Список магистерских программ вшэ

Привет, хабровчане! Меня зовут Дмитрий, я студент первого курса Вышки магистерской программы «Системный анализ и математические технологии».

В октябре прошлого года я прошёл отбор в Инженерно-математическую школу (ИМШ). Это совместная образовательная программа VK Education и НИУ ВШЭ. Я стал участником мастерской по прикладному искусственному интеллекту.

В одном из проектов мы командой из двух человек (да, нас было мало, но мы были сильны!) решили реальную технологическую задачу под руководством эксперта VK и научных сотрудников университета. Нам нужно было придумать технологию разделения аудиосигнала на источники. В команде я отвечал за подготовку данных, а мой коллега — за проведение экспериментов. Хочу рассказать вам подробно, как мы решали эту задачу — надеюсь, что это будет для вас полезно.

Кстати, в ИМШ есть и другие практикоориентированные мастерские: по аппаратному обеспечению искусственного интеллекта, по компиляторам и высоконагруженным приложениям, по виртуальным платформенным решениям «Робби» (в СПб). Если вас что-то из этого интересует и вы являетесь студентом Вышки, узнать об условиях поступления можно здесь. Следующий набор в мастерские ИМШ откроется осенью этого года, а в магистратуры школы поступить можно уже сейчас. Обучение в мастерских бесплатное. А еще: те, кто хорошо покажут себя в работе мастерских, получают преимущества при рассмотрении на вакансии VK.

В МАГИСТРАТУРУ ВШЭ НА БЮДЖЕТ

Разделение аудиосигнала на источники — одна из многих задач ИИ в области обработки звука. К ней близка задача по созданию технологии шумоподавления, в рамках которой необходимо выделить один источник сигнала и максимально увеличить качество выделенного материала. Но фундаментально две эти задачи отличаются друг от друга. В отличие от шумоподавления в результате разделения аудиосигнала на источники на выходе получается множество очищенных сигналов.

Из всех моделей искусственного интеллекта к решению этой задачи максимально приблизилась модель из семейства DEMUCS — HT Demucs (Hybrid Transformer Demucs). Она заняла первое место в соревновании “Music Demixing Challenge 2021”, которое провела компания Sony.

Несмотря на это, в своей работе мы имели дело с моделью HDemucs (Hybrid Demucs). Казалось бы, логичнее работать с более успешным подходом, но есть нюанс — HT Demucs тяжело обучить: а все потому, что данных, на которых обучалась эта модель, нет в открытом доступе.

Расскажем подробнее, что мы делали с моделькой.

Представление звука

Для нашей задачи звук можно представить как зависимость интенсивности от времени для композиции волновых колебаний. Этот временной сигнал можно перевести в частотное представление для каждого (в непрерывном случае) временного окна. Такое преобразование называют оконным преобразованием Фурье (STFT).

Поскольку STFT представляет входной сигнал в комплексной форме, мы можем рассмотреть по отдельности амплитудное и фазовое представление преобразованного сигнала. Следующие представления мы можем представлять как тепловые карты, на которых по оси абсцисс будет отложено время, по оси ординат — частота, а амплитуда или фаза будет спроецирована на плоскость, кодируя значение цветом точки на карте. Полученные тепловые карты — это изображения, которые можно обрабатывать нейросетевыми методами компьютерного зрения. Ради них мы здесь сегодня и собрались.

Вебинар магистерской программы «Медиапроизводство и медиааналитика»

Про модели DEMUCS

DEMUCS — это глубокая модель для выделения аудиосигналов, берущая за основу подход, используемый при сегментировании изображений, а именно модель U-Net. Архитектура U-Net состоит из кодировщика, декодировщика и промежуточного слоя между ними, который обычно именуется bottleneck.

Основное свойство U-Net — наличие skip-соединений между слоями кодировщика и декодировщика, что позволяет на этапе декодирования не терять изначальную информацию. В итоге получается, что DEMUCS берёт подход для сегментирования изображений и применяет его для обработки волны аудиосигнала. В дальнейшем на основе базовой модели DEMUCS были разработаны Hybrid DEMUCS, Hybrid Transform DEMUCS и другие:

• Hybrid DEMUCS использует bi-U-Net (две параллельные U-net сети): одну для волны во временном представлении, а другую для амплитудной спектрограммы в частотном представлении.
• Hybrid Transform DEMUCS — развитие Hybrid DEMUCS. В ней слои кодировщика в U-net сетях заменяют на трансформеры “cross-domain”, которые в bi-U-Net связывают механизмом внимания две части: временную и частотную.

Измеряем качество

Возникает логичный вопрос: «Как можно судить о качестве модели, если единственное, что можно сделать, — это послушать выход?» Слух — хороший показатель качества, но, к сожалению, субъективный. По этой причине для оценки качества моделей по разделению звука существуют числовые метрики:

• SNR — Signal-to-Noise Ratio.
• SAR — Source-to-Artifact Ratio.
• SIR — Source-to-Interference Ratio.
• SDR — Source-to-Distortion Ratio.

SDR= 10log10‖starget‖2‖einterf+enoise+eartif‖2, dB

SDR — метрика, которая обобщает SNR, SAR и SIR, характеризуя общую зашумленность сигнала. Чем SDR больше, тем менее искажен сигнал. Значение SDR ≥ 10 — удовлетворительно для человеческого уха.

Но у SDR, несмотря на его потрясающие свойства, есть определённые проблемы. Если взять один трек и сделать его копию с небольшим изменением, которое невозможно услышать, то можно будет увидеть существенную разницу в показателях SDR между получившимися треками. Таким образом, SDR не может учитывать близость между двумя одинаковыми на слух треками.

Обучение модели

Хоть у нас и есть архитектура HDemucs, но без определенных дополнений никак не обойтись. Во-первых, можно составить нетривиальный функционал качества, который поможет модели лучше оценивать качество разделения, выделяя больше полезной информации из спектрограммы сигнала.

Во-вторых, для обучения модели необходимо немало примеров для сходимости, поэтому даже крупные наборы данных желательно увеличить ещё больше. Для этого был бы полезен целый пайплайн, который позволит максимально накормить модель. В-третьих, это вычислительные мощности и оптимизация, а главное — те жертвы, на которые приходится идти, чтобы модель сходилась не вечность. Каждый из этих этапов далее я опишу подробнее.

Функции потерь

Поскольку для обучения в самом начале пути мы использовали только L1 Loss, нередко модель выходила на «плато». Наверное, самый страшный момент в жизни людей, обучающих большие модели, — это не нехватка данных или мощностей. Страшно, когда на протяжении нескольких эпох, которые отнюдь не дешевые, модель не учится, а метрика качества при этом остается совсем плохой. В такие моменты наступают стадии гнева, отрицания, и в итоге приходит решение что-то добавить во благо сходимости, а именно — новые составляющие для функции потерь:

• L1 Loss — классическая функция потерь, определяемая модулем разности предсказанного сигнала и эталонного. Для текущей задачи определена во временном домене.
• MultiSpec Loss — квадрат разницы между пикселями предсказанной и эталонной спектрограмм.
• SiSDR Loss — функция потерь, направленная на максимизацию метрики SDR (Source to Distortion Ratio). Считается во временном представлении сигнала.
• Perceptual loss — используется для сравнения высокоуровневых различий таких, как несоответствие содержания и стиля между изображениями, в рамках задачи это относится к спектрограммам. Мы применили обученную VGG на слоях, которой считаем различия в паттернах.

Каждая из этих функций постепенно добавлялась при проведении экспериментов. В итоге получившуюся функцию потерь для обучения можно записать следующим образом: L(y, y) = L1(y, y) +MultiSpec(y, y) +SiSDR(y, y) +Perceptual(y, y) .

Набор данных

В качестве набора данных было решено использовать свободно распространяемый, размеченный набор данных MUSDB18. Это классический набор для подобных задач. Давайте рассмотрим его подробнее. Структура набора: 100 композиций на обучение и 50 композиций на валидацию.

Этот набор данных состоит из 150 полноформатных музыкальных треков суммарной длительностью примерно 10 часов.

Представленные музыкальные композиции в наборе различаются разными жанрами, а также разнообразием участвующих инструментов. Таким образом, в наборе присутствуют сольные композиции, состоящие, например, только из ударных, басов инструментов, вокала, гитары и других музыкальных инструментов.

Аугментации

MUSDB18 — это хорошо, а увеличенный и расширенный — еще лучше. Для такой модели, как HDemucs, необходимо не просто много, а ошеломительно много данных. Чтобы обеспечить модель материалом, давайте, словно диджеи, миксовать и всячески менять сэмплы. К тому же ремиксы, особенно всем набившее оскомину “slow+reverb remix”, можно считать по сути отдельными треками.

А теперь рассмотрим те приемы, которые мы использовали для расширения:

• FlipChannels. Поскольку в MUSDB аудиосигнал стерео, то есть у него два канала на каждое, то можно поменять местами левый и правый.
• Shift — можно просто сдвинуть трек во времени, то есть начать его.
• Remix — источники трека перемешиваются в рамках батча.
• FlipSign — изменение знака источников.
• Scale — увеличение или уменьшение амплитуды во сколько-то раз, то есть повышение или понижение громкости.
• TimeChange — глобальное увеличение или уменьшение действующих частот, то есть ускорение или замедление трека.
• PitchShift — увеличение или уменьшение частоты только вокальной части, то есть повышение или понижения тональности вокалиста.
• Fade — затухание случайного сегмента источника.
• Reverse segment — реверс случайного сегмента соответствующего источника вокала (позаимствовано из фильма «Малыш на драйве»).
• Дублирование канала — оба канала становятся либо левыми, либо правыми.

Подробности реализации

К сожалению, мало придумать функцию потерь и реализовать ее, собрать данные и расширить их аугментациями. Все это прекрасно, но необходимо учесть рамки, в которых мы находимся, и подумать об оптимизации обучения. Важно, чтобы оно было относительно быстрым.

Во-первых, перед тем, как получить трек после конвейера с аугментацией, мы его нарезаем на кусочки по 11 секунд, чтобы закинуть в модель. Если прогнозировать на большей длительности, то скорость обучения может устремиться в бесконечность, а если на меньшей, то модели может не хватить существенной информации, чтобы правильно скорректировать свои веса.

Во-вторых, поскольку генерировать аугментации нужно много и быстро, необходимо использовать специальные числовые типы, такие как bf16 (Brain Floating Point) — это формат чисел с плавающей точкой, жертвующий некоторой точностью, а взамен дающий прирост по обучению.

К тому же нехватка железа в рамках учебного проекта не позволяет просто закинуть на 8 видеокарт и ждать чуда; нужно выжимать и танцевать с бубном на скромном количестве железа. Это ограничение мотивировало нас уменьшить глубину модели. В отличие от оригинального HDemucs, который имел глубину 6, мы уменьшили модель до глубины 4, что пропорционально уменьшило количество параметров аж в 9 раз! И знаете, что самое интересное? То, что получилось в результате.

Результаты

«Магия запрещена вне Хогвартса», но что вы скажете на то, что, несмотря на уменьшение параметров в 9 раз, удалось не просто сравниться с HDemucs в качестве разделения вокала, но и побить его по качеству? Это точно волшебство, хотя, конечно, другие источники похуже, но в целом также достаточно адекватны при прослушивании.

Вот примеры работы нашей модели на одном легендарном треке:

• Queen — We Will Rock You (Live in Montreal 1981)
• Оригинал: original.wav
• Вокал: vocals.wav
• Ударные: drums.wav
• Бас: bass.wav
• Другое: other.wav

Сравнительная таблица результатов:

Модель

Ударные SDR, db

Бас SDR, db

Источник: habr.com

ГК «Главстрой» анонсировал масштабную грантовую программу с Высшей школой экономики

Группа компаний «Главстрой» и Школа дизайна НИУ ВШЭ объявили о долгосрочном сотрудничестве и новом формате работы с магистрами. В рамках совместной программы лучшие абитуриенты смогут получить гранты на обучение в магистратуре по направлению «Дизайн среды. Продвинутый уровень» в Москве.

Грантовая программа призвана не только поддержать талантливых профессионалов, но и укрепить связь крупных компаний с университетом для достижения максимально высоких образовательных и профессиональных результатов. На протяжении двух лет студенты будут совершенствовать свои профессиональные навыки, работая над реальными проектами. После защиты дипломов лучшие выпускники смогут стать частью команды девелопера и применить полученные знания на практике. В Санкт-Петербурге они смогут не только предложить новые идеи для совершенствования жилой среды в новых городских районах «Северная долина» и «Юнтолово», но и реализовать их на практике.

«Коллаборация с одним из ведущих вузов России дает нам уникальную возможность не только выбрать наиболее перспективных студентов для дальнейшего взаимодействия, но и плотно работать с ними на протяжении всего времени обучения. Студенты, в свою очередь, смогут решать реальные производственные задачи, предлагать свои идеи и воплотить их в крупнейших проектах комплексного освоения территорий Северной столицы»,

— комментирует Анна Лях, директор по персоналу «Главстрой Санкт-Петербург». Программа магистратуры рассчитана на слушателей с опытом работы в сфере архитектуры и/или дизайна среды и желанием получить навыки многоуровневого проектирования, а также управления проектами в сфере городских общественных пространств.

«В нашем курсе основное внимание уделяется именно креативной стороне профессии — концептуальному проектированию, разработке городской айдентики, навигации и архитектурно-дизайнерских решений от МАФов до городских планов. В качестве среды для экспериментов будет выступать стандартный небольшой город, масштаб которого позволяет в учебном формате рассмотреть алгоритм создания различных элементов среды, как пространственных, так и объемных. Работа над проектами выстроена по уже ставшей известной «карте креативных компетенций», позволяющей студенту системно взглянуть на приобретаемые в ходе обучения навыки. В течение двух лет студенты выполнят пять проектов, подготовят ВКР и создадут уникальное портфолио, которое будет незаменимым в поиске работы на быстро развивающемся рынке благоустройства малых городов РФ»,

— рассказали кураторы программы Александр Джикия и Вадим Липатов.

Как получить грант?

Чтобы принять участие в конкурсе на грантовую поддержку, нужно подать документы для поступления на магистерскую программу «Дизайн среды» (профиль «Дизайн среды. Продвинутый уровень») в НИУ ВШЭ до 15 сентября, успешно пройти вступительное собеседование и конкурс портфолио. Во время вступительных испытаний представители группы компаний «Главстрой» выберут восемь абитуриентов, которые получат грант в размере стоимости первого семестра обучения (200 000 рублей). Дальнейшая грантовая поддержка предоставляется на конкурсной основе: в течение двух лет обучения шанс получить грант будет у каждого студента, получающего высокие оценки за выполненные проекты по итогам полугодия.

Источник: moika78.ru

Коммуникационный дизайн

В рамках нашей программы мы широко трактуем арт-директорство как способность к системному креативному осмыслению задачи и управлению творческими ресурсами. С одной стороны, арт-директором может стать практикующий дизайнер, который дорос до этой позиции. С другой стороны, человек, не так хорошо владеющий навыками дизайна, может оказаться способен оценить и собрать команду, которая будет заниматься непосредственно созданием проекта. Жизненная практика показывает, что и непрофессиональные дизайнеры могут стать компетентными арт-директорами.

Соответственно, у нас есть две группы: level up, которая придумана для специалистов, уже обладающих какими-то дизайнерскими навыками, и level 0, предусматривающая возможность получения прикладных умений, — по сути, переподготовка, позволяющая выпускникам сразу начать зарабатывать себе на жизнь ремеслом. Надо сказать, что современный дизайн — поле для арт-директоров, это сложная система, в которой практически невозможно функционировать только в качестве ремесленника. В ней необходим именно широкий системный взгляд, другой на рынке не востребован.

Науки о данных

Кузнецов Сергей Олегович

руководитель программы, заведующий отделением прикладной математики и информатики НИУ ВШЭ

Данных становится все больше и, что характерно для последнего времени, они распределены по разным форматам, в том числе и в неструктурированном виде. Информация с разнообразных датчиков и камер, тексты, порожденные в несколько кликов с помощью copy-paste, — все превращается в данные, которые необходимо обрабатывать и анализировать. Наша программа называется «Науки о данных», во множественном числе, поскольку единой целостной науки еще нет, есть лишь разные подходы. Но мы надеемся стать центром кристаллизации такой науки.

Что должен уметь исследователь данных? Он должен уметь строить математические модели анализа данных, он должен уметь их реализовывать и проводить компьютерные эксперименты.

Хотя среди вступительных экзаменов и нет программирования, мы хотим, чтобы наши студенты имели этот навык, поэтому мы подготовили специальный адаптационный курс, и все студенческие задания будут иметь программистскую компоненту. Всего у нас три специализации: «Интеллектуальные системы», куда входит машинное обучение, обучение анализу и «майнингу» данных; «Анализ интернет-данных», совместная программа с «Школой анализа данных» Яндекса; и «Технологии и моделирование сложных систем», совместная программа с Институтом проблем передачи данных им. А.А. Харкевича, посвященная мета-моделированию и другим интересным проблемам.

Из направлений наших исследований и обучения я бы хотел особенно отметить медицинскую информатику, то есть использование методов информатики для улучшения качества лечения, анализ медицинских данных в разной форме: изображений, текстов и так далее. В мире уже сейчас происходит бум медицинской информатики, у нас он только начинается: подобный метод применяется в Центре детской гематологии, онкологии и иммунологии им. Д. Рогачева. В Центре исследуются две стратегии лечения некоторого вида рака, и по общим результатам кажется, что они действуют более или менее одинаково. Но если с помощью метода анализа данных выделить подгруппы пациентов на основе определенных наборов физиологических признаков, то окажется, что в каждой из подгрупп результаты лечения тем или иным методом сильно отличаются.

Исламское право

Сюкияйнен Леонид Рудольфович

Исламское право — одна из самых крупных современных правовых систем, она существует на протяжении уже многих веков. И в последние десятилетия сфера ее действия расширяется, исламское право выходит за пределы непосредственно мусульманских стран: многие его нормы и принципы и даже целые институты, например, банки, работают вне мусульманского мира. В России многие проблемы, с которыми сталкиваются мусульмане, имеют правовой характер, и чтобы разрешать эти проблемы, нужно хорошо знать исламскую правовую культуру и учитывать традиции мусульманского сознания.

Политические процессы, проблема терроризма и экстремизма, глобализации, проблема прав человека — весь этот комплекс вопросов, с которыми сталкивается современный человек, связан с юридическими нормами. Сейчас активно обсуждается проблема шариатских судов, проблема хиджаба актуальна не только в Европе, но и в России — были даже судебные решения, с ней связанные. Все это лежит в основе той актуальности, которую приобретает наша программа. В рамках юридического образования исламское право нигде серьезно не изучается, хотя, чтобы решить все эти озвученные проблемы, нужно хорошо представлять основные параметры и специфику исламской правовой культуры.

Когнитивные науки и технологии

Ключарев Василий Андреевич

руководитель программы, декан факультета психологии НИУ ВШЭ

Наша программа междисциплинарная, ведь мы изучаем разные аспекты того, как человек перерабатывает информацию. Нам интересны ребята, которые приходят из самых разных областей: математики, физики, лингвистики, психологии, биологии. Наши исследования находится на стыке разнообразных наук и технологий, но мы в итоге выделили два образовательных трека: один, посвященный общим принципам переработки информации, — для психологов; второй, направленный на исследование физиологических механизмов, происходящих в мозгу во время этого процесса, — для нейробиологов. Это по-настоящему уникальный проект, первый в России. Программа англоязычная: у нас будут преподавать иностранные специалисты из Италии, Японии и Германии.

В методах исследования этой области сейчас происходит революция. Наряду с хорошо известными способами вроде магнитной электроэнцефалограммы начинают использоваться новейшие технологии «нейроимиджинга». Во ВШЭ открылась лаборатория транскраниальной магнитной стимуляции: мы можем воздействовать на мозг магнитным полем и фиксировать происходящие в нем изменения. На мой взгляд, одним из прорывов современной науки станет понимание того, как наша нервная система перерабатывает информацию. Когда мы научимся понимать этот процесс и, может быть, математически его моделировать, появится возможность транслировать его в робототехнику и современные компьютерные технологии.

Визуальная культура

Инишев Илья Николаевич

Требуется более дифференцированная интеллектуальная реакция на эти процессы, но в наших широтах она недостаточно разработана и представлена. В нашей программе мы и хотим изучать эту социальную функцию визуальности или визуального образа, при этом не ограничивая его сферой искусства, возможно, не самой значимой на сегодняшний день. Не искусствоведение и не социология, но скорее специализированная версия культурных исследований, где практикуется система разнообразных подходов: от лакановского психоанализа до семиотики.

Управление пространственным развитием городов

Высоковский Александр Аркадьевич

декан Высшей школы урбанистики при НИУ ВШЭ

Программа, которой я руковожу, направлена на создание новой для России профессии урбаниста, объединяющей в себе знания и умения социолога, экономиста, культуролога, с одной стороны, и архитектора, с другой. Урбанист должен обладать, например, и географическими методами исследования, и архитектурными методами проектирования. Такая многосторонняя подготовка позволит ему одновременно выявлять тенденции или проблемы и думать о способе их разрешения. То есть мы ставим задачу обучить ребят видеть все процессы, которые протекают в городе не только во времени, но и в пространстве.

К сожалению, именно таких специалистов недостаточно в системе городского управления. Оно, в основном, сейчас закрывается архитекторами, которые видят город как совокупность проектов, редко воспринимают его как целое и не понимают, как конкретное место будет на это целое влиять. Или оно планируется экономистами, думающими об экономических тенденциях, промышленности, социальных программах, инновациях. Между двумя этими практиками и должны появиться новые профессионалы, которых мы хотим обучать. Нужно заметить, что они очень востребованы: все наши студенты работают или в частных фирмах и занимаются развитием девелоперских проектов, или в государственном муниципальном управлении.

Филологическая герменевтика школьной словесности

Пенская Елена Наумовна

декан факультета филологии НИУ ВШЭ

За эти два года мы накопили большой опыт работы с самыми разными людьми, кто так или иначе заинтересован работой со школьниками. Мы научились им помогать. Нашли общий язык, инструменты, которые необходимы учителям. Магистратура сейчас доступна не только москвичам, но и иногородним коллегам, а также нашим соотечественникам, живущим за рубежом, например, учителям-словесникам из Вашингтона, Германии, Турции. Их обучение вполне возможно — магистратура очно-заочная.

Учебная программа магистратуры уникальна. Она решает нестандартные задачи, актуальные для сегодняшнего образования. Интернет-эпоха меняет мышление человека и общества, меняются и представления о том, каким должно быть образование. Очевидно, что образование должно стать интерактивным. Поэтому так остро встает сегодня проблема самообразования — осознанного заполнения лакун.

Но самообразованию тоже нужно учить. Это способен делать только постоянно растущий учитель.

Чтобы воспитать в учениках самостоятельность мысли, нужно не бояться ставить перед ними вопросы, не имеющие однозначного решения, или вопросы, ответ на которые учителю заранее не известен. Для нового стиля преподавания нужен высокий профессионализм, нужно, чтобы сам учитель имел вкус к исследованию. Мы заново учим учителей, казалось бы, тому, что они умеют, — читать и писать, понимать и объяснять тексты. Все это учитывает программа нашей магистратуры: кроме курсов, развивающих языковое чувство, читательскую и исследовательскую интуицию, в программе есть ряд дисциплин, помогающих воспринимать произведение в контексте — художественном, историческом, политическом.

Все курсы выстроены вокруг научно-исследовательского семинара. Сделано это для того, чтобы магистранты были не только слушателями, но и исследователями, чтобы они и подключались к разнообразным научно-исследовательским проектам (и даже инициировали их), и умели руководить исследованиями собственных учеников. Благодаря системообразующей роли научно-исследовательского семинара наша программа в настоящий момент не имеет аналогов и оказывается вне конкуренции. Магистратура «Филологическая герменевтика школьной словесности» готовит штучных специалистов — исследователей и экспертов в области филологического образования.

Управление в сфере науки, технологий и инноваций

Соколов Александр Васильевич

директор Форсайт-центра, заместитель директора Института статистических исследований и экономики знаний

Одной из основных составляющих нашей программы является обучение форсайтингу. Его главная идея состоит в том, чтобы стейкхолдеры, то есть люди, от которых зависит принятие решений, могли собраться вместе и выбрать консенсусный вариант будущего, на который они могут ориентироваться в своей работе. Форсайт вбирает в себя и количественные, и качественные, и синтетические методы: все, что может пригодиться, в нем используется. Это могут быть и модели оценки количественных показателей, и методы привлечения экспертов и анализа их мнений, и доказательные методы, то есть исследования литературы и баз данных, и креативные методы, например, «мозговой штурм».

Главное в форсайте, чтобы эти методы позволяли смотреть на проблему с разных углов. Такой подход позволяет форсайтингу использоваться во многих областях: мы, например, работаем с крупными компаниями, готовим для них прогнозы и проводим технологический аудит. А если вы, допустим, чиновник, и заказываете форсайтинговое исследование, то вам необходимо понимать, как оно реализуется, вы должны уметь устанавливать минимальный стандарт качества. Соответственно, в нашей программе можно выделить две основные линии: по одной готовятся люди для работы в частных компаниях, по другой, связанной с и инновационной политикой, — для работы в правительстве. Курс читается на английском языке, и мы стараемся привлечь международных специалистов экстра-класса: из UNESCO, из разнообразных исследовательских учреждений и университетов.

Источник: theoryandpractice.ru