Что бы мы делали, если бы сейчас выбирали STEM-вуз?
Думаем, в первую очередь поменяли бы сам подход к выбору. Раньше логика была довольно простой: ищешь сильный вуз, поступаешь на понятное направление и дальше идешь по заданной траектории. Но сейчас ситуация иная, вспомнить хотя бы исследование о подготовке ИИ-специалистов и о том, что требования к ним меняются быстрее, чем обновляются учебные программы. Это понятно и экспертам, и самим абитуриентам.

В США, например, классические computer science-направления уже теряют часть набора, а интерес всё заметнее смещается в сторону AI-программ. Видно, что для абитуриентов всё важнее становится актуальность треков и связь с тем, как реально меняется технологический рынок.

И если быть в числе тех, кто выбирает направление в IT и AI, нужно смотреть на несколько вещей:
🔵есть ли в обучении реальные задачи из индустрии, помимо учебных кейсов,
🔵кто участвует в разработке программы — только вуз или ещё и компании,
🔵есть ли возможность работать с практикующими специалистами, а не только с преподавателями-теоретиками.

Потому что именно в таких условиях быстрее осваиваются навыки, которые реально применяются в работе.

Отсюда и интерес к программам, которые изначально строятся в связке с индустрией. Тот же ШАД Яндекса один из первых вместе с вузами открыл совместные магистратуры. В таких программах обычно сочетается фундаментальная математическая база университета и работа с актуальными задачами в ML и AI, которые используются специалистами на практике.

Поэтому, если смотреть на магистратуры сегодня, важно то, как именно они устроены внутри: есть ли в программе сильная теоретическая основа и при этом доступ к современным подходам и задачам из индустрии. Именно в таких сочетаниях чаще всего и появляется возможность не просто углубить знания, а разобраться, как они применяются в реальной работе.