学科。

在您看来，圣彼得堡国立大学应用数学、程序设计和人工智能相关的教育课程与其他大学有哪些不同？

我们这所传统大学的优势在于可以在人工智能发展的不同学科领域广泛开展跨学科课程：从语言学、新闻学和管理学到生物信息学、化学和物理学。由于大学提供的机会，我们全力邀请圣彼得堡国立大学核心院系和研究所的各类专家。例如，我们的应用数学、程序设计和人工智能本科教育项目包括运筹学、统计建模、计算方法、控制论等领域。得益于大学现有的数学科学学院，我们在人工智能技术的实际数学装置方面拥有广泛的人才培养资源。这使我们能够培养出能够自己开发和实施新架构的学生，并取得重要的科学成果。

同样重要的是，圣彼得堡国立大学的一大特色是拥有真正顶尖的数学人才。在上海学科排名中，在重点学科之一的自动化与控制方向上，我们学校成为俄罗斯联邦最好的大学，并进入世界百强大学行列。自2018年起，在 “向先进的数字化、智能化制造技术、机器人系统、新材料和设计方法过渡，创建处理大量数据的系统、机器学习和人工智能 ”这一科技发展优先领域，圣彼得堡国立大学应用控制论系的研究团队被授予俄罗斯联邦数学和力学领域领先科学学校的地位。俄罗斯联邦总统委员会曾 50 多次授予圣彼得堡国立大学数学与力学学院的团队 “俄罗斯联邦领先科学院 ”的地位。

在过去三年中，我多次被列入跨学科研究领域全球高被引研究人员名单。这为巩固圣彼得堡国立大学在上海高校排名中的地位做出了重要贡献。

在国家项目的框架内，圣彼得堡国立大学数学与机械学院的教师研发了一系列新项目，其中包括与Sber 的网络项目。这种合作的前景如何？

工业合作伙伴参与教学计划可以让学生学会如何将基础理论知识应用于实践。我们的本科课程目前正积极与 TaskData、Beeline 和 T-Bank 合作，今年还加入了 Sber 的网络课程。这种合作为该专业的优秀毕业生提供了快速就业的机会。

此外，我们还应该注意到国家对培养人工智能领域专家的高度关注。根据俄罗斯联邦总统 2019 年 10 月 10 日第 490 号 “关于在俄罗斯联邦发展人工智能 ”的命令，自 2020 年起，在我的领导下，数学与力学学院的团队在多项拨款框架内， 在圣彼得堡国立大学大学开设了 “应用数学、程序设计和人工智能 ”本科课程。(圣彼得堡国立大学数学家尼古拉·库兹涅佐夫：“未来的任务也许会是用人工智能取代科学家？”).

您创建的教育课程在 2024 年成为大学中学习名额申请数量最多的课程。您如何解释申请人的这种需求？

当然，该课程在圣彼得堡的成功与圣彼得堡大学的品牌及其巨大的科学和人力资源潜力有关。此外，这也是长期艰苦工作的成果，吸引了俄罗斯和外国顶尖专家以及 IT 公司代表，共同开发培训课程，将基础科学成果与应用领域的应用经验相结合。

“应用数学、程序设计和人工智能”本科课程的计划和目标是否与学校课程相关？课程与学校科目之间是否有连续性？还是学生要学习全新的内容？

本科课程是俄罗斯第一个考虑到新的《2022 年中等普通教育联邦国家教育标准》（FSES）变化的课程。从第一学期开始，我们的学生将学习 “离散分析和机器学习入门 ”课程，在这门课程中，现在在学校学习的经典离散分析课程的部分章节将被简单数学问题所取代，但这对机器学习发展非常有用。之所以能做到这一点，是因为 “概率与统计 ”课程被纳入了中等通识教育的数学和计算机科学课程中，处理和分析大数据、预测、分类、聚类的任务，以及技术讨论和人工智能任务的一般性陈述。换句话说，与学校教育的连续性是显而易见的。

您对圣彼得堡国立大学的学生以及未来的大学申请人有什么祝福？

在选择教育课程时，我建议申请人清楚地了解他们在完成学业后想要达到的目标。对在校学生来说，希望他们能克服困难，找到有趣的事情！