День открытых дверей по программе Специалист по анализу медицинских данных

Запись приветственного вебинара “День открытых дверей по программе Специалист по анализу медицинских данных” реализуемый в рамках проекта Цифровая кафедра Сеченовского Университета совместно с индустриальным партнером – компанией Ростелеком.

Расшифровка видео
0:03
продано во-вторых она действительно пользуется пользуется большим интересом
0:08
Почему Потому что сейчас все что связано с медициной переживает
0:14
огромную цифровой бум и Ключевой вопрос да то есть о том как передать знания
0:20
между клиникой и наукой Как искать новые решения как искать решение новых
0:27
медицинских задач на 90 процентов это анализ данных я не буду долго распространяться Я хочу сказать то что в
0:34
моей мечте в моем видении наверное 90 процентов выпускников
0:42
этой программы которая успешно ее освоит успешно пройдут ассессмент Мы хотели бы
0:48
видеть в проектах сеченовского университета и внутри сеченовского университета это
0:54
те кто успешно закончит эту программу на мой взгляд будет являться золотым фондом
1:00
сеченовского университета кадровым ресурсом тот который будет обеспечивать те исследования которые в перспективе мы
1:08
видим Наверное это все что я хотел бы сказать коллеги сейчас придут массу
1:14
примеров применения анализа данных для медицины и на мой взгляд
1:20
они всего описать не смогут того что мы увидим в этой области за ближайшие 3-5
1:26
лет Мне кажется то что надо спешить
1:31
оказаться в тренде Вот наверное все
1:37
это передаю слово возвращаю вам огромное спасибо за возможность сказать Вот и
1:44
собственно коллеги не пожалеете могу сказать только одно программа сильные
1:49
изменилась по сравнению с прошлым годом Огромное спасибо нашим партнеру компании Ростелеком и той команде которая с нами
1:57
работает и их экспертизы и наша
2:03
достаточно неплохой Спасибо Спасибо большое Алексей также за добрые
2:10
слова и надеемся что действительно будет все только Лучше чем было в прошлом году
2:16
давайте я быстренько пробегусь по планку нашего сегодняшнего мероприятия начну я
2:24
Кошечкин Константин Александрович с общих вопросов потому как у нас устроен сыровая кафедра на сеченском
2:30
Университете и пару слов расскажу про ту программу которая у нас будет в этом
2:35
году по анализу данных но как бы в детали я уходить не буду э с деталями по
2:44
самой программе мне помогут наши коллеги из компании Ростелеком
2:49
и Андрей лукичёв соответственно коллеги расскажут уже про самообразовательную
2:56
программу также к нам сегодня подключится наши преподаватели сеченовского университета
3:02
и расскажут собственно Какие можно будет с ними проекты реализовывать потому что у нас вся образова процесс он строится
3:09
на выполнении чего на практике да то есть мы стараемся вообще теорию голую не
3:14
давать мы теорию Каждый раз прислоняем к какому-то практической реализации поскольку у нас не какой-то
3:21
теоретический айтишный ВУЗ Да где мы просто грызем границ сложных каких-то
3:26
традиционных баз данных А мы уже конкретно применяем практике в медицине то есть нам теория в меньшей степени
3:33
нужна только в том объеме в который позволяет нам решать практическую задачу это связано не с тем что плохо учить
3:39
теорию с тем что просто если учить глубоко мы просто ничего не успеем поэтому у нас получается такой подход Я вижу
3:48
подключился Скажите пару слов вначале чтобы я потом не прервался
3:58
Так а мне нужно наверное ведущим
4:18
включен
4:24
Уважаемые коллеги Всех приветствую на нашем вебинаре и это у нас уже второй
4:30
традиционный вебинар посвященный нашим дополнительным программам дополнительного профессионального образования дополнительно переподготовки
4:37
и сегодня мы разговариваем с вами рассказываем про [музыка]
4:43
программ профессионально переподготовки разработчик медицинских цифровых медицинских
4:49
сервисов у нас сегодня анализ медицинских данных
4:56
анализ медицинских данных очень важная нужная тема каждый врач в принципе
5:01
должен уметь работать с медицинскими данными с большим объемом медицинских данных и должен уметь понимать как эти
5:09
данные обрабатывать когда эти данные использовать и в нашем цикле наши преподаватели научат и будущих врачей и
5:17
будущих программистов Как правильно с данными работать как их обрабатывать И
5:22
самое главное что каждый человек который закончит эти курсы будет понимать И вообще что такое искусственный интеллект
5:27
что это не чудеса какие-то это вещи которые можно делать своими руками это вещи которые можно делать обрабатывать
5:35
свои данные а основной упор будет сделан на обучение языку и библиотеки пайкина
5:42
которые позволяют обрабатывать данные строить различные графики зависимости и получать все необходимые предиктивные
5:48
другие модели которые будут очень важны и в медицине поэтому я думаю наши
5:53
преподаватели сегодня все расскажут какие у нас есть возможности Какие кейсы Мы предлагаем каждый из тех кто поступит
6:00
к нам учиться он своими руками попробую сделать какое-то приложение медицинское приложение мы чем разделит всех на
6:09
группы каждый участник образовательного процесса войдет какую-то команду которая
6:14
будет разрабатывать проект командах будет как программисты так и будущие врачи поэтому Мы надеемся что используют
6:21
для дела самое главное что каждый из вас сильно научиться создавать какие-то предложения с применением искусственного
6:26
интеллекта вот поэтому всех ждем у нас на обучении и надеемся что вы подключитесь к этому обучению всё будет
6:33
у вас правильно если он оксаныч я в принципе всё сказал
6:39
большое Я вас если вначале не представил Лебедев наш директор медицины собственно
6:47
также является нашим главным человеком По всем вопросам которые связаны с
6:53
цифровой кафедрой хорошо [музыка]
7:05
так коллеги Ну мы справились с приветственной частью и дальше можем
7:11
идти по нашему планчику как раз общей информации Мне кажется это довольно удачно
7:16
соответственно Я надеюсь что некое понимание о том что
7:21
такое цифровые кафедры в целом у всех кто записывается на наши программы есть да это большой федеральный проект на
7:27
котором предполагается зачисление больше ста тысяч студентов различных ВУЗов ВУЗа
7:33
есть которые студентов могут принимать сами могут которые вступать в консорбцию с другими
7:39
вузами управлять к ним на обучение и вот собственно сечность университет является
7:45
вузом который реализует программы самостоятельно и
7:51
принимает студентов из других ВУЗов на наши программы
7:57
соответственно у нас сейчас уже прошли этапы утверждения программ мы уже
8:04
подготовили все что можно для того чтобы запускаться на следующий год и вот сейчас у нас идет приемная компания мы
8:10
набираем активную студентов соответственно тут возникает огромное количество технических моментов по
8:17
зачислению то есть там нужны согласия на обработку персональных данных списки Но это вся информация выложена в группы в
8:24
Telegram которых вы все уже стоите и соответственно всю эту информацию уже
8:29
знаете если по ней какие-то вопросы есть я их Могу озвучить в конце если они
8:34
будут заданы секции вопросов и ответов чтобы было понимание программа
8:41
рассчитана на один учебный год 9 месяцев
8:46
начинаем осенью заканчиваем в июне программа на 250 академических часов
8:53
Если 250 206 часов Если 56 разделить на
8:59
количество месяцев поделить на количество недель То будет видно вот один вопрос был про то сколько нужно
9:05
часов планировать учиться в неделю нужно планировать учиться где-то в районе 8-10
9:10
часов соответственно Это минимум нужно понимать что по-хорошему нужно эту цифру нажать на 2
9:18
если вы хотите самостоятельно еще что-то делать параллельно да то есть это часы сколько ну то есть два раза в неделю по
9:26
паре часов лекций посмотреть Да по паре часов практически что-то поделать если
9:32
сможете потом еще поделать что-то самостоятельно это отлично это не обязательно часть эти часы программа не
9:38
включаются но как бы неплохо тем что не только на занятия занимаетесь но и
9:44
самостоятельно тут наверное больше ничего важного говорить не нужно Идем дальше
9:50
соответственно у нас но в сеченском университете сейчас идет
9:55
Очень серьезная трансформация мы переходим от образовательной деятельности к такой проектной к научной
10:02
больше да и у нас реализуется с этим огромное количество разнообразных проектов и что наверное мне приятнее
10:09
всего очень многие из этих проектов они имеют в себе цифровую составляющую То
10:14
есть сейчас медицине цифровая трансформация и включение каких-то
10:20
цифровых компетенций цифровых систем оно по сути везде То есть сейчас уже я в
10:27
принципе уже такой даже спор предлагал что я могу придумать как в любой медицинский проект добавить цифровую
10:34
компоненту она Этот проект только улучшит любой проект в медицине можно сделать цифровым Но вот этого станет
10:40
только лучше Вот это наверное деятельность ситуация когда Действительно это так соответственно наша роль это
10:49
обеспечить все эти проекты соответствующими кадрами потому что специалистов по медицине довольно много
10:55
а специалистов которые были бы и медиками и айтишниками их количество
11:02
стремится к нулю Вот Но по прошлому году когда мы программ наши
11:07
проводили меня очень порадовало что хоть и стремится к 0 Очень приятно было
11:13
где-то процентов 10 наверное студентов которые к нам записались в прошлом году реально
11:18
смогли реализовать что-то вот такой примерно выход был уже действительно после программы может
11:26
что-то делать практически своими руками Мы надеемся это соотношение конечно увеличить
11:32
дальше мы планируем наших выпускников наших студентов привлекать к различным
11:38
конкурсам очень активным всем советами участвовать в конференции поддерживаемых
11:43
этим процессе будем готовить к участию в хакатонах Ну то есть все те активности
11:49
которые сейчас мы видим в Информации связанные с цифрой и с медициной Мы
11:56
также активно поддерживаем и пытаемся наших слушателей вовлекать в эти
12:01
мероприятия и в целом довольно успешно То есть у нас были студенты которые заняли призовые места в прошлом году
12:09
что не может не радовать Я уже пару слов сказал про программы
12:14
прошлого года наверное еще раз повторять не буду в целом смысл
12:19
был довольно близкий Да у нас был ли программы по средствам программной разработки и
12:25
анализу больших данных вот мы немножко переформатировали в этом году приземлив больше к медицине то есть в медицине
12:31
большие данные довольно специфичные да то есть у нас все-таки не идет пока речь
12:37
о применении реальных инструментов для работы с большими данными типа там ходу по и так далее да то есть у нас бы пока
12:44
разобраться на уровне обычного постгаляционных баз данных нашими объемами это было бы уже супер И для нас
12:51
они уже большие поэтому мы как слово большие убрали из программы добавили медицинские данные
12:57
и вас перезапускаем ну и соответственно средства программной разработки она перекочевала
13:03
разработку медицинских сервисов вот так что это такие две программы которые по сути перешли с прошлого года
13:12
также у нас в этом году еще добавился компонент связанный с devops вот вчера моего презентовали курс он очень важный
13:21
потому что те решения которые мы создаем в рамках наших студенческих работ они
13:26
должны быть каким-то образом опубликованы выложены продакшн соответственно должны быть Вот так
13:33
именно технической компонента по их сопровождению реализации Она довольно важна и нужно ее уметь сопровождать То
13:39
есть как вы видите у нас набор курсов позволяет создать команду из студентов
13:45
разных направлений да то есть это может быть такая коллаборация из ребят которые занимаются анализом данных про что мы
13:51
сегодня говорим и больше увлекаются чем-то в области дата сайнс именно уже
13:58
нейронных сетей соответственно с другой стороны есть ребята которые могут сделать
14:05
публичный интерфей с Для всего этого разработать это как медицинский сервис и есть команды которые смогут помочь этот
14:12
сервис опубликовать по сути Мы надеемся что такая командная работа позволит доводить наши
14:20
проекты до уже ну так скажем публичного
14:25
использования как минимум пилотирования так скажем мечта чтобы у нас были
14:30
успешные проекты доведённые до пилотирования можно больше
14:35
так Ну про наши курсы в целом Я наверное более менее уже даже что-то рассказал
14:42
повторяться не буду в принципе информация она у нас на сайте вся довольно подробно выложена да то есть
14:48
сейчас то что вы записались на один из Я надеюсь что записали на один из наших
14:55
курсов это запись не окончательная Вы можете спокойно совершенно перевести с одной программы на другую и
15:02
важно понимать что это можно сделать до того как списки были
15:07
оформлены в виде приказов о зачислении потому что после того как приказа зачисления будут сформированы перейти с
15:13
программы на программу уже будет проблематично проблематично равно невозможно К сожалению по практике прошлого года у
15:21
нас все эти списки передаются не сказал даже цифровая кафедра она реализуется в рамках программы развития
15:28
приоритет 20-30 то есть средства которые цифры наверное
15:34
Вы видели на развитие цифровой компетенции у наших студентов которые не
15:39
айтишники или новых компетенций которых айтишники и соответственно поскольку это
15:46
деньги внешние соответственно за них нужно отчитываться и эти отчеты они
15:53
происходят на основе этих списков о зачислении да то есть Поэтому зачислившись нельзя числиться Нужно
16:00
будет сидеть на программе до конца так скажем условно раз согласились придется
16:07
работать и соответственно нельзя перевестись и так далее Все эти ограничения К сожалению они довольно
16:12
строгие и они не от нас Идут они идут того кто бюджет эту программу
16:19
Вот соответственно разработчик медицинских сервисов я уже более-менее писал это
16:25
что-то ближе к фронт-энд разработки и к программированию специалист по анализу медицинских данных
16:31
здесь приоритет на работу с базами данных и довольно много про машинное
16:37
обучение идет речи потому что у нас как только появляется медицинские данные сразу хочется с ними сделать какой-то
16:43
предиктивную модель да то есть как-то их проанализировать сделать на основе них какие-то прогнозы прогнозы аналитику И
16:51
соответственно это закономерности выйти может быть даже какие-то помочь принять
16:57
решение врачам то есть система поддержки принятия врачебных решений также они все основаны на анализе медицинских данных
17:08
про дивопс тоже более-менее сказал Ну
17:13
соответственно чтобы вас общее понимание было это речь про то каким образом данные размещаются в инфраструктуре
17:21
обеспечивает их диплоидным то есть разработки до использования как доходит
17:27
наши программы как мы делаем чтобы они резервно
17:33
копировались правильно как обеспечивает надежность доступность и так далее вот
17:38
это все Ну и Да у нас есть программа еще по
17:43
виртуальной и дополненной реальности Ну Она довольно интересная довольно
17:49
специфичная сейчас на эти технологии виден довольно
17:54
серьезный тренд и в медицине безусловно Также можно применять
18:01
так про программы я рассказал наверное надо пару слов еще сказать про
18:09
проектную работу у нас план следующий что мы будем всех студентов
18:16
то есть материалы все будут выложены на образовательной платформе доступны для просмотра в режиме
18:23
асинхронном в вашем собственном ритме да то есть мы пробовали программу прошлого года запускать в очном формате когда
18:30
студенты приходили к нам в аудитории но тут очень тяжело всем оказалось работать
18:36
в рамках основных образовательных программ потому что они довольно сложные у всех возникают различные накладки что
18:44
сегодня экзамен там надо подготовиться какие-то зачеты и так далее и соответственно люди пропускали потом тяжело было нагонять и соответственно
18:51
где-то за месяца три-четыре мы растеряли всю активную команду которая ходила к
18:56
нам очно и приняли решение что нужно переводить все эти мероприятия в режим дистанционной чтобы ребята могли из дома
19:03
подключаться грубо говоря и асинхронный чтобы могли смотреть в записи Когда у них есть время выходные можно было
19:10
посмотреть совершенно спокойно ну и соответственно вот в таком режиме мы в этом году и Стартуем также у нас
19:16
довольно много слушателей будет из других регионов городов поэтому такой дистанционный и асинхронный режим он
19:22
будет очень полезен удобен и соответственно подойдет всем и большим
19:28
образом Но это совершенно не исключает возможность каких-то очных встреч консультаций и так далее У кого будет
19:34
такая техническая возможность можно будет собираться у нас на кафедре и какие-то вопросы решать уже приличные Ну
19:41
это естественно только по желанию соответственно те группы которые Мы соберем для командной работы они будут
19:49
закреплены за определенным преподавателем собственно мы дадим
19:54
список тем которые наш преподаватели предлагают реализовывать безусловно Вы
19:59
можете предлагать свои темы вы можете на какую-то тему приходить со своей командой То есть если у нас наверное
20:06
самый успешный проект прошлого года были когда ребята просто учатся вместе дружат
20:11
и понимают что хотят сделать какой-то Решение вот своей группы небольшой Да и соответственно они проектор
20:18
реализовывали в рамках цифровой кафедры вот свои готовые уже командой соответственно у кого такой такого
20:24
коллективчик небольшого не было мы помогали такой коллектив собрать в целом получается сложнее потому что
20:31
нужно координировать сильно э-э ребята между собой и в этом году нам с этой
20:37
задачей будут помогать у нас привлечены выпускники в основном и
20:44
ребята которые еще учатся для того чтобы помогать координировать вот такие
20:49
студенческие команды для реализации учебных проектов соответственно их Задача будет чтобы коммуникации не
20:56
нарушались следить все друг другом общались нормально выходили на связь вовремя сдавали зачеты все было четко
21:04
понятно И никто не пропадал Вот примерно такой план наверное еще нужно рассказать
21:10
про то чем мы все это мероприятие заканчиваем да то есть у нас программа рассчитана на 9 месяцев у нас в рамках
21:17
нее будет обязательно контроль со стороны
21:23
университета иннополис университет наполис является организацией которая проверяет насколько
21:29
хорошо проводится образование в рамках цифровой кафедры То есть все студенты которые во всех захочется второй
21:36
кафедрах обязательном порядке проходит через платформу и наполиса в целом там ничего
21:44
сложного просто тест нужно Единственное учитывать что его пройти можно только с компьютера с телефона к сожалению не
21:51
работает то есть у вас из обязательных требований это наречия ноутбука или компьютера
21:57
Также сейчас добавляется требования что нужно веб-камера подключенная к этому
22:02
компьютеру потому что они контролируют что этот тест проходите именно вы но
22:08
прохождению самой программы этот тест никакого отношения не имеет он не влияет
22:13
на то получите ли вы в конце диплом или нет это тест который оценивает насколько хорошо мы идем преподавательскую
22:20
деятельность то есть результаты прохождения этого теста на вашей экзаменацию никак не влияет влиять
22:28
будет соответственно задача промежуточных контролей прохождение практики и собственно выполнению
22:34
выпускной квалификационной работы в виде реализации собственного проекта какого-то большого вместе с
22:40
преподавателем Вот наверное многоватое на этом слайде уже застрял но
22:47
очень много хочется всего рассказать соответственно еще наверное скажу то что
22:53
у нас цифровая кафедра активно интегрируется с проектами которые реализуются в
23:00
университете То есть через нас есть возможность подключиться к реализации
23:05
различных интересных мероприятий которые у нас
23:11
университет проводит То есть например у нас есть акселератор для развития студенческих стартапов То есть это
23:18
команда который можно прийти свои идеи ее презентовать и они помогут ее уже
23:23
довести до какого-то коммерческого проекта точно также у нас есть и команда
23:31
поддержки научных работ соответственно можно с кем-то своим Ну то есть результат анализа данных может быть с
23:39
одной стороны это какой-то сервис для пользователей которые можно монетизировать и как-то предлагать
23:45
наружу с другой стороны это может быть какая-то платформа для научного исследования то есть мы провели анализ данных закономерности написали по этому
23:52
поводу статью и там сделали какое-то научное открытие Вот соответственно оба трека Они активно приветствуются и
23:59
поддерживаются То есть финишировать можно либо с работой которые реализованы
24:05
в виде некого стартапа проекта и так далее технического решения либо с научной публикацией которая по сути
24:11
другая сторона не дали в принципе может быть Это совершенно не страшно только
24:19
приветствуется а также у нас активно идет интеграция С
24:25
командами которые занимаются работой с молодежью Что еще можно сказать А у нас
24:32
еще есть проекты развития которые помогают нам взаимодействовать с
24:38
внешними организациями Например у нас активно Идет работа со Сбер здоровьем
24:44
проекты реализуются То есть можно будет туда и на практику пойти проекты какие-то с ними
24:51
поделать У нас их три ногам точно есть вот
24:59
соответственно поэтому курс у нас поддерживает компания Ростелеком Я думаю
25:05
что коллеги тоже на какие-то активности будут привлекать вас так что примерно примерно так
25:14
так наверное нужно отметить то что у нас направление в рамках проектов делится на
25:20
несколько категорий есть фундаментальные вещи которые являются исследованиями и
25:26
изучением каких-то базовых закономерностей в медицине также есть
25:32
направление по передаче этих исследований уже практическое русло то
25:37
есть реализации каких-то исследований на практике уже
25:44
концентрализация которая говорил и соответственно
25:50
искусственный интеллект который отчасти у нас в эту программу входит он в рамках
25:55
этих проектов тоже очень востребован Вот наверное один из проектов которые
26:01
надо упомянуть это персональные медицинские помощники он курирует Министерством здравоохранения и активно
26:07
развивается то есть по сути под этот проект можно довольно много сделать по сути Мы берем любой нозологию
26:12
придумываем техническое решение которое Как там может помочь и вот у нас готовый
26:18
персональный медицинский помощник мониторим уровень глюкозы вот мониторим там состоянии ЧСС
26:26
все что угодно то есть по сути везде есть место для того чтобы какой-то
26:31
техническое решение позволяло нам осуществлять какой-то дополнительный контроль за состоянием здоровья пациента
26:44
Ну в целом Я думаю что если у нас еще останется время я расскажу про то какие
26:49
проекты были реализованы в прошлом году и собственно из этого можно будет сделать представление о том что мы будем
26:56
делать Так у меня уже Время заканчивается Я все еще покажу и передаю слово коллегам
27:02
таймлайн у нас такой что мы сейчас осуществляем набор в конце августа нам
27:08
надо уже все списки собрать передать коллегам для оформления приказов о
27:13
зачислении и дальше идем на учёбу которых я говорил они будут в сентябре и
27:20
декабре июне если ничего не путаю про это всегда
27:27
Так давайте наверное на этом этапе прервусь потом еще вернусь и расскажу
27:33
про если время останется про то каким бывают программы может быть еще что-то прокомментировать
27:39
коллеги я тогда передаю слово Спасибо Константин Давайте представлюсь
27:46
Меня зовут Андрей лукичев я работаю в компании Ростелеком
27:51
являюсь директором программы и хотел бы в первых словах немножко
27:57
проинформировать Вас уважаемые друзья которые собрались очень много очень рада что
28:02
Несмотря на то что ВУЗ медицинский что на нашу программу есть определенный
28:08
спрос интерес вот хотел Вас проинформировать о том что компания Ростелеком на самом деле
28:15
настоящее время себя позиционирует как найти компанию в том числе и объемы
28:22
поступления скажем так или объема реализованных проектов в этой области
28:27
растут в том числе одним из направлений которые развитие
28:34
[музыка] технологии искусственного интеллекта основанных на обработке
28:40
сборе хранения больших данных Ну и не только больших данных озвучил что-то
28:47
может быть внутри института там как таковых больших данных может не быть но
28:53
тем не менее наш мир мы живем цифровую эпоху и вокруг нас все оставляют следы вокруг нас
29:01
окупится данные которые можно и нужно анализировать для того чтобы
29:06
прогнозировать или получать какие-то интересные штуки Вот и в том числе у нас
29:12
в Ростелеком есть целое направление подготовки целое направление деятельности которое занимается сбором
29:19
хранения обработка данных если кому-то интересно сейчас положу ссылочку там
29:25
описание наши продуктов есть и собственно эти продукты в том числе будут использоваться вами присвоении
29:32
курса почему Потому что есть конечно запа но мы понимаем что
29:38
устроиться национального давления использовать отечественные программное
29:44
обеспечение можно и нужно Ну собственно я не буду наверное дальше Да еще один момент который хотелось бы
29:52
отметить выполнение тому что сказал Константин вдруг если кого-то увлечет Волшебный мир искусственного интеллект и
30:00
аналитики данных а мы в конце программы помимо всех контрольных которые
30:06
озвучивал мы предложим ребятам заканчивающим программу
30:14
сертификационную аттестацию лучших студентов Которые покажутся наиболее высокие результаты мы попробуем по
30:21
приглашать на стажировки на работу
30:27
аналитики данных настоящий момент нужны всем другим организациям
30:36
российском в области идти поэтому велкам опять же тех кто сможет и найдет себе
30:44
силы закончить курсы кому будет интересно поэтому мы всех приглашаем Вот наверное
30:53
все что хотел сказать и наверное слова передаю нашему преподавателю которая является автором
31:01
материалов которые вы будете изучать пожалуйста
31:06
Добрый день Уважаемые коллеги Добрый день уважаемые слушатели
31:19
представить вам программу специалист
31:24
по анализу данных медицинской медицины посмотреть по анализу данных На каких именно
31:29
медицинских но вкратце о себе кандидат технических
31:37
данных искусственный интеллект на платформе 2035 через госуслуги но и
31:44
вкратце про аналитику просили меня
31:56
если посмотреть на слайд справа топ-15 востребованных программ в каталоге
32:01
цифровые профессии РФ то выделено три направления это
32:07
профессиональный разработчик 1С аналитик данных и специалист по Data Science
32:13
Вот как раз таки наша программа входит в 2 3 модули аналитик данных и
32:19
специалист по datascience если посмотреть почту вакансий и востребованных программ по каталоге на
32:27
третьем месте специалист по дата сайнс дальше поэтому разработчик опять Снежная направление Почему Потому что мы в
32:35
основном будем использовать язык программирования Ну и в частности будем применять
32:41
готовые фреймворки машинного обучения фреймворки
32:48
создание обучения глубоких нейронных сетей они написаны поэтому разработчик
32:54
нам близко дальше в конце курса будем создавать приложения
33:01
на основе искусственного интеллекта поэтому можно сказать что базовые навыки
33:06
разработки тоже получите Ну конечно бизнес-аналитик
33:14
следующий Посмотрите Кем можно работать после окончания обучения
33:20
давайте наверное я покажу на вживую
33:29
можно зайти на Hunter провести аналитику самостоятельно Но вот здесь это надеть к
33:35
собранная визуализация в платформе табло опять же платформы то будет один из
33:42
лучших визуализаторов на рынке и хоть и принадлежит табло сейчас Force но есть
33:50
табло паблик бесплатная доступная версия для всех физических лиц и можно и
33:55
пользоваться после создания аккаунта можно пользоваться и бесплатный веб-версии то есть не обязательно
34:03
инсталлировать на свой компьютер так вот Посмотрите в области аналитики выделены
34:11
разделы по профессии ключевое слово аналитик и какие слова
34:16
бизнес-аналитика на этих данных маркетинга аналитик продуктовый аналитика
34:22
а на этих баз данных в области объяви это в сокращении аббревиатуры бизнес-интеры разработка Bi дата сайнс
34:30
инженер баз данных datascience Machine Learning дата сантии строка из направления позитивной аналитики
34:37
навыки ключевые в аналитике это поэта библиотеки пандас Мун пай для
34:44
визуализации плотли создание дашбордов Power Bi
34:49
табло Ну конечно и свободные о которых тоже мы будем использовать
35:02
курс направлен на углубленное изучение подходов применение искусственного
35:08
интеллекта и машинного обучения для обработки медицинских данных освоение материала курсы предполагает получение
35:14
практических навыков создание алгоритмов поддержки принятия медицинских решений
35:20
целью является подготовка слушателей получения компетенции необходимые для выполнения
35:26
нового вида после деятельности это обработка больших данных медицинские данные относятся знаете что
35:34
большинство 90 процентов больших данных это не структурированные данные изображения видео тексты как раз таки
35:43
все что связано с медициной поэтому данных много и медицина вы знаете один из отраслей в которых активно
35:50
применяется искусственный интеллект Но если вкратце по программе Какие
35:57
модуль содержит поиск и аналитика медицинских данных
36:02
сейчас помимо данных которые конечно представляет сеченский университет
36:07
конечно же есть и открытые порталы данных
36:13
репозитории в которых эти данные есть Я сейчас тоже покажу второй модуль
36:18
создания баз данных на медицинской информации но в реальной жизни конечно же база данных аналитики не создают и
36:26
подключается но основные теоретические положения знать нужно знать то есть второй модуль как раз подготовительный
36:32
для аналитики третий модуль разработка средств визуализации медицинских данных
36:38
на основе закопайте еще раз Почему поэтому является ведущим
36:44
языком на котором создаются обучаются глубокие нейронные сети а мы
36:50
знаем что именно современные глубокие нейронные сети дают нам
36:56
впечатляющий результат обработки видео текстов часть создания чат-бота генерации
37:03
изображения и так далее Все вы знаете gpt то есть генеративной при добычном
37:10
трансформе и другие четвертый модуль применение методов машинного обучения
37:16
для анализа медицинских данных Итак если данные структурированные А такие данные хранятся в медицинских
37:22
базах данных в других источниках то есть структуриента данной которую можно
37:28
представить срок и столбцов наподобие Excel в этом случае
37:33
лучше применять нейронные сети почему Потому что нейронные сети до сих пор
37:42
считаются черными ящиками то есть точно сказать почему так считает нервная сеть
37:47
достаточно сложно есть способы визуализации того представления информации как в
37:54
разных слоях нейронной сети но этого мало есть передовые исследования которые позволяют важность признаков получить но
38:01
все равно более прозрачные интерпретируемые методы это методы основано простых моделях линейных Ну
38:09
типа линейной весело вестись к регрессия и ансамбли деревьев решение
38:14
здесь мы рассмотрим именно эти подходы пятый модуль если данные Конечно если
38:21
большинство тексты видео
38:26
картинки фото снимки томографии
38:33
рентгеновские изображены в этой области медицинской области достаточно много таких примеров в этом случае другого
38:40
математического аппарата как нейронные сети другого нет Именно поэтому здесь
38:46
нужен принять глубокое обучение то есть глубинное обучение будет грамотно обучение нейронных сетей состоящих из
38:53
множества скрытых слоев то есть входной слой есть выходной слой все что между входными входным называется скрытыми и
38:59
вот нужно обучать такие нейронные сети опять же чтобы Кто занимается этой
39:06
проблематикой ведущей компании мира Google Microsoft Amazon Facebook
39:13
и другие компании обучают они Где на своих суперкомпьютерах дата-центрах но и к
39:20
счастью эти модели доступны ими можно пользоваться так называемая трансферное обучение
39:27
можно обучать своими данными то есть разморозить например значение коэффициента выходного слоя можно
39:34
дооблучить своими данными сейчас задача какая чтобы те сложные
39:39
тяжелые модели глубоких нейронных сетей они сейчас есть в открытом доступе Microsoft
39:47
можно чтобы можно было запускать на стандартном оборудовании на обычных
39:53
компьютерах не на суперкомпьютерах ни на рабочих станциях эти нейронные сети квантуют то есть уменьшает их
39:59
размерность разрядность и это позволяет запускать то
40:04
есть принять такие нейронные сети не только в дата-центрах Но и на обычном оборудование но и 6 модуль подхода к
40:12
реализации клиент серных систем то есть результатом предыдущих модуль было
40:18
создание приложений я с искусственным интеллектом на основе аналитики данных и
40:23
дальше нужно это приложение опубликовать например как веб-сервис
40:30
и дать уже пользователям возможность применять его если вкратце
40:36
если пробежать по этим отдельным модулем В чем состоит
40:41
принципы поиска отбор медицинских данных источники но здесь
40:46
студенты сеченского университета здесь специалисты университет предоставить такие данные
40:52
Конечно я покажу что есть и открытые источники если статистика
40:57
Ну мы знаем что до 30 процентов всех знаний можно извлечь только статистики
41:05
как мы что мы будем делать применять библиотеки номпа и пандас для выполнения этих операций
41:12
практика формулируя медицинских задач которые мы пришли насчет метафонализа данных но в принципе не обязательно
41:18
медицинский Конечно будет речь о медицинских но принципиально нужно свести к каким задачам задачам
41:23
классификации регрессии кластерного анализа анализа временных рядов поиска аномалий
41:29
создание рекомендательных систем это основные задачи дата майнинг то есть нужно свести медицинскую задачу одной из
41:34
них помимо просто визуальной аналитики То есть даже создание Здесь также участвует
41:40
средства автоматизации поиска отбор медицинских данных и возможности применения машинного обучения без него
41:46
никак Понятное дело что Данные есть медицина это та сфера где данная оцифрованы и
41:53
большие объемы как раз таки идеально для аналитики ну здесь Посмотрите где можно найти один
42:02
из ресурсов может зайти на кэгл знаете открытые платформа для коммуникации
42:08
аналитиков здесь многие компании коммерческой обезличию свои данные
42:13
анализирует их и представляет аналитикам всего мира поработать решить одну из
42:19
задач классификации вот эти разбито мы разбивать можно на области применения
42:26
компьютерного зрения обработка естественно языка и классификации дата визуализации Ну и так далее вот
42:33
если в поисковой строке указать медицину посмотреть 1339 дата сетов
42:42
большинство из них содержат конечно же фото то есть
42:48
рентгеновские снимки дальше временные ряды
42:54
и другие но есть и структурированные данные то есть помимо данных которые поставили
43:00
цифровая кафедра здесь можно будет их легко найти и воспользоваться чем хорош
43:06
к помимо сетов можно посмотреть чужие код
43:14
чужой кот посмотреть но и более того можно заниматься аналитикой на платформе
43:22
можно заниматься альтернатива можно тоже бесплатно заниматься
43:32
виртуальной машины Google предоставляется становится средой интерактивные аналитики создание модель
43:38
машины все это бесплатно как и личная учетной записи Google
43:48
следующий модуль это создание баз данных на основе финской
43:53
информации опять же Хотя аналитики подключаются
43:59
различным СУБД для извлечения информации основные принципы нужно знать основное
44:04
внимание будет языку запросов SQL язык структуринок
44:12
запросов база данных он развивается уже давно уже 70-х годов 20 века огромные
44:18
наработки и он сейчас является как и поэтому ведущим языком для аналитики данных
44:26
более того можно сказать что передовые ведущих зарубежных компаний
44:33
Google Amazon Oracle
44:38
и ряд стартапов снежин когда хранилище данных Там они
44:43
что делают они сделали возможно возможность создавать модели машинного
44:49
обучения от классических до обработки видео и звука на
44:55
его изучать надо То есть если подключаться Google Big Вы
45:01
или Amazon redshift либо к снежинке есть возможность писать все на escript без файта
45:07
далее проектирование баз данных на примере плоскости это основа почему Ну потому что как вы видите в конце
45:14
презентации такие сервисы предоставляют Ростелеком вот нас конечно же для России
45:20
это очень актуально Майская тоже популярен но и скрывает
45:26
самый популярный мобильная СУБД и можно пользоваться обращаться выгружать нее
45:32
данные из любой доступной платформы работать внутри коллаба внутри кегла
45:40
используя эту базу данных очень удобная позволяет использовать
45:48
импорт данных различные форматы данных и
45:53
займетесь на примере создания медицинской базы данных для чего для того чтобы корректно
45:59
правильно подключаться к данным будущим извлекать нужную информацию анализом
46:09
применение методов машинного обучения для анализа медицинских данных Изучить и
46:14
конечно же основа машина обучения Python начнем с чего с популярной библиотеки
46:21
сакитлер съест не начинают неважно В какой области этот фреймворк для
46:29
создания моделей для решения задач классификации регрессии кластерного
46:35
анализа сокращения размерности при процессинга и оценки качества модели на
46:40
структурированных данных если данная структуре на смело можно брать всякие
46:46
с него начнем Какие алгоритмы будем использовать ну такие Понятно наиболее
46:54
популярные Почему популярны потому что они применяются на больших объемах данных и
47:01
успешно работают Прежде всего это простые линейные модели линейный
47:12
ансамбли деревьев решений Ну и дальше Можно конечно и машина конных
47:20
векторов боятся к фальсификатор и другие для решения задачи кластерного анализа применяется в основном конечно
47:26
и простой надежный для того чтобы качественно оценить Правильно оценить
47:32
качество результатов конечно сила нетривиальной задачи классно анализа нужно проверять другими алгоритмами
47:38
сработал коммерс нужно проявить другим алгоритмом например и Российской кластеризации
47:45
Какие опять же будем применять фреймворки библиотеки
47:51
по названию Понятно числовой то есть
47:57
в математике разработана людьми для реализации на
48:04
компьютер и вот это вся чистая математика резона с помощью
48:09
самое главное библиотека для анализа структурированных данных это пандас панельные данные для визуальной
48:16
аналитики будем использовать наиболее популярные библиотеки
48:21
визуализации данных
48:27
чуть позже и дальше Вот здесь уже как раз таки тензор применение глубокого обучения это
48:34
уже если в предыдущем слайде то есть классическая машинное обучение без нейронных сетей то глубокое обучение
48:41
основано на нейронных на искусственных нейронных сетях искусств нейронной сети это
48:49
математические модели того как нам кажется работать нервной системы особенно медикам будет понятно слабым
48:54
приближении но результаты которые мы получаем видите не то что сопоставимые задач с человеком но уже превосходит
49:01
зрение обработка и так далее так вот для создания обучения глубоких нейронных
49:08
сетей базовые есть фреймворки это гугловский тензор с настройкой над ним
49:19
Какие архитектуры Ну начинается с многослойных персидтронов это математика
49:26
20 века Ну и конечно дойдем до основное внимание будет архитектурным 21 века это
49:32
сверточный нейронные сети которые применяется для классификации изображений
49:37
рекурентные нейронные сети Ну и последние достижения 18 года
49:43
Трансформеры на то есть современный генеративные
49:51
обычные Трансформеры гпт аббревиатура применяются для решения мультимодальных
49:57
задач то есть и обработка текста и генерация изображений
50:02
и так далее Да что еще не сказал в конце каждого модуля
50:09
будем использовать
50:14
gpt но не обязательно общее название большие языковые модели для решения
50:19
задач в том числе и классическую машину обучения и визуализации данных То есть
50:25
сейчас все сервисы которые позволяют создавать фронты используя фронты
50:30
запросы получать код напайки Ну и чтобы грамотно запускать нужно ознакомиться с
50:37
этим курсом то есть пройти базовый курс и понимать что руками исправить такие
50:43
настройки нести Ну и конечно закончится практическим применением нейронных сетей для задач
50:49
классификации в медицине классическая задача определение опухоли
50:54
на изображении есть обученные нейронные сети тоже есть
51:00
можно заниматься
51:07
здесь показано Какие будем тензор для глубокого обучения ронах сетей
51:14
для решения для решения задач на структурированных данных применяют
51:19
фреймворки основан на градиентном бустинге это Light gbm компания Microsoft их же Boost открытое по
51:28
яндексовский H2O и другие То есть ведущий фреймворки для
51:38
решения задач машинное обучение на структурных и не структурных данных Ну и последний модуль это подходы к
51:45
реализации клиент серверных систем здесь мы рассмотрим основу построения клиент приложений
51:52
построение систем обработки данных на Python основа работы на серверах Linux работа с
52:00
командной строкой и фреймворки флексы теперь
52:06
что предлагает Ростелеком у Ростелекома Как вы знаете есть
52:13
платформами в центре аналитика данных Вот здесь мы с вами
52:21
Ну и Какие сервисы в частности RT warhouse это массивно параллельно субдд
52:27
для построения хранились данных то есть где данные хранятся большие объемы
52:34
этот сервис обеспечит высокую степень производительности откозоустойчивости благодаря гибкости горизонтально
52:40
масштабирования вискоза в ядре продвинутой оптимизатор запросов адаптация архитектуры для хранения
52:46
обработки больших массивов данных но я тут не буду все ключевые функции зачитывать
52:52
начнем базируется на Свободном по имплан Ну и по названию Понятно массивно параллельно пользуюсь Именно поэтому
53:02
массивная субдд для построения хранились данных то есть в различных
53:08
информационных системах в том числе медицинских Данные есть анализируйте их источники нельзя иначе
53:14
там можно сделать недоступны саму систему поэтому
53:20
данные выгружаются хранилище данных параллельные одно из которых является
53:29
Ростелеком что еще Data Lake как он помните что
53:37
большие данные в основном 90 процентов из деструктивных данных для их
53:43
хранения анализа применяются озера данных Data Lake
53:49
Data Lake мощные гибкий инструмент для организации эффективного корпоративного
53:55
хранилища данных на базе хадуп
54:00
так здесь представлены компоненты ходу основное внимание на Спарк это фреймвор
54:06
который позволяет обрабатывать оперативной памяти данные на кластере то есть кластеры
54:14
группа компьютер выполняет общую задачу То есть можно с помощью фреймворка Спарк
54:20
распаралить вычисление это будет в оперативной памяти это один из ведущих сейчас одна из ведущих технологий
54:26
обработки именно больших данных опять же и структурных и не структуриных для реализации этих технологий
54:32
Ростелеком предлагает RT Лейк для долгое время большого массива данных сохранение
54:39
обработки не структурной информации как раз таки
54:45
датчиков интерна вещей медицинские данные но и создание datalake хранилищ
54:52
визуализировать данные Можно конечно Используйте свободное по например один
54:57
из видосик свободно то это суперсет и
55:04
в Ростелеком есть сервис Data Vision современная корпоративное выбор интимная
55:09
платформа для бизнеса аналитики то есть результат любой налички нужно визуализировать для этого опять же есть
55:14
такие возможности визуальный анализ и исследование данных там более 50 визуализации драйвер для
55:22
подключения к источникам данных возможности встраивания готовых
55:28
приложений на веб-сайты Юпитер блокноты и так далее
55:36
Надеюсь я вложился в отведенное время если вопросы
55:45
с удовольствием отвечу
55:53
Да Павел Спасибо большое было очень интересно давайте
55:59
сейчас наверное наших преподавателей послушаем и вернемся к вы не торопись
56:07
Подождите еще чтобы на сессию вопросов ответов остаться Или можем сейчас вопрос
56:12
ответы посмотреть как вам удобно
56:20
как у нас включился Ну давайте да тогда посмотрим
56:27
презентацию
57:21
только мы вас почему-то не слышим
57:30
так коллеги Пока наш преподаватель
57:36
подключается давайте я посмотрю немножко на вопросы какие были О теперь картинка
57:44
появилась сэндвич вас видим но пока не слышим микрофон
57:52
нет вижу что что-то говорить но ничего не слышно почему-то без звука
58:01
вы пока настраиваете давайте я пока почитаю вопросы Так ну я смотрю
58:08
вкладочку с вопросами которые у нас меню и на части них уже ответил давайте я их
58:15
озвучу соответственно вопросы организационные довольно много Каким
58:21
образом зачисляться на программу если человек еще не был зачислен на основной
58:26
курс образовательной программы совершенно не страшно поскольку у нас
58:33
этот отсечка идет по статусу студента на момент завершения курса да то есть если
58:40
на момент июня 24 года вы будете числиться на образовательной программе
58:46
на основной у вас соответственно совершенно спокойно можете обучаться над
58:52
цифровой кафедре так про количество часов мы уже обсуждали
59:07
про статусы мы уже тоже сказали [музыка]
59:14
Насчет того какие группы должны быть от ВУЗов соответственно тут на самом деле
59:21
вопрос довольно такой чисто организационной да то есть если
59:27
у вас в ВУЗе набралось 100 человек до который хочет пройти данную программу
59:33
гораздо проще будет просто организовать Весь процесс да то есть ради там
59:39
двух-трех человек ваш же деканат просто не захочет заниматься всеми этими списками согласиями и так далее если
59:46
группа довольно большая это все реализовать гораздо проще то есть Это скорее не жесткий какой-то критерий А
59:52
так позволяет нам не увязнуть в переписке и
1:00:00
бумажные волоките из-за того что у нас просто очень небольшие группы То есть это наша как бы такая
1:00:07
пожелание так насчет экзаменов как они будут точно
1:00:15
или дистанционно весь курс дистанционный экзамены соответственно тоже
1:00:21
я вижу что вы пытаетесь что-то говорить но у вас вообще не слышно к сожалению
1:00:28
может быть может быть сейчас я попробую вам что-нибудь нажать тут
1:00:35
нет у вас not в системе Не отправляется что звук включен
1:00:43
стран может Попробуйте телефон подключиться Может телефон будет лучше
1:00:49
так про дистанционность обучения рассказал
1:00:55
тут длинный вопрос был насколько большие проекты Какие преимущества дают проекты
1:01:01
и так далее ну проект в целом Насколько большой не понимаю вопроса Да он
1:01:06
рассчитан на учебный год вы выбираете проект вместе преподавателем подключайтесь соответственно
1:01:13
в целом у каждого проекта давайте как пока включается я покажу вам еще парочку
1:01:22
своих слайдов которые я не успел они у меня как раз
1:01:27
проекты Да вот я хотел еще Картинку показать про то какие у нас бывает
1:01:33
программы по объемам да то есть у нас реализуется программа подготовки они 250
1:01:41
часов соответственно также мы запускаем программу повышение квалификации которые меньшим объемом и соответственно
1:01:48
на них можем зачислять студентов без каких-то ограничений
1:01:53
про ограничение немножко уже сказал соответственно у нас для бакалавра нужно
1:01:59
чтобы человек был закончивший первый курс то есть начиная со второго курса для специалитета начиная с третьего
1:02:06
курса Магистр уберем всех оператору берем всех аспирантов К сожалению в этом
1:02:11
году не разрешили Я знаю что много желающих но пока Надеюсь следующем году разрешат
1:02:18
Вот это наверное немножко обрезалось интерпретирует так почему-то презентации
1:02:24
не однозначно вебинар смотрите у нас для любого проекта не
1:02:33
относится к 40 вообще в целом для любых проектов применимы такие градации у нас любой проект начинается
1:02:40
стоит нескольких уровней развития технологий такая аббревиатура которая
1:02:45
применяется в принципе везде во всех грантах акселератора стартапах и так далее для того чтобы оценить На каком
1:02:51
уровне находится проект мы соответственно говорим о том что у нас ребята начинают делать свои проекты с
1:02:57
нуля то есть вот они с чего начинают то есть изучают какую-то проблему смотрят какие есть опубликованные по этой
1:03:04
проблеме материалы Что можно сделать техническое с точки зрения технологии что это проблема решить Ну и проблемы у
1:03:10
нас все медицинские университет все у нас
1:03:17
а проблемы относятся к области медицины то есть мы с вами технологиями решаем медицинские проблемы соответственно
1:03:25
первый уровень это мы изучили проблему ее описали и по сути
1:03:30
переходим к формулировке той концепции которая позволит нам решить при помощи технического решения то есть по сути
1:03:36
перейдя в стерео один на тирел 2 можем уже опубликовать публикацию
1:03:42
слышно на удивление
1:03:48
буквально пару слов Ладно про этот слово соответственно Ну вот минимально Что
1:03:56
нужно сделать это провести изучение какой-то проблемы и предложить способы
1:04:01
технологически для ее решений закончить публикации соответственно это самый базовый уровень чего можно делать
1:04:07
соответственно Мы надеемся что все-таки большинство перейдет к практике и
1:04:13
сделает уже практически исследования и разработки подтверждают то что то что было
1:04:19
теоретически предложено можно реализовать да то есть это мы говорим уже о каком-то прототипе вот и
1:04:26
соответственно дальше начиная с четвертого и выше Мы предлагаем
1:04:32
нашему выпускникам уже реализовывать свои проекты на следующих этапах в
1:04:38
рамках научной деятельности в рамках стартапов в рамках акселераторов грантов то есть по сути
1:04:44
где-то адекватный если брать Срок то с нуля можно проект хороший реализовать год за
1:04:51
три То есть первый год это мы учимся все делать смотрим Что можно сделать планируем свою работу потом реализуем
1:04:57
дальше уже масштабируем выходим на промышленный режим то есть вот идеи
1:05:03
прода вот реальный срок естественно у всех людей может быть
1:05:09
по-разному разные проекты разные идеи разные поддержка и естественно это всё будет средняя температура по больнице по
1:05:17
факту может быть гораздо быстрее получится проекты программы модули мы уже сегодня
1:05:24
говорили в целом да Вот мои сладенькие закончились Я вам готов передать
1:05:35
я вам презентацию даже включу сейчас слышно меня да да нормально отлично
1:05:43
коротко расскажу о проектах за которые отвечаю я проект гораздо больше есть из
1:05:49
чего выбирать я расскажу о тех которые
1:05:55
про которые которым я занимаюсь первое приложение для долгосрочной оценки
1:06:01
питания оно разделен на несколько проектов то есть вот эти вот проекты которыми могут
1:06:07
заниматься отдельные студенты они в конце концов объединяются вот такой большой проект части вот этого проекта
1:06:15
изучение сочетание традиционных цифровых методов оценки питания
1:06:20
на выходе возможно публикация традиционные методы вы все знаете
1:06:25
питания которые приложений Если вы зайдете
1:06:31
суточные интервью когда человек рассказывает
1:06:42
она применяются при массовых обследованиях все эти методы они имеют определенные недостатки
1:06:47
поэтому те данные которые мы получаем с помощью допустим магазинных чеков
1:06:53
супермаркеты они позволяют оценивать питание такие исследования проводятся
1:06:58
уже около 20 лет изучили эту тему Выяснилось что да более-менее примерно
1:07:04
можно изучать для длительных исследований Особенно пригодных для практического применения имеет особое
1:07:11
значение потому что теперь питание рассматривается не просто как
1:07:18
набор нутриентов микроэлементов и источник энергии А теперь с медицинской
1:07:23
точки зрения с учетом данных метаболомники которые мы получаем питание по сути это набор факторов риска
1:07:31
и для персонализированной медицины имеет значение чтобы эти факторы риска учитывались для
1:07:38
каких-то определенных людей
1:07:44
все это будет изучаться и данные будут накапливаться но сейчас уже
1:07:51
сейчас такое приложение можно применять допустим для снижения веса для
1:07:58
организации здорового питания в соответствии с имеющимися уже диагнозами
1:08:03
и такие приложения уже начали разрабатываться последним двадцать втором году уже вышли публикации
1:08:09
Швейцарии в США для такие приложения которые мобильные
1:08:15
анализируют по чекам покупки продуктов в магазине и выдает конкретные
1:08:21
рекомендации что важно в этих всех приложениях то что они не требуют особых медицина будущего она подразумевает
1:08:27
накопление индивидуальных данных больших от каждого человека в большом объеме
1:08:33
часто регулярных и тут возникает естественно такая сложность что человек не способен длительно
1:08:39
выполнять какие-то действия раз в месяц сдать анализ может выполнить
1:08:48
какие-то манипуляции так чтобы каждый день практически нереально примерно через месяц
1:08:55
Поэтому технологии при которых от человека не требуется никаких усилий а
1:09:01
данное собираются и пытаются рекомендации это будущая медицина
1:09:07
части проекта изучение этих традиционных сочетания сбор дата для обучения
1:09:13
нейросети распознавание название продуктов магазинов уже
1:09:21
примерно мы начали искать подходы к решению этой проблемы потому что в чеках продукты зашифрованы
1:09:29
сокращениями в каждом магазине по-разному и тут конечно роль нейросети обучения для того чтобы распознавать
1:09:37
продукты в чеках это отдельный такой проект на выходе будет
1:09:43
практическое применение и публикация следующий этап это разработка комбинированных таблиц химического
1:09:48
состава продуктов для вот этой нашей системы таблицы они бывают институте
1:09:55
питания они разрабатываются такими книжками очень дорогие то есть
1:10:02
книжка химического состава продуктов
1:10:08
пользуются большим спросом очень всем это интересно наши распознанные продукты человека
1:10:14
будут сопоставляться с нашими таблицами которые мы должны разработать те таблицы которые имеются они не устраивают нас Но
1:10:21
это общая тенденция всех приложениях которых я рассказывал свои собственные таблицы
1:10:30
потребности и давали максимальную точность
1:10:35
Ну естественно все это должно быть упаковано опубликовано в виде приложения мобильного пригодного для практического
1:10:42
применения мы планируем сделать его бесплатно для граждан чтобы они каждый мог им пользоваться и каждый мог
1:10:48
получать свое питание не применяя особых усилий просто подписавшись на сервис анализа своих чеков из разных
1:10:53
супермаркетов основой технологии является в общем-то то что сделал федеральный налоговая служба теперь все
1:11:00
кассовые чеки попадают единую систему и подписавшись
1:11:06
и список продуктов из чеков точно будет получать Ну правда необработанные
1:11:11
обработать его задача нашего края следующий проект это медицинский
1:11:17
Репортер условное название заниматься мы будем изучением научного взаимодействия обмена научной информации в интернете
1:11:24
между врачами Ну и заодно обучение для тех кто имеет Клиническая направление
1:11:30
лечебное дело или
1:11:36
общественность здравоохранение обучение написание научной медицинских постов развитие компетенции цифрового
1:11:44
ключевое слово [музыка] мы будем изучать
1:11:50
проводить построение графов взаимных связей цифровых лидеров мнений как в имеющихся сетях так и в нашем
1:11:59
университете отдельно будет отдельно нам потребуется технология для мониторинга сайтов но
1:12:05
конкретно имеется ввиду профессиональные врачебные сайты мониторинг сайтов для выявления упоминания каких-то брендов
1:12:11
этой технологии давно уже известны профессиональные врачебные сайты отдельная история
1:12:17
подряд не пускают и поиск упоминаний там представляет собой
1:12:23
интерес
1:12:28
следующий группа проектов касается предупреждения
1:12:35
Это заболевание мы взяли пример такого хронического заболевания которые в
1:12:41
общем-то отражает кризис медицины современной в плане лечения хронических заболеваний и пути его преодоления
1:12:48
напомню что медицина заболевания инфекционные разных
1:12:54
повреждения и соответственно технология устроена организована под
1:13:01
лечение заболеваний человек приходит на визитом и делают анализы назначает лечение контролирует
1:13:07
выполнение результаты лечения соответственно заболевания острой вылечи на человек
1:13:12
Доволен но как только медицина сталкивается с хроническим заболеванием ситуация сразу категорически меняет
1:13:18
сейчас хронические заболевания лечатся очень плохо больше половины больных
1:13:23
фактически недолечен и Преодоление этого кризиса заключается
1:13:28
в том что надо рано выявлять обострение хронических заболеваний их купировать
1:13:34
из-за того чтобы они не долечное построение случается часто каждое обострение не просто какой-то эпизод
1:13:40
человек попал в больницу подключился вышел как маленький после каждого обострения хронических заболевания
1:13:46
переходят на ступеньку ниже состояния здоровья и человек становится ближе к
1:13:52
могиле практически поэтому избегать обострения это основная цель который ставит современной медицины но решить К
1:13:58
сожалению она ее имеющимися методами как правило в большинстве случаев массового такой
1:14:04
терапии не может контролировать постоянно здоровье современными методами
1:14:14
выявление ранее обострения ранее начало лечение ранее усиление
1:14:22
активизация и его на обострение человек становится
1:14:29
избегает обострения и избегает скажем так Шага вперед по точнее шага вниз по
1:14:36
этим нашим несчастным ступенькамная болезнь как раз хороший
1:14:41
пример для отработки этого дистанционного мониторинга для предупреждения рецидивов потому что
1:14:47
урологи научились хорошо извлекать камни Но предупреждать К сожалению они фактически не умеют
1:14:54
у большинства бальных основа нашего программа аппаратного комплекса будет мониторинг
1:15:01
контроля выполнения рекомендаций по питьевому режиму питания
1:15:08
которым я рассказывал и ранее выявление активизации литогенного
1:15:15
процесса с помощью теста разработанного у нас в институте Московском
1:15:22
это достаточно простой тест который позволяет выявлять отклонение по анализу
1:15:30
мочи пациент может выполнять самостоятельно и отправлять нам изображение
1:15:35
через смартфон все эти тут мы его анализируем и тут же выдаем ему ответ То
1:15:42
есть он может корректировать свои питьевые режимы питания моментально
1:15:50
[музыка] тем самым поддерживать это состояние которое дает возможность избегать
1:15:58
рецидива образование камней части проекта включают программно-аппаратный
1:16:04
комплекс разработка собственного интерфейса для взаимодействия пациентов с нашим сервером
1:16:09
изучение маркеров дистанционного дистанционного применения вот этих
1:16:15
маркеровной активности Для этого нам потребуется сбор дата Сета для обучения нейросети классификации оценок которые
1:16:22
автоматически будет пациенту выдаваться и тут же есть такой Аспект для студентов
1:16:28
которые информатики это практически аспекты поиска редких причин ко мне образования
1:16:34
Почему практически аспекты потому что теоретически в общем-то все давно известно есть моногенные причины когда
1:16:41
дефект в одном гении однозначно приводит к частым рецидивам и их можно увидеть
1:16:47
клинические физические анализ А есть морщины когда небольшие
1:16:55
изменения в нескольких генах или приводят или не приводят и Вроде мы находим неизвестно
1:17:05
и такую подхода чтобы врач брал и пытался исключить сперва
1:17:14
моногенные причины потом подобраться к этим полиморфизм такого подхода сейчас нет то сейчас клинические рекомендации
1:17:21
грубо говоря так если человек пришел первый раз то ничего мы у него обследовать не будем а вот если он
1:17:27
пришел второй третий тогда надо начинать его обследовать пытаться найти какую-то причину этих частых
1:17:35
рецидивов очень часто бывает что это моногенную причину находят уже после
1:17:40
того как человек Даже бывает что человеку пересадят
1:17:58
это все перекликается со следующим следующие группы наших проектов которые
1:18:05
связаны с применением принципов сетевой медицины для персонализированного лечения но в принципе и для
1:18:12
лечения всех хронических заболеваний это достаточно новая тема Очень сложная
1:18:20
суть ее заключается в том что заболевание и подходы к их лечению
1:18:27
рассматривать нести такой привычной нам точки зрения скажем так гистологически анатомической когда болезнь допустим
1:18:35
печень идет гепатологу кардиологов дыхания пульмонологу
1:18:41
а с точки зрения тех новых данных и тех возможностей которые нам открывают в
1:18:46
информатика цифровые методы они нам открывают сейчас такую
1:18:57
Суть в том что разные
1:19:03
проявления нарушения вот этой сети взаимодействия между эталоном геномом
1:19:10
клиническим проявлениями на самом деле выясняется что это приводит
1:19:16
проявлениям одинаковые проявлениям в разных органах получается что лечить
1:19:22
если человека болит печень лечить его можно препаратом
1:19:29
потому что логические механизмы в разных проявляется в разных людей в
1:19:37
разных портах и сетевая медицина пытается уже сейчас имеет достаточно такие успехи
1:19:44
для того чтобы эти пути выявлять и самое интересное
1:19:50
начинать их лечить рано когда у человека нет заболе вания Я понимаю что большинства врачей
1:19:58
лечение заболевания которого нет оно скажем так называет скепсис газетах не
1:20:03
писали да и у людей вам скажут давайте вы профилактируйте какое-то заболевание
1:20:09
там сотни тысяч какой из них не надо профилактировать но только остается выполнять общие
1:20:16
рекомендации Если же мы выясняем анализы генома метаболома что у человека есть
1:20:24
склонность и перспективы развития конкретных заболевания то тогда уже персонализирована становится более
1:20:31
основанной для этого нужны регистры те данные огромные которые накапливаются
1:20:38
их соответственно надо обрабатывать так чтобы они были пригодны для принятия
1:20:43
этих решений все анализы которые Человек проходит на металлоломно геном они должны соответственно сохраняться с тем
1:20:50
чтобы потом когда он разовьется клинические признаки Через несколько лет могли проанализировать и сказать что да
1:20:56
вот такой человек с таким фенотипом генотипом он скорее всего
1:21:01
заболевания поэтому первое наше направление разработка архитектуры регистров сетевой медицины для
1:21:07
реализации персональных терапии второе разработали классификации
1:21:12
фенотипов заболевания для персонализированного подхода фенотипы
1:21:19
заболеваниях очень любят они другая То есть За всеми этими начинать
1:21:26
скрывается на самом деле то что все болезни разные каменную болезнь название
1:21:33
от причины приводящих к ней разные и те же причины которые приводят мочекаменной болезнь Объясняет что ниже приводит
1:21:40
сетевая медицина мы находим причину и лечим сразу
1:21:46
инсульт который предупреждаем которые могут развиться и мочекаменных болезней
1:21:51
Потому что если это причина есть и мы допустим избавили человека от мочекаменной болезни
1:21:57
ты не факт что меня не разовьется то есть сейчас это популярная тема о том
1:22:03
что все заболевания хронические в общем-то друг другом связаны и есть человека есть одна болезнь то скорее
1:22:09
всего у него повышенный риск другой болезни поэтому эти фенотипы
1:22:15
они требуют определенной классификации разработки с тем чтобы
1:22:20
можно было их применять для конкретных
1:22:27
целей Например если мы имеем какую-то препарат
1:22:33
выясняется что его можно применять при других показаниях
1:22:39
и основа для таких решений как раз обработка данных и
1:22:44
соответственно если нам эти фенотип удается тем самым приближаемся к такому
1:22:51
фармацевтическому справочнику на основе
1:23:02
это основные наши проекты мы можем
1:23:09
разработать анализатор для разделение содержательной бессодержательной части аудиовыступления докладов на основе
1:23:15
машинного обучения для начала создать для этого дата сет такие приложения уже есть вы можете их найти в нейросети
1:23:21
допустим если блогер записывает блок то ему больше не надо там следить за свою речью
1:23:26
программа берет его видеозапись вырезает оттуда всякое беконе бегаем учения
1:23:37
даже глазки ему направляют в камеру получается что человек смотрит камеру
1:23:45
и всё это есть Но наше задание Наша задача несколько другая Мы хотим сделать
1:23:50
обучающим обучающих программой которым просто человек указывала что
1:24:01
такой-то и такие у вас есть дефекты работать
1:24:12
и последний наш проект значит по месту нахождения пациента Мы
1:24:18
хотим сделать его для раннего явления онкобольных на химиотерапии это актуальная проблема
1:24:24
он при химиотерапии онкобольных часто развивается некоторые ее надо вовремя
1:24:30
заметить чтобы начать лечение но пока она решается
1:24:35
таким образом если вам препараты которые стимулируют образование делать
1:24:46
они дорогие они имеют побочные эффекты если У пациентов Спросите они скажут очень совсем не рады
1:24:53
Но их назначают всем подряд потому что фактически без них у человека может внезапно незаметно исчезновение
1:25:01
лейкоцитов инфекция и в общем-то почти сохранный пациент вдруг
1:25:09
берет и умирает какую-то инфекции ведь он пришел лечить рак Ему сказали что мы вас полечим вы еще там лет 5-10-15
1:25:16
поживете а он вас не интересно никому поэтому эти стимуляторы не расти на
1:25:24
всякие назначают пытаются контролировать для этого надо человеку соответственно сдать анализ
1:25:30
чтобы он приехал или забрали мы хотим сделать такие микроскоп который
1:25:35
просто выполнял анализ фотографию отправляла ее
1:25:42
дальше нейросеть
1:25:57
так все на этом мои проекты
1:26:07
было интересно на самом деле коллеги это вот тот блок проектов который курирует у
1:26:15
нас Александр Евгеньевич много и проектов гораздо больше еще
1:26:21
хочет подключиться Сейчас я его попробую найти
1:26:27
ведущим Если вы на связи У вас есть возможность
1:26:32
включиться Да да я без презентации скажу пару слов если меня слышно сейчас
1:26:41
подробно подставил там два проекта у нас совместных по сетевой медицине мне
1:26:46
понравились слова достаточно подробно Я уже не буду добавлять То есть сейчас Наша задача просто рассказать студентам
1:26:53
о возможностях работы в целом что достаточно большие тут я вижу были вопросы Может ли выполнять студент
1:27:00
проект индивидуально или коллективно то есть по опыту прошлого года у нас студенты делали работы в том числе
1:27:07
совместные в том числе индивидуально Я думаю это не ограничено то есть он может быть прокомментировать и формально
1:27:12
тематика у нас продолжается она достаточно интересная разнообразная Я думаю мы сейчас не будем перегружать
1:27:18
конкретными деталями То есть можно просто по списку посмотреть и выбрать студентов по направлениям потому что они
1:27:24
очень новые по медицинским данным отходят от классической медицины которую мы занимались
1:27:30
можно сказать в ваших руках оперативно меня Ну собственно я просто поддержу
1:27:37
предыдущего докладчика там было интересных проекта представлено по сетевой медицине геном мочекаменной
1:27:44
болезни Ну и собственно если дальше есть вопросы Пусть студенты спрашивают я без
1:27:51
микрофона без не буду перегружать Ваше внимание
1:27:57
Посмотрите вопросы а я хотел еще знаете что показать какие у нас проекции
1:28:08
[музыка]
1:28:14
О даже немножко покрупнее получился сделать отлично что-то видно Ну вот
1:28:20
смотрите например в принципе под каждым проектом лежит какая-то часть связанная с анализом данных то есть вот проект
1:28:28
делали чат-бот по идентификации изображений на которых
1:28:35
меланомы да то есть по сути там было база изображений медицинских уже
1:28:41
разобранных на группы и соответственно ребята делали классификатор на основе
1:28:47
нейронная сеть была сначала сравнивали алгоритмы которыми можно будет делить
1:28:52
соответственно там были сверчные нейронные сети с предыдущими даже пробовали какие-то Вот и в итоге
1:28:58
собственно выбирали тот метод который будет подавать лучший результат вот поэтому опубликовали статью и
1:29:05
соответственно в практическом приложении даже сделали
1:29:10
по режимам дозирования лекарственных средств [музыка] жит каталог препаратов который является
1:29:17
собственно источником данных о том как применять лекарственные препараты
1:29:26
про взаимодействие лекарственных препаратов Ну тоже понятно да соответственно
1:29:31
у нас должна быть база препаратов где мы знаем какие у них свойства как их можно комбинировать и соответственно какие
1:29:38
будут побочные эффекты про унификации данных о лекарственных
1:29:46
средствах тоже Довольно интересно был идея
1:29:51
в том что у нас в разных странах препараты называются по-разному и ребята
1:29:58
составляли разные реестр и лекарственных средств из разных стран что можно было
1:30:03
понять Чем лечиться при отъезде за границу да то есть какие препараты там являются аналогичными нашим и
1:30:11
соответственно если какие-то замены Какие препараты там точно нет нужно вести с собой и довольно интересный
1:30:17
проект потому что у нас номенклатура лекарственных средств в разных странах довольно сильно не совпадает и часть
1:30:25
препаратов которые уже давно не применяются за рубежом есть у нас и соответственно оборот у нас есть
1:30:30
препараты которые за рубежом
1:30:36
довольно много проектов было по работе с медицинскими изображениями например по
1:30:43
раку груди
1:30:55
классификатор воспаления Ну то есть в принципе проекты очень разнообразные у
1:31:02
каждого проекта есть преподаватель который занимается и соответственно можно будет Вот что-то такое
1:31:08
реализовывать вот у нас таких проекта было очень-очень много вот про все
1:31:14
рассказать невозможно Это очень долго соответственно какие-то вопросы
1:31:20
если будут Мы те проекты которые планируем на этот год все выложим в
1:31:26
общий доступ группы чтобы можно было посмотреть и решить какому присоединяться
1:31:32
Вот какие вопросы остались без ответов задавайте я буду прокомментировать
1:31:41
коллеги не думаю помогут
1:32:33
Так давайте я посмотрю какие у нас
1:32:40
вопросы остались про навыки соответственно программа
1:32:46
рассчитана что мы учим тут с нуля по этой программе каких-то требований
1:32:52
дополнительных нет
1:32:58
соответственно программного обеспечения которую необходимо для обучения ничего
1:33:03
специфического не нужно используем открытое программное обеспечение но если честно сейчас довольно много было
1:33:09
прошлом году много работали в Google коллабе насколько на нем остаемся я
1:33:15
точно Обещать не могу Может быть на что-то переедем отечественное но технический момент мы его решим в
1:33:21
принципе софтом все стараемся закрывать каким-то доступными решениями которые не
1:33:29
имеют каких-то ограничений использовать платформенные и соответственно все
1:33:35
должно быть нормально по ограничению в количестве участников для проектов Хороший вопрос в целом мы
1:33:43
ставили планку не более пяти человек на проект и Наверное мы ее оставим ну
1:33:52
по факту конечно могут быть исключением мы понимаем что бывают проекты очень большие где нужны большие команды в этом
1:33:58
случае просто формально мы его делим на какие-то компоненты и делаем как объединение нескольких команд условные
1:34:04
соответственно можно точно также делать небольшой проект и одному никаких
1:34:09
проблем нет очень много есть успешных проектов Могут ли асперанто поступать на цифровой
1:34:16
К сожалению аспирантов в этом году не включили проект Надеюсь в следующем году включат Пока к сожалению
1:34:24
так так
1:34:31
в списке графа основной образовательные программы которые вы сейчас обучаетесь
1:34:39
Так давайте посмотрю что еще отвечал текстом но не озвучил еще что-то
1:34:47
а как интересно как будет выглядеть типичный учебный день на самом деле
1:34:55
вопрос не такой простой как кажется потому что мы вот в прошлом году программу
1:35:02
адаптировали так скажем колес да то есть начинали мы с очного больше
1:35:07
ориентирования научное присутствие Ребята в аудиториях В итоге перешли на полностью дистанционные соответственно я
1:35:13
могу сейчас рассказать как мы себе видим наш Учебный процесс но мы его будем
1:35:19
стараться адаптировать под ваши требования и соответственно если будет какой-то понимание что что-то можно
1:35:25
лучше сделать более удобно добавить какие-то встречи так далее мы будем идти всем навстречу и стараться его
1:35:32
оптимизировать Так что все материалы выложены на образовательные платформе у
1:35:37
вас будет доступ вы их можете смотреть для себя и так далее
1:35:45
соответственно программа разделена на модуле и соответственно в конце модуля
1:35:50
нужно пройти тестирование чтобы этот модуль вам зачли соответственно
1:35:56
в рамках этого модуля будет несколько консультаций уже в режиме в очном когда
1:36:02
можно будет на вебинаре задать преподаватели вопросы и соответственно самого начала Вы можете точнее должны
1:36:08
быть определиться с тем какой тему вы выбираете с кем из преподавателей вы работаете Дальше
1:36:14
те которые помогут вас группировать команды и уже начинаете работать со
1:36:21
своими преподавателями по своим проектам прямо начиная с самого начала процесса
1:36:27
учебного и вот у вас два трека Да так скажем один трек Проектный второй по образовательной программе Вам нужно
1:36:33
будет параллельно закрывать потихонечку Вот наверное
1:36:40
основное все что можно тут сказать
1:36:50
помощи было интересно Насчет того нужно ли Что такое тест
1:36:58
тестирование которое проходит на сайте университета иннополис и его нужно
1:37:04
обязательно пройти соответственно не пройдя assassment выпустится успешно с программы К сожалению нельзя на
1:37:12
выпуск не влияет то насколько хорошо вы прошли нужно его просто факт прохождения они
1:37:20
оценка и соответственно задачи проекта это
1:37:25
второй компонент
1:37:34
[музыка]
1:37:41
вот такие вопросы Конечно мне немножко веселят да Когда спрашивают нас
1:37:47
а вот вас ограниченное количество места Что вы будете делать когда эти места закончится Ну как бы
1:37:56
мы Придумаем что будем делать либо увеличим количество мест либо откажем тем кто не прошел вариант
1:38:05
лучше не тянуть и записываться чтобы вовремя попасть Мы постараемся чтобы
1:38:11
всем было удобно хорошо и так далее будем стараться взять тех кто активно
1:38:19
выражает желание поучиться и сделали все для этого возможное с нашей стороны
1:38:26
каких-то испытаний и входных отборов мы не планируем то есть их требованиях нет
1:38:33
мы зачисляем просто по факту соответствия к тем требованиям которые являются проектом
1:38:41
из-за мест не волнуйтесь проблема Не ваша а наша и соответственно просто
1:38:46
ориентир что не стоит сильно медлить
1:38:53
так когда будут вебинары вебинары под другим
1:38:58
программам будут на следующей неделе даты точные напишем
1:39:06
так Будут ли встречи непосредственно стенах университета но я про этого в
1:39:11
принципе сказал что по желанию для тех кто Находится в Москве возможность
1:39:17
очно пообщаться с преподавателем на кафедре есть но это исключительно как опция по желанию если вам это удобно
1:39:24
потому что у нас студенты предполагаются из разных регионов естественно мы будем для всех делать равные возможности
1:39:30
доступа к программе и соответственно ориентируем всех на дистанционную работу
1:39:40
аттестации будет проходить в виде зачётные зачет или бальные система И что будет если проводить промежуточную
1:39:48
окончательную аттестацию будет И что типа пересдачи Ну это тесты в конце
1:39:54
модулей тест нужно его сдать на проходной балл соответственно
1:40:00
[музыка] Если вы набрали проход
1:40:06
соответственно Если речь про итоговый диплом там
1:40:12
это оценка не ставится ставится факт прохождения курса
1:40:19
так есть если у меня есть предложение по проекту я должен прислать его вам по
1:40:26
теме проекта Да все верно если у Вас какой-то свой проект вы его нам
1:40:31
направляете через ютюта и соответственно он вас комбинирует к какому из
1:40:37
преподавателей с этим проектом лучше идти в целом у нас наверное все
1:40:42
направления будет кем закрыть как будет осуществляться практика Но вот
1:40:47
этот Самый наверное сложный вопрос самый объемный как-то на
1:40:52
него никто не спросил вчера сегодня спросили Это хорошо на самом деле можно
1:40:58
очень долго разговаривать потому что [музыка] наверное у студентов в первую очередь
1:41:04
разные требования к практике у самих да то есть есть Ребята кому хочется по сути
1:41:11
уже пойти работать и для них практика Это скорее стажировка да А есть
1:41:16
студенты которые хочется просто формально закрыть практику и чтобы им
1:41:22
засчитали этот вид активности в рамках учебного курса в целом мы стараемся удовлетворить и тех и других то есть по
1:41:30
сути для тех кто хочет уже серьезно куда-то пойти работать у него уже есть время для этого ну то есть он уже не
1:41:37
студент младших курсов находится в магистратуре натуре или уже
1:41:44
на последних курсах сетритета или бакалавриата ему соответственно нужно трудоустраиваться и Соответственно в
1:41:49
этом случае мы конечно будем помогать и находить варианты для практики которые потом перейдут в стажировку и работу
1:41:56
Вот соответственно для тех кто
1:42:02
Просто учится и хочет защищать чтобы практику зашли в рамках учебы то самый
1:42:09
такой вариант который является наиболее удобным это в рамках реализации своего
1:42:15
проекта какая-то работа выполняется практически соответственно Есть возможность
1:42:21
прикрепиться к какой-либо организации для того чтобы эту работу там дальше
1:42:26
развивать то есть ну по сути наверное немножко ответил но
1:42:32
практика мы стараемся распределение на практику осуществлять индивидуально в
1:42:37
соответствии с теми запросами потребностями которые есть у студентов то есть в целом стараемся чтобы она
1:42:43
соответствовала той теме проекта которую студент выбрал и соответственно практика проходил профильные организации под этот
1:42:50
проект Вот наверное Как долго будет идти проект цифровая
1:42:56
кафедра Ну проект приоритет 20-30 имеет в своем названии
1:43:02
цифру 20-30 поэтому могу предположить что ориентировочно до 2030 года может
1:43:07
быть дальше может быть раньше сокровит примерно так я пока на младшем курсе могу поступить в
1:43:15
этом году но без проблем определить на следующем точно будет Можете пожалуйста повторить На какой
1:43:22
платформе будет проходить все обучение платформе В смысле где материалы будут выложены в личном кабинете сеченском
1:43:28
университета у вас появится учетные записи И там будут все данные
1:43:35
Можно ли регистрироваться на этой платформе сейчас именно программу зарегистрироваться пока
1:43:41
нельзя Нужно будет чтобы вы были включены в список тех кто зачислен И после этого вам будут
1:43:48
созданы учетные записи вот с вопросами вроде бы со всеми
1:43:54
расправился
1:44:02
что думал что много
1:44:12
или может быть кто-нибудь у нас из спикеров что-нибудь добавить хочет
1:44:33
Спасибо большое Все понятно ну славно я очень рад что мы не зря проводим наши
1:44:38
вебинары и ясность у всех повышается так
1:44:44
повторить пожалуйста будут очные встречи обязательно нет обязательно хочешь на
1:44:49
встрече не будет потому что мы студентов набираем из разных регионов и это просто технически невозможно будут очные
1:44:57
встречи по желанию если такое желание будет со своим
1:45:02
преподавателем которым вы делаете проект Никто не запрещает Вам встретиться если
1:45:08
возможно с точки зрения географии Можно ли итоговый проект рассматривать в
1:45:16
качестве диплома да всё верно вот
1:45:26
Ну что коллеги никто ничего не добавляет Давайте еще пару минут ждем и тогда
1:45:33
до встречи на наших программах
1:45:46
вроде бы все вопросы разобрали Ну что коллеги тогда всем спасибо большое за
1:45:52
внимание за то что сегодня подключились очень Надеемся на то что вы сможете преодолеть все наши бюрократию связанную
1:45:58
со списками с согласиями обработка персональных данных все что нужно чтобы
1:46:04
мы смогли спокойно зачесть будем плодотворно работать Надеюсь
1:46:10
сможем сделать из вас специалистов анализом медицинских данных
1:46:16
Спасибо большое