Программа обучения по компьютерным наукам в РУДН

Предложения по программе обучения по компьютерным наукам в РУДН.

1 TL;DR

1.1 Специальности

• Основные специальности: 02 и 09.
• Дополнительные специальности: 38.
• Специальности 02 и 09 направлены на обучение заготовки специалиста по компьютерным наукам.
• Возможные направления:
  • разработчик;
  • системный инженер;
  • научный сотрудник в области теоретических компьютерных наук;
  • научный сотрудник в области моделирования.
• Специальность 38 направлена на подготовку заготовок управленцев для информационных отраслей.

1.2 Что мы можем

• Полный цикл обучения требует наличия аспирантуры и Диссертационного совета.
• Исходя из этого, мы можем готовить только специалистов по моделированию.
• Исходя их фактических научных школ:
  • моделирование сетей (компьютерных, телекоммуникационных);
  • моделирование физических систем.

1.3 Излишние предметы в настоящее время

• В рамках Института остались осколки других научных школ с разрозненным профессорско-преподавательским составом.
• Необходимо интегрировать сотрудников в основные направления.
• Либо переориентировать их на другие подразделения Университета.

1.4 Что убрать

• Разрозненные подходы к программированию и сейчас не выстроены в единую систему.
• Необходимо перепрофилировать их на преподавание научного программирования (узкий набор языков и методик).
• Экзотические языки программирования и индустриальные языки программирования надо убрать.
• Базы данных сократить до одного семестра (с упором на практическую работу).
• Специалистов по искусственному интеллекту попробовать использовать для преподавания на факультете Искусственного интеллекта.

1.5 Практический подход

• Излишний упор на теоретический подход не даёт студентам овладеть практическими умениями.
• По крайней мере первые 4 курса должны быть направлены на овладение практическими навыками.
• Шире внедрять сержантский метод обучения (monkey see, monkey do).
• Применять проектный подход (индивидуальные и групповые проекты по каждому предмету).

2 Общие положения

• Направление компьютерных наук содержит в себе спектр траекторий и результатов обучения.
• При составлении образовательной программы следует выделить только одну траекторию (даже не несколько).
• Выбор траектории задаёт набор дисциплин, предлагаемых студентам.
• Определяющими при выборе конкретной программы являются:
  • описание программы обучения (результаты, возможные профессии);
  • траектория обучения определяется специальностью диссовета;
    • финальная точка обучения — защита кандидатской диссертации (рассматриваем научные направления, не инженерные);
  • необходимо учитывать научную школу (формальную и фактическую) кафедры;
  • необходимо учитывать наличествующий персонал, который может осуществлять преподавание.

3 Выбор траектории обучения

• Преподавание ведётся в рамках Института.
• Присутствует две фактические научные школы.
• Обе занимаются математическим моделированием.
• Школа Самуйлова:
  • дискретное моделирование;
  • основной инструментарий — разностные уравнения;
  • моделируюся телекомуникационные процессы;
  • жёсткая фиксация на методах и объектах моделирования.
• Школа Севастьянова:
  • непрерывное математическое моделирование;
  • основной инструментарий — дифференциальные уравнения;
  • моделируются физические процессы, чаще всего из области электродинамики;
  • нет жёсткой фиксации на методах и объектах моделирования.
• Фрагментарные научные школы не могут поддерживать отдельное направление обучения.
  • Они будут вынуждены вливаться в текущие направления.
• Естественным представляется выбрать направление математического моделирования.

4 Организационная структура

• Компьютерные науки преподаются в рамках Института (см. Институт компьютерных наук и телекоммуникаций).
• В институте две кафедры
  • Кафедра теории вероятностей и кибербезопасности
  • Кафедра математического моделирования и искусственного интеллекта

5 Специальности обучения

• 02.03.01
  • Специальность: Математика и компьютерные науки
  • Профессия: Математик, программист
• 02.03.02
  • Специальность: Фундаментальная информатика и информационные технологии
  • Профессия: Программист, аналитик
• 09.03.03
  • Специальность: Прикладная информатика
  • Профессия: Программист, аналитик (в прикладной области, например в экономике)
• 38.03.05
  • Специальность: Бизнес-информатика
  • Профессия: Аналитик, ИТ-менеджер

6 Направления обучения

• Компьютерные науки могут дать следующие траектории обучения:
  • разработка (Development);
  • администрирование (Operations);
  • теоретические компьютерные науки;
  • математическое моделирование.

7 Диссертационные советы

• 1.2.2. Математическое моделирование, численные методы и комплексы программ
• 1.2.3. Теоретическая информатика, кибернетика

8 Научные школы

8.1 Научные школы (формальные)

• Школа Математическая теория телетрафика (Башарин Г. П., Самуйлов К. Е.)
• Школа Математическое моделирование и вычислительная физика (Жидков, Севастьянов Л. А.)

8.2 Фрагменты научных школ

• Школа Башарина–Печинкина–Бочарова по теории вероятностей.
• Школа Толмачёва И. Л. по компьютерным наукам (базы данных) (см. Игорь Леонидович Толмачёв).
• Школа Осипова по искусственному интеллекту.

8.3 Научные школы (фактические)

• Математическое моделирование и вычислительная физика (Севастьянов Л. А.)
• Математическая теория телетрафика (Самуйлов К. Е.)

9 Структура образовательных треков

9.1 Триада Самарского

• Математическое моделирование рассматривается как порождение нескольких областей науки:
  • прикладной теоретическая физика;
  • математическая физика;
  • вычислительная физика.
• Структура области математического моделирования задаётся как триада Модель–Алгоритм–Программа [1; 2].

9.2 Специфика научного программного обеспечения

• Научное ПО имеет ряд особенностей, которые не встречаются в коммерческом ПО.

9.2.1 Используемые алгоритмы крайне сложны

• Зачастую в них разбирается очень узкая группа людей.

9.2.2 Низкая универсальность

• Всё, что можно было сделать стандартными методами, уже давно сделано.

9.2.3 Уникальная модель распространения

• Основной источник информации о научном ПО — реферируемые научные журналы.
• Информация о самих программах становится доступным уже после того, как с помощью этих программ были получены и опубликованы научные результаты.
• Наличие результата оправдывает существование описываемого программного обеспечения.

9.2.4 Остаточное финансирование

• Кроме редких специфических случаев на научное ПО не выдаётся целенаправленное финансирование.
• Написание программного обеспечения рассматривается как производная от конкретной научной задачи.
• Иногда крупные популярные программы удостаиваются отдельных грантов.

9.2.5 Учёный — не программист

• Программы пишутся самими учёными, не являющимися специалистами в индустриальной разработке программного обеспечения.
• Важен научный результат.
• Культуре разработки уделяется мало внимания.

9.2.6 Унаследованный код (legacy)

• Наследуется код и средства разработки.
• Большой процент технического долга.
• Возникают требования к средствам разработки: большое время жизни и поддержка давно разработанного ПО.
• Поэтому стараются избегать средств программирования, нарушающих совместимость (как пример, python).

9.2.7 Фрагментация разработки

• Разные модули программ пишутся разными людьми (студентами, аспирантами, сотрудниками).
• Они работают над кодом в течение 2–3 лет, пока это нужно для подготовки диплома или диссертации, или пока есть финансирование.
• Код бросается в полусыром виде.
• Из-за отсутствия культуры программирования через несколько лет возникает спагетти-код.

9.2.8 Сложность отладки и тестирования

• Сравнить результаты работы программ зачастую просто не с чем (т.к. это и есть передний край науки).
• Для отладки программы, её приходится сравнивать с верификацией модели.

9.2.9 Требования к пользователям

• Трудно отделить ошибки программы от специфики исследуемого объекта.
• Для интерпретации полученного результата нужна высокая научная квалификация пользователя.

9.2.10 Идеология DevOps

• Приходится не только разрабатывать программное обеспечение, но и поддерживать инфраструктуру.

9.3 Предлагаемые треки

• Модель:
  • Разные типы моделирования:
    • аналитическое;
    • имитационное;
    • натурное;
    • статистическое.
• Алгоритм:
  • Для усвоения алгоритмической части необходимо изучение информатики (компьютерных наук).
• Программа:
  • Программирование рассматривается в разрезе научного программирования.
  • Научное программирование достаточно существенно отличается от индустриального программирования.
  • Кроме собственно программирования (разработки) оно включает в себя и существенный сегмент общей поддержки работы на компьютере.

10 Образовательные треки

10.1 Научное программирование (Development)

• Языки научного программирования:
  • Julia.
  • Fortran.
  • Python (язык является клеем для разных библиотек).
  • Matlab.

10.2 Научное программирование (Operations)

• В данную область входят:
  • администрирование локальных компьютеров [3];
  • администрирование компьютерных сетей [4];
  • параллельные и распределённые вычисления;
  • документирование разработки.

10.3 Моделирование (Математические основы)

10.4 Информатика (Компьютерные науки)

• Для определения необходимых областей информатики рекомендуется использовать следующие источники [5–8].
• Основные направления:
  • Вычислительная сложность.
  • Структуры данных.
  • Алгоритмы.
    • Графы и графовые алгоритмы.
    • Неграфовые алгоритмы.
  • Базы данных.
  • Архитектура компьютеров и аппаратное обеспечение.
  • Операционные системы [9].
  • Информационная безопасность и криптография [4].
  • Компьютерные сети [10; 11].

10.5 Моделирование (Общее)

10.6 Моделирование (ТМО)

10.7 Моделирование (Сети)

10.8 Моделирование (Физические модели)

11 Библиография

Литература