CC BY
145Актуальные вопросы формирования профессиональных компетенций в области сквозных цифровых технологий (нейротехнологии)
о см о см
о ш т
X
3
<
т О X X
Микрюков Андрей Александрович
к.т.н., доцент, доцент кафедры прикладной информатики и информационной безопасности Института цифровой экономики и информационных технологий, РЭУ им. Г.В. Плеханова, Mikrukov.aa@rea.ru
Мазуров Михаил Ефимович
д.ф.-м.н., профессор кафедры прикладной информатики и информационной безопасности Института цифровой экономики и информационных технологий, РЭУ им. Г.В. Плеханова, Mazurov37@mail.ru
Щукина Наталья Александровна
к.т.н., доцент, доцент кафедры математических методов в экономике Института цифровой экономики и информационных технологий РЭУ им. Г.В. Плеханова, SCHukina.NA@rea.ru
Рыленков Давыд Андреевич
магистрант кафедры прикладной информатики и информационной безопасностиИнститута цифровой экономики и информационных технологий, РЭУ им. Г.В. Плеханова, Fedorov.IG@rea.ru
В настоящее время активно реализуется Федеральный проект «Кадры для цифровой экономики», являющийся составной частью национальной программы цифровой экономики. Одной из актуальных задач реализации указанного проекта является формирование профессиональных компетенций в области сквозных цифровых технологий в условиях трансформации, то есть перехода к цифровой экономике. Целью исследования является разработка и обоснование перечня ключевых профессиональных компетенций, необходимых специалистам для решения задачи внедрения одной из девяти сквозных цифровых технологий - нейротехнологии. В статье рассматривается подход к формированию основных профессиональных компетенций в области нейротехнологии на основе базовой модели ключевых компетенций цифровой экономики, разрабатываемой в рамках Федерального проекта «Кадры для цифровой экономики». В условиях перехода к массовому обучению специалистов технологиям цифровой экономики предложен подход к решению задачи создания нейрообразовательной среды, в которой реализуется процесс генерации индивидуальных траекторий обучения с использованием онтологического инжиниринга образовательных программ, обеспечивающий гибкое построение образовательных траекторий с учетом потребностей в приобретении определенных компетенций конкретным специалистом. Разработаны предложения по построению технологической платформы нейрообразовательной среды. Ключевые слова: нейрообразовательная среда, профессиональные компетенции, индивидуальные траектории обучения, сквозные цифровые технологии.
Работа выполнена при финансовой поддержке ФГБОУ ВО «РЭУ им. Г.В. Плеханова»
Введение
В соответствии с Федеральным проектом «Кадры для цифровой экономики», который представляет собой составную часть Национальной программы «Цифровая экономика Российской Федерации» разрабатывается базовая модель компетенций цифровой экономики, которая включает ключевые компетенции, необходимые для решения поставленных задач или достижения заданного результата деятельности в условиях глобальной цифровизации общественных и бизнес-процессов [1-7].
На основе базовой модели компетенций цифровой экономики планируется актуализация в условиях циф-ровизации российской экономики федеральных образовательных стандартов (ФГОС), создание стройной системы подготовки специалистов в указанной области, а также современной учебно-лабораторной базы, совершенствование существующих учебно-методических материалов и разработка новых с учетом активного развития и внедрения нейротехнологий.
Вышесказанное обуславливает актуальность рассматриваемых вопросов, связанных с необходимостью разработки ключевых профессиональных компетенций в области нейротехнологий и соответствующей компетенциям гибкой образовательной среды, обеспечивающей возможность генерации индивидуальных траекторий обучения, учитывающих потребности специалистов в конкретной предметной области.
Базовая модель профессиональных компетенций цифровой экономики
Рассмотрим содержание понятия «компетенция». В работе [5] дается следующее определение: «Компетенция - это такая комбинация знаний, умений, навыков, мотивационных факторов, личностных качеств и ситуационных намерений, которая обеспечивает эффективное решение исполнителем задач определенного класса в определенной организации, на определенном рабочем месте, в определенном производственном коллективе». Известно, что наряду с термином «компетенция» используется термин «компетентность». Эти понятия несут различную смысловую нагрузку. В работе [5] дается следующее определение этому термину: «Компетентность - «основывающийся на знаниях, интеллектуально и личностно обусловленный опыт социально-профессиональной жизнедеятельности человека»
Таким образом, «компетентность» как форма опыта неотделима от конкретной личности, тогда как «компетенция» есть характеристика должностного функционала и/или решаемых задач. В ряде ситуаций, например, при обучении персонала, разница в смыслах имеет принципиальное значение: компетентность специали-
ста должна включать набор компетенций, соответствующих функциональным обязанностям. С другой стороны, «компетентность» иногда необоснованно трактуется расширительно, выходя за рамки профессиональной сферы.
В работе [7] предложен подход к построению модели профессиональных компетенций, в которой выделено пять групп компетенций, выстроенных в определённом порядке: личностные, социальные, технические, организационные и административные.
В модели реализована идея об эволюционном характере развития компетенций, отражены пять естественных взаимосвязей между компетенциями. Визуальная интерпретация модели компетенций представляет собой диаграмму (пентаграмму) с пятью поименованными группами компетенций (рисунок1).
Рисунок 1 - Интерпретация модели компетенций в виде пентаграммы [7]
Наишшиьный проект иЦифрПНЯЯ ЖОЛОЧНкК» Грик-Щ.Ш.ЦЩ-Л.Ц.ИМ
: Ф11 «Норнаттинос рсгулиромннс
_цифровой срслы»_
ФМиМпформацмошш
10ИМ11ИН№ Ф11 "Информационная _КЖНШ". _
ф|| «ЦнфрОВЫС ТИПОЛОГИИ*
Ф11 »Цифровое государствами;
_ущзж»_
ФН «КЧфы .ия цифрован
Цок
•ЯММШНМ цифровая трансформации ЖВОМНИ II социальной сфсри РОССИИ
Еудут |'м№ш; ■шкуренж пособия инфраструктура обработки и хранении данных, -система КШЦПЗМ
нсокдомннй I обмети цифровых теиним);
Л«)В(рШ(НГ] нни ННЯЯ гкекми ПОДЮтМКН КМ[Ю»
Рисунок 2 - Федеральный проект «Кадры для цифровой экономики» - составная часть национального проекта «Цифровая экономика»
Внутренняя кольцевая стрелка, иллюстрирует идею цикличности в развитии компетенций. Все взаимосвязи
между группами компетенций в модели являются закономерными и проистекают из эволюционного характера развития компетенций. Это обстоятельство отражается в модели в виде пяти прямых стрелок.
Как известно, в высшей школе при реализации образовательных программ в содержание рабочих программ учебных дисциплин (РПУД) включены следующие группы компетенций: общекультурные, общепрофессиональные и профессиональные, которые не противоречат представленной выше модели.
В соответствии с федеральным проектом «Кадры для цифровой экономики», являющимся составной частью национального проекта «Цифровая экономика» (рисунок 2) разрабатывается базовая модель компетенций цифровой экономики, включающая следующие ключевые компетенции, которые необходимы для решения человеком поставленных задач или достижения заданного результата деятельности в условиях глобальной цифровизации общественных и бизнес-процессов [4]:
1. Коммуникация и кооперация в цифровой среде. Компетенция предусматривает способность человека при достижении поставленных целей использовать различные средства и цифровые технологии во взаимодействии с другими людьми в цифровой среде.
2. Саморазвитие в условиях неопределенности. Компетенция предусматривает способность человека формулировать образовательные цели для решения возникающих задач, подбирать способы решения и средства развития (в том числе цифровые) необходимых компетенций.
3. Креативное мышление. Компетенция предполагает способность человека генерировать новые идеи для решения вновь возникающих задач в условиях цифровой трансформации экономики, при необходимости абстрагироваться от типовых и стандартных моделей: перестраивать и совершенствовать существующие сложившиеся способы решения задач, выдвигать альтернативные варианты действий с целью выработки новых более эффективных способов и алгоритмов.
4. Управление информацией и данными. Компетенция предполагает способность человека искать и находить необходимые в данной ситуации источники информации и сведения, воспринимать, анализировать, преобразовывать, запоминать и передавать информацию с использованием цифровых технологий при работе с полученными из различных источников данными с целью эффективного их использования для решения поставленных задач.
5. Критическое мышление в цифровой среде. Компетенция предполагает способность человека проводить анализ и оценку информации, определять ее достоверность, на основании полученных данных строить логические умозаключения для получения искомого результата.
На основе базовой модели компетенций цифровой экономики в условиях широкомасштабной цифровиза-ции российской экономики, активного развития теории нейронных сетей (в частности, теории нейронных сетей третьего поколения) и непрерывного совершенствования нейротехнологий планируется актуализация федеральных образовательных стандартов (ФГОС), создание стройной системы подготовки и переподготовки специалистов в указанной области, создание современной учебно-лабораторной базы, совершенствование существующих учебно-методических материалов. Кроме
X X
о
го А с.
X
го т
о
м о м о
о
CS
о
CS
о ш m
X
3
<
m О X X
того, планируются мероприятия по поддержке талантливой молодежи и содействие гражданам в приобретении необходимых компетенций.
Федеральный проект предусматривает обеспечение цифровой экономики высококвалифицированными компетентными кадрами за счет существенного увеличения числа обучаемых по направлениям сквозных цифровых технологий (рисунок 3).
ФЕДЕРАЛЬНЫЙ ПРОЕКТ
«КАДРЫ ДЛЯ ЦИФРОВОЙ ЭКОНОМИКИ»
l!»KWIIUMHHf 1ШЧИ, рсп.анш
IKCCtkWMIC ИНфрОМП ШПМНШ |
юмпетентнымнкцрш
Нщкрияи HUHUHM« ШШ11ШРВ И CTWCKTOB В o6.is.ni
штсмлмн. ппфиршикп и
TtXHMOTjll цифровой IK0II0MIIKII
СокЯспмгршыш iwmm
инфровоА граылпюсгн и ишпевций цифровой жовоыш!
Киличшво человек, принятых на программы высшего обршннм и ефере инфорыашю1(»ы\техиотогнП и по «зтематичеекнм специальностям; •3112.2020-60 тыс. чел; -31.112021-№тис. кл, ■31.12.2022-90 тыс. чел; ■31.12.2023 - 100 тос.нея; ■31.12 2024- 120 тыс чел;
Рисунок 3 - Задачи Федерального проекта «Кадры для цифровой экономики»
Одной из актуальных задач реализации Федерального проекта является разработка профессиональных стандартов в указанной области и их согласование с федеральными государственными образовательными стандартами (ФГОС) в рамках единого образовательного пространства.
Формирование образовательного пространства для решения вышеназванных задач должно обеспечивать возможность для гибкого построения образовательных траекторий с учетом потребностей в приобретении набора определенных компетенций конкретным специалистом путем организации индивидуальной среды обучения и построения индивидуальных траекторий обучения. С этой целью разработана и предложена интегрированная интеллектуальная нейрообразовательная среда, обеспечивающая приобретение обучаемыми необходимых компетенций в области нейротехнологий.
Концептуальная модель и технологическая платформа интегрированной интеллектуальной нейро-образовательной среды
На основе базовой модели компетенций цифровой экономики сформирована обобщенная концептуальная модель описания информационно-образовательного пространства, в котором интегрируется разнородный научно-образовательный контент [8]. Разработан подход к решению задачи генерации индивидуальных траекторий обучения с использованием онтологического инжиниринга образовательных программ при массовом обучении специалистов технологиям цифровой экономики. Использование специального инструментария накопления и хранения знаний в виде интеллектуаль-
ного репозитория, который должен содержать как готовые типовые информационно-образовательные решения (кейсы), так и индивидуальные учебные объекты, позволит решить задачу генерации образовательной программы с учетом требуемого набора компетенций. С этой целью предполагается решение следующих задач:
- разработка модели образовательной среды на основе сбора, анализа, классификации и обобщения информации из различных источников, в том числе, на основе информации, содержащейся в профессиональных и образовательных стандартах;
- систематизация и организация элементов (концептов) модели образовательной среды на основе сопряжения различных онтологий применительно к сфере применения модели;
- формирование интеллектуального хранилища он-тологий (цифрового репозитория) и разработка на его основе алгоритмов и сервисов генерации учебно-методического и организационно-управленческого контента под конкретные параметры образовательной среды и требования к результатам обучения.
Разработана технологическая платформа интегрированной интеллектуальной нейрообразовательной среды, представляющая собой интеграцию существующих средств компьютерного класса и разработанных нейрообразовательных комплексов, которые обеспечили построение технологической платформы. В состав технологической платформы нейрообразовательной среды входят:
-нейробразовательные комплексы, включающие аппаратные модели стандартных и избирательных нейронов (разработчик ООО «Интеграл»). Избирательные нейроны представляют собой новый класс нейронов, приближенных по своему функционалу к биологическим нейронам [9-12];
- аппаратно-программные средства (рабочие станции) учебного класса;
- программные средства (авторское программное средство «Программа расчета весовых коэффициентов перцептрона с помощью избирательного метода Монте-Карло» [16], программный пакет Deep Learning Toolbox среды MATLAB, программный пакет Statistica automated neural networks (SANN), аналитическая платформа Deductor Studio Academic 5.3).
Технологическая платформа обеспечивает формирование необходимых компетенций в области нейротех-нологий, ознакомление обучаемых с принципами построения и функционирования стандартных и избирательных нейросетей, а также ознакомление с инструментальными средствами, иллюстрирующими возможности нейросетевых технологий. Для усвоения теоретического материала и приобретения практических навыков разработано 5 авторских практических задач и 3 авторские лабораторные работы.
Предложенная технологическая платформа с учетом расширения ее функциональных возможностей должна обеспечивать построение индивидуальных траекторий обучения в области нейротехнологий исходя из сформированных компетентностных моделей конкретных специалистов.
Характеристика компетенций профессии «специалист нейротехнолог»
Специалист нейротехнолог по существу является программистом-разработчиком, конструктором
нейросетей. Его задачей является создание нейросете-вых моделей для решения конкретных задач. Чаще всего разработчики создают нейросети для решения задач: классификации каких-либо данных по определенным параметрам, распознавания образов, голоса, предсказания (прогнозирования) следующих шагов, временных рядов, поиска изображения по представленной картинке и др.
Услуги специалиста по нейронным сетям могут быть востребованы практически в любой области: медицина, логистика, экономика, производственные предприятия, маркетинг и др.
С учетом разработанных нейрообразовательной системы и учебно-методических материалов обучаемые приобретают следующие общепрофессиональные (ОПК) и профессиональные (ПК) компетенции:
Общепрофессиональные компетенции:
- способность к самостоятельному обучению новым методам исследования, к изменению научного и научно-производственного профиля своей профессиональной деятельности;
- способность самостоятельно приобретать (в том числе с помощью информационных технологий) и использовать в практической деятельности новые знания и умения, включая новые области знаний, непосредственно не связанных со сферой деятельности.
- способность обобщать и критически оценивать результаты, полученные отечественными и зарубежными исследователями, выявлять перспективные направления, составлять программу исследований;
- способность обосновывать актуальность, теоретическую и практическую значимость избранной темы научного исследования;
- способность проводить самостоятельные исследования в соответствии с разработанной программой, формировать технические задания и участвовать в разработке аппаратных и/или программных средств нейро-информатики.
Профессиональные компетенции:
- способность обоснованного выбора структуры нейронной сети,
- способность использовать итерационные методы расчета весовых коэффициентов, оценивать точность, эффективность работы нейронной сети;
- способность применять избирательные информационные технологии для задач распознавания, управления, прогнозирования, проектирования искусственного интеллекта;
- способность анализировать результаты моделирования с использованием нейросетевых технологий и делать обоснованные выводы.
При формировании перечня профессиональных компетенций, как правило, опираются на содержание профессиональных стандартов. Анализ существующих профессиональных стандартов показал, что в настоящее время в области нейротехнологий последние отсутствуют. Существует наиболее близкий к рассматриваемой предметной области проект профстандарта «Специалист по машинному обучению» и пояснительная записка к нему [14, 15].
Методы машинного обучения представляют собой класс методов нейротехнологий и искусственного интеллекта, характерной чертой которых является возможность обучения в процессе применения решений множе-
ства сходных задач. Методы машинного обучения позволяют запоминать особенности решения для создания собственного опыта, упрощающего и уточняющего последующие действия [16].
Основной целью рассматриваемого вида профессиональной деятельности «Создание прикладных информационных систем с использованием методов машинного обучения и интеллектуальной обработки данных» является: автоматизация процессов решения прикладных задач с использованием методов машинного обучения и интеллектуальной обработки данных.
В таблице 1 представлена функциональная карта рассматриваемого вида профессиональной деятельности, включающая набор трудовых функций и соответствующих им обобщенных трудовых функций. [15].
Таблица 1
Функциональная карта вида профессиональной деятельности профессионального стандарта «Специалист по машин-
Обобщенные трудовые функции Трудовые функции
Подготовка данных Анализ требований по сбору данных Исследование, сбор и подготовка данных для анализа
Интеллектуальная обработка данных Классификация данных Поиск и структурирование данных Прогнозирование на основе особенностей данных Поиск и анализ отклонений в анализируемых данных Поиск и анализ связей между объектами
Разработка моделей машинного обучения для решений с использованием компьютерного зрения Разработка моделей машинного обучения для компьютерного зрения Адаптация моделей машинного обучения для прикладных решений с использованием компьютерного зрения
Разработка моделей машинного обучения для решений с использованием обработки естественного языка Разработка моделей машинного обучения для обработки естественного языка Адаптация моделей машинного обучения для прикладных решений с использованием средств обработки естественного языка
Разработка моделей машинного обучения для решений с использованием распознавания и синтеза речи Разработка моделей машинного обучения для распознавания и синтеза речи Адаптация моделей машинного обучения для прикладных решений по распознаванию аудиосигналов и синтезу речи
Используя функциональные карты профессиональных стандартов, можно сформировать цифровые профили профессиональных компетенций, необходимых для выполнения профессиональных обязанностей различными категориями специалистов, а на их основе строить индивидуальные образовательные траектории. Для различных цифровых профилей профессиональных компетенций выявляются ключевые с учетом их причинно-следственных связей.
Ключевые профессиональные компетенции
Анализ существующих документов, отражающих компетенции специалистов в области нейротехнологий и искусственного интеллекта, содержания проекта профессионального стандарта «Специалист по машинному обучению», а также пояснительной записки к нему позволил сформулировать перечень ключевых профессиональных компетенций, необходимых для обеспечения
X X
о
го А с.
X
го т
о
м о м о
о es о es
о ш m
X
<
m О X X
внедрения сквозной цифровой технологии «Нейротех-нологии и искусственный интеллект» с учетом задач реализации Программы цифровой экономики и современного состояния предметной области. Специалист по нейротехнологиям должен:
быть ознакомлен с современным состоянием и перспективами развития предметной области «Нейро-технологии и искусственный интеллект»; классами нейросетей и особенностями их построения и применения для решения задач распознавания образов, классификации, кластеризации, прогнозирования, аппроксимации; управления и др.; методами формирования архитектур нейросетей для решения различных задач; с методами обучения нейросетей; методами оптимизации архитектуры нейросети; методами машинного обучения; методами оценки точности и достоверности результатов функционирования нейросетей; избирательными технологиями построения и функционирования нейросетей;
знать способы подготовки и разметки исходных данных; способы предварительного обучения нейросети; способы анализа результатов обучения нейростей; способы оптимизации обученной нейросети; способы анализа подготовленных для исследования данных; способы решения задачи исследования на основе нейросетевой модели, а также описания полученных результатов;
уметь определять возможность и целесообразность внедрения нейротехнологий в конкретном случае; проводить полную аналитику области, где планируется внедрение нейротехнологий; разрабатывать стандартные архитектуры нейросетей для разрешения конкретных задач; визуализировать данные, используя базовый набор программ; выполнять коррекцию весов нейронов; использовать алгоритмы обратного распространения, градиентного спуска; обучать нейросеть с помощью подготовленных заранее примеров; использовать основные математические функции вычисления данных; разрабатывать программное обеспечение, необходимое для поддержки функционирования нейронной сети.
Разработанная нейрообразовательная среда обеспечивает формирование цифровых профилей вышеперечисленных профессиональных компетенций, на основе которых строятся индивидуальные образовательные траектории.
Заключение
В статье предложен и обоснован перечень ключевых профессиональных компетенций, необходимых для внедрения сквозной цифровой технологии «Нейротех-нологии» с учетом современного состояния предметной области и задач реализации Программы цифровой экономики. Профессиональные компетенции соответствуют ключевым компетенциям разрабатываемой в условиях глобальной цифровизации общественных и бизнес-процессов базовой модели компетенций цифровой экономики, представленной в Федеральном проекте «Кадры для цифровой экономики». Разработаны предложения по формированию обобщенной концептуальной модели описания информационно-образовательного пространства, в котором интегрируется разнородный научно-образовательный контент в области нейро-технологий с учетом базовой модели ключевых компетенций цифровой экономики. Разработан и предложен подход к решению задачи генерации индивидуальных траекторий обучения с использованием онтологиче-
ского инжиниринга образовательных программ при массовом обучении специалистов технологиям цифровой экономики.
Разработаны концептуальная модель и технологическая платформа интегрированной интеллектуальной нейрообразовательной среды для решения экономических задач в условиях цифровой трансформации. Технологическая платформа нейрообразовательной среды представляет собой интеграцию существующих средств компьютерного класса, разработанных нейрообразова-тельных комплексов и программного обеспечения. Нейрообразовательная среда обеспечивает формирование необходимых компетенций в области нейротехно-логий.
Литература
1. Национальная программа «Цифровая экономика Российской Федерации», утверждена протоколом заседания президиума Совета при Президенте Российской Федерации по стратегическому развитию и национальным проектам от 4 июня 2019 г. № 7. [Электронный ресурс] URL: https://digital.gov.ru/ru/activity/directions/858/ (Дата обращения: 14.10.2020).
2. Публичный аналитический доклад по направлению «нейротехнологии» [Электронный ресурс] URL:https://reestr.extech.ru/docs/analytic/reports/neuroscie nce.pdf (Дата обращения: 14.10.2020).
3. Дорожная карта развития «сквозной» цифровой технологии «нейротехнологии и искусственный интеллект» 10 октября 2019, [Электронный ресурс] URL: https://digital.gov.ru/ru/documents/6658/. (Дата обращения: 14.10.2020).
4. Приказ Минэкономразвития от 24.01.2020г. №41 «Об утверждении методик расчета показателей проекта «Кадры для цифровой экономики» для национальной программы «Цифровая экономика» [Электронный ресурс] URL: https://rulaws.ru/acts/Prikaz-Minekonomrazvitiya-Rossii-ot-24.01.2020-N-41/ (Дата обращения: 14.10.2020).
5. Базаров Т.Ю., Ерофеев А.К., Шмелёв А.Г. Коллективное определение понятия «компетенции»: попытка извлечения смысловых тенденций из размытого экспертного знания. / Вестник Московского Университета. Серия 14. Психология. 2014. №1. С.87-102.
6. Белицкая Г.Э. Социальная компетентность личности // Сознание личности в кризисном обществе. Под ред. Абульхановой-Славской А.А. М., Институт психологии РАН. 1995. С.42-57.
7. Овчинников А. В. Универсальная модель профессиональных компетенций. Интернет-журнал «НАУКОВЕДЕНИЕ» [Электронный ресурс] URL: http://naukovedenie.ru. Выпуск 4 (23), июль - август 2014. - С.1-9 (Дата обращения: 14.10.2020).
8. Mikryukov, A.A. Gasparian, M.S., Kiseleva, I.A., Korneev, D.G. Ontological engineering of educational programs. Revista Inclusiones Vol: 7 num Especial (2020): 312-324. W0S:000524562600023 [Электронный ресурс] URL:
http://www.archivosrevistainclusiones.com/gallery/23% 20vol%207%20num%20vallesespecialleabriljunio2020revin clusi.pdf (Дата обращения: 14.10.2020).
9. Мазуров М.Е. Импульсный нейрон, близкий к реальному. Патент на изобретение № 2598298. 09.02.2015.
10. Мазуров М.Е. Нейрон, моделирующий свойства реального нейрона. Патент на изобретение № 2597495. 07.11.2014.
11. Мазуров М.Е. Однослойный перцептрон на основе избирательных нейронов. Патент на изобретение № 2597497. 13.01.2015.
12. Мазуров М.Е. Однослойный перцептрон, моделирующий свойства реального перцептрона. Патент на изобретение № 2597496. 24.02.2015.
13. Мазуров М. Е. Свидетельство о Государственной регистрации «Программа расчета весовых коэффициентов перцептрона с помощью избирательного метода Монте-Карло». №2019617233 от 04.06.2019.
14. Пояснительная записка к проекту Профессионального стандарта «Специалист по машинному обучению». Сайт «Совет по профессиональным квалификациям в области информационных технологий» [Электронный ресурс] URL: http://spk-it.ru/profs/ (Дата обращения: 14.10.2020).
15. Проект ПРОФЕССИОНАЛЬНЫЙ СТАНДАРТ «Специалист по машинному обучению» [Электронный ресурс] URL: http://spk-it.ru/profs/ (Дата обращения: 14.10.2020).
16. Машинное обучение и искусственный интеллект в математике и приложениях», курс Р.В. Шамина [Электронный ресурс] URL: http://www.mathnet.ru/conf1243 (Дата обращения: 14.10.2020).
Actual issues of formation professional competencies in the
field through-digital technologies (neurotechnologies) Mikryukov A.A., Mazurov M.E., Shchukina N.A., Rylenkov D.A.
Plekhanov Russian University of Economics Currently, the Federal project "Personnel for the digital economy" is being actively implemented, which is an integral part of the national program for the digital economy. One of the urgent tasks of the project implementation is the formation of competencies in the field of digital technologies in the context of transformation, that is, the transition to an economy. The aim of the study is to develop and substantiate a list of key competencies required by specialists to address the implementation of one of the nine end-to-end digital technologies - neurotechnology. The article presents an approach to the formation of basic professional competencies in the field of neurotechnology based on the model of key competencies of the digital economy, developed within the framework of the Federal project "Human Resources for the Digital Economy". Within the framework of software that provides flexible construction of educational trajectories, taking into account the conditions for acquiring specific competencies by a specific specialist, the technology of the proposed approach to solving the problem of creating a neuroeducational environment for the mass training of specialists, in which the implementation of individual learning trajectories using ontological engineering of educational programs is implemented. Proposals for building a technological platform for a neuroeducational environment have been developed. Key words: neuroeducational environment, professional competencies, individual learning paths, end-to-end digital technologies.
References
1. The national program "Digital Economy of the Russian Federation", approved by the minutes of the meeting of the Presidium of the Council under the President of the Russian Federation for Strategic Development and National Projects No. 7 dated June 4, 2019 [Electronic resource] URL: https://digital.gov.ru / ru / activity / directions / 858 / (Date of treatment: 10/14/2020).
2. Public analytical report on the direction of "neurotechnology"
[Electronic resource] URL: https:
//reestr.extech.ru/docs/analytic/reports/neuroscience.pdf (Date of access: 14.10.2020).
3. Roadmap for the development of "end-to-end" digital technology
"neurotechnology and artificial intelligence" October 10, 2019, [Electronic resource] URL:
https://digital.gov.ru/ru/documents/6658/. (Date of treatment: 10/14/2020).
4. Order of the Ministry of Economic Development of 01.24.2020.
No. 41 "On approval of methods for calculating the indicators of the project" Personnel for the digital economy "for the national program" Digital Economy "[Electronic resource] URL: https://rulaws.ru/acts/Prikaz-Minekonomrazvitiya-Rossii-ot-24.01.2020- N-41 / (Date of treatment: 10/14/2020).
5. Bazarov T.Yu., Erofeev A.K., Shmelev A.G. Collective definition
of the concept of "competence": an attempt to extract semantic trends from blurred expert knowledge. / Bulletin of Moscow University. Series 14. Psychology. 2014. No. 1. P.87-102.
6. Belitskaya G.E. Social competence of a person // Personality
consciousness in a crisis society. Ed. Abulkhanova-Slavskaya A.A. M., Institute of Psychology RAS. 1995.P. 42-57.
7. Ovchinnikov A.V. Universal model of professional competences.
Online magazine "Science" [Electronic resource] URL: http://naukovedenie.ru. Issue 4 (23), July - August 2014.- P.1-9 (Date of treatment: 10/14/2020).
8. Mikryukov. A.A., Gasparian, M.S., Kiseleva, I.A., Korneev, D.G.
Ontological engineering of educational programs. Revista Inclusiones Vol: 7 num Especial (2020): 312-324. WOS: 000524562600023 [Electronic resource] URL: http://www.archivosrevistainclusiones.com/gallery/23%20vol%207 %20num%20vallesespecialleabriljunio2020revinclusi.pdf (Date accessed: 10/14/2020).
9. Mazurov M.E. Impulse neuron close to real. Patent for invention
No. 2598298. 09.02.2015.
10. Mazurov M.E. A neuron that simulates the properties of a real neuron. Patent for invention No. 2597495. 07.11.2014.
11. Mazurov M.E. Single-layer perceptron based on selective neurons. Patent for invention No. 2597497. 13.01.2015.
12. Mazurov M.E. Single layer perceptron simulating the properties of a real perceptron. Patent for invention No. 2597496. 24.02.2015.
13. Mazurov M.E. Certificate of State Registration "Program for calculating the weight coefficients of the perceptron using the selective Monte Carlo method." No.2019617233 dated 06/04/2019.
14. Explanatory note to the draft Professional Standard "Machine Learning Specialist". Site "Council for professional qualifications in the field of information technology" [Electronic resource] URL: http://spk-it.ru/profs/ (Date of access: 10/14/2020).
15. Project PROFESSIONAL STANDARD "Machine learning specialist" [Electronic resource] URL: http://spk-it.ru/profs/ (Date of access: 10/14/2020).
16. Machine Learning and Artificial Intelligence in Mathematics and Applications ", the course of R.V. Shamina [Electronic resource] URL: http://www.mathnet.ru/conf1243 (Date of treatment: 10/14/2020).
X X О го А С.
X
го m
о
м о м о
