Բակալավրիատի երրորդ կուրսից Վահրամ Թադևոսյանն աշխատում է PicsArt ընկերության մեքենայական ուսուցման թիմում։ Բակալավրիատում «Համակարգչային գիտություններ» մասնագիտությունը սովորելուց հետո նա հասկացավ, որ տեսական գիտելիքների պակաս ունի։ 

«Ե՛վ տվյալագիտության, և՛ մեքենայական ուսուցման մեջ, կարծում եմ, տեսականը շատ կարևոր դեր ունի, որովհետև կարող ես օգտագործել այն մեթոդները, որոնք տեսական հիմք ունեն՝ առանց իմանալու տեսականը, բայց երբ դրանք հասկանում ես, պատկերացնում ես, արդեն հնարավորություն ունես դու ստեղծելու այդ մեթոդներից ինչ-որ մեկը»,- ասում է Վահրամը։

Վահրամ Թադևոսյանը

Սովորելու և աշխատելու ընթացքում ոլորտի մասնագետներն ու գործընկերները նրան պատմել էին Երևանի պետական համալսարանի (ԵՊՀ) «Կիրառական վիճակագրություն և տվյալների գիտություն» մագիստրոսական ծրագրի մասին։ 2022-ին Վահրամը որոշեց դիմել ծրագրին և սկսեց սովորել այնտեղ։ Այժմ նա ծրագրի շրջանավարտներից մեկն է։

Փոքր գաղափարներից՝ մեծ գաղափար

«Կիրառական վիճակագրություն և տվյալների գիտություն» մագիստրոսական ծրագիրը ստեղծվեց 2018-ին։ Մագիստրոսական ծրագրի համահիմնադիրն ու ղեկավարը՝ ֆիզիկամաթեմատիկական գիտությունների դոկտոր Կարեն Քեռյանը, հիշում է՝ ծրագիրը հինգ տարի առաջ իրականություն դարձավ, երբ մի քանի փոքր գաղափարներ միացան ու դարձան մեկ մեծ գաղափար։

Նա պատմում է, որ մի կողմից ինքն ու Մաթեմատիկայի և մեխանիկայի ֆակուլտետի դասախոսներից Միքայել Պողոսյանը կիրառական ուղղվածությամբ մագիստրոսական ծրագիր սկսելու մտքեր ունեին, մյուս կողմից էլ PMI Science-ի տվյալագիտության թիմի ղեկավար Նարեկ Մելքոյանը տվյալագիտության, մեքենայական ուսուցման ուղությամբ մագիստրոսական ծրագիր ստեղծելու գաղափար ուներ։ Գաղափարի հանդեպ հետաքրքրություն ցուցաբերեցին նաև PMI Science-ն ու «Ինովացիոն լուծումների և տեխնոլոգիաների կենտրոն» (ISTC) հիմնադրամը, և բոլորով սկսեցին գաղափարը կյանքի կոչել։

Ի վերջո, 2018-ին ԵՊՀ Մաթեմատիկայի և մեխանիկայի ֆակուլտետում բացվեց «Կիրառական վիճակագրություն և տվյալների գիտություն» մագիստրոսական ծրագիրը։

Վահրամ Թադևոսյանն ու Կարեն Քեռյանը

Կարեն Քեռյանը հիշում է, որ ծրագիրը սկսելուց առաջ Միքայել Պողոսյանը նախ հանդիպումներ ունեցավ տեխնոլոգիական ընկերությունների ներկայացուցիչների հետ՝ հասկանալու աշխատաշուկայի պահանջները և դրա հիման վրա կազմելու դասացուցակը։

Նա նշում է՝ իրենց նպատակն էր ստանալ ոչ թե այնպիսի ծրագիր, որը կկենտրոնանա նեղ ուղղությունների վրա և մասնագետներ կպատրաստի մեկ կամ մի քանի ընկերությունների համար, այլ այնպիսի ծրագիր, որը կտա գիտելիքների հնարավորինս լայն շրջանակ՝ հնարավորություն ստեղծելով, որ շրջանավարտները կարողանան մեքենայական ուսուցման և տվյալագիտության ուղղությամբ կարիերա սկսել տեխնոլոգիական տարբեր ընկերություններում։

«Բավականին հետաքրքիր դասեր կային ծրագրի ընթացքում՝ օրինակ, ժամանակային շարքերի (time series), ընդհանուր խոր ուսուցման (deep learning) վերաբերյալ։ Այդ գիտելիքները ես այս պահին շատ չեմ օգտագործում աշխատանքի բերումով, բայց չի բացառվում, որ հետագայում պետք կգան։ Երբ այդ ամեն ինչին նայում եմ մեկ այլ ուսանողի աչքերով, հաստատ շատ բան է տալիս ծրագիրը գրեթե բոլոր հնարավոր ուղղություններով»,- ասում է Վահրամը, որի աշխատանքն այժմ կապված է համակարգչային տեսողության (computer vision) հետ:

Մագիստրոսական ծրագրի ստեղծման առաջին տարում գործնական աշխատանքներ իրականացնելու համար ուսանողներն օգտվում էին ISTC հիմնադրամի համակարգիչներից։ Երկրորդ տարում ծրագրի գործընկեր դարձան Webb Fontaine ու Krisp ընկերությունները, որոնց օգնությամբ ծրագիրը զինվեց գրաֆիկական պրոցեսոր ունեցող (GPU) համակարգիչներով։

Տեսական հիմք և գործնական գիտելիքներ՝ ոլորտի մասնագետներից

Կարեն Քեռյանը նշում է՝ ծրագրի առաջին կիսամյակում ուսանողների համար մաթեմատիկայի ու ծրագրավորման հիմքերն են դրվում, երկրորդ կիսամյակում՝ մեքենայական ուսուցման, երրորդում արդեն նեղ մասնագիտական առարկաներ են դասավանդվում, իսկ չորրորդ կիսամյակում ուսանողները գրում են մագիստրոսական թեզերը։ 

«Վերջում՝ մագիստրոսական թեզը կազմելիս, մարդիկ ունենում են և՛ տեսական հիմք, և՛ պրակտիկ գիտելիքներ ու կարողանում են շատ լուրջ ու հետաքրքիր թեզեր գրել»,- ասում է Վահրամը։

Կարեն Քեռյանը, Միքայել Պողոսյանն ու ԵՊՀ այլ մասնագետներ դասավանդում են տեսական առարկաները, իսկ գործնական առարկաները դասավանդում են Krisp-ի, Service Titan-ի, PicsArt-ի և տեխնոլոգիական տարբեր ընկերությունների մասնագետներ։

Վազգեն Միքայելյանը, որ Krisp-ում ղեկավարում է մեքենայական ուսուցման թիմերից մեկը, արդեն մի քանի տարի խոր ուսուցում (deep learning) է դասավանդում ծրագրի ուսանողներին։

Նա նշում է՝ իր ուսանողներին դասերի ընթացքում տալիս է այնպիսի հարցեր, որոնք նրանց կտային գործատուներն աշխատանքի ընդունվելիս։ Վազգենի խոսքով մագիստրոսական ծրագրի տարբերությունը կրթական այլ ծրագրերից ու դասընթացներից այն է, որ այստեղ ոչ թե սահմանափակ ժամանակում սկսնակ (junior) մասնագետներ են պատրաստում, այլ հիմնարար գիտելիքներ են տալիս, որ ուսանողները կարողանան աշխատանքի անցնել ավելր բարձր մակարդակներով (mid-level):

Վահրամը կարևորում է այն փաստը, որ ծրագրում դասավանդում են հենց ոլորտում աշխատող մասնագետները, և ուսանողները հնարավորություն են ստանում նրանց փորձից սովորելու և նրանց հետ կապեր հաստատելու։

«Կարելի է միայն ակադեմիական հիմքը դնել, բայց դա հերիք չի լինելու ինդուստրիա մուտք գործելու համար։ Իսկ այդքան մարդու հետ ծանոթանալու, միաժամանակ նրանց փորձը լսելու գործընթացը, հասկանալու, թե ինչ հնարավոր խնդիրների կարող են առերեսվել․․․ Այդ ամեն ինչը շատ է օգնում ուսանողներին»,- ասում է նա։

Վազգեն Միքայելյանը նշում է՝ խոր ուսուցում առարկան ունի և՛ տեսական, և՛ գործնական հատվածներ, իսկ առարկայի ավարտին ուսանողներն արդեն կարողանում են ինքնուրույն մեքենայական ուսուցման մոդելներ ստանալ ու անգամ ավելի բարդ հանձնարարություններ կատարել։

Նա հիշում է, որ Krisp-ի խնդիրներից մեկը հանձնարարվել էր ուսանողներին, որոնք էլ նախնական աշխատանքներն արեցին ու փոխանցեցին ընկերության մասնագետներին։ Խնդիրը վերաբերում էր խոսքից լեզվի ճանաչմանը, այսինքն՝ պետք էր ստանալ մոդել, որը ձայնագրության հիման վրա կարողանում է հասկանալ, թե այն ինչ լեզվով է։ Ուսանողներն իրականացրին նախնական աշխատաքները, իսկ Krisp-ի մասնագետները զարգացրին ու ավարտին հասցրին մոդելը։

Շարժման ուղղության կառավարումը՝ անիմացվող նկարներում

Մագիստրոսական ծրագրի ուսանողները գրում են ամենատարբեր թեմաներով թեզեր, որոնք համալրում են նրանց պորտֆոլիոները և օգնում աշխատանքի ընդունվելիս, երբեմն էլ դառնում գիտական հոդվածներ կամ ուղարկվում գիտական կոնֆերանսների։ 

Վահրամը, որն աշխատում է PicsArt-ի մեքենայական ուսուցման թիմում, որոշեց իր մագիստրոսական թեզի համար ընտրել այնպիսի թեմա, որն իր հետազոտական հետաքրքրությունների շրջանակում է։

Վահրամը պատմում է իր թեզի մասին

Նա նշում է, որ համակարգչային տեսողության (computer vision) մեջ արդեն բավականին զարգացած է նկարների անիմացիայի խնդիրը, այսինքն՝ կան մեքենայական ուսուցման մոդելներ, որոնք կարողանում են նկարների հիման վրա տեսանյութեր ստանալ։ Վահրամի խոսքով, սակայն, դեռևս քիչ աշխատանքներ կան անիմացվող նկարներում շարժումների կառավարման ուղղությամբ։ 

Նա նշում է՝ խնդիրն առաջանում է հիմնականում այն պատճառով, որ ստացվող տեսանյութում շարժումը մի տեսակի չէ, այն կարող է վերաբերել տեսախցիկի, որևէ օբյեկտի (օրինակ՝ մարդու) կամ դրա ինչ-որ հատվածի շարժմանը։ Այդ պատճառով էլ դժվար է ստանալ մեքենայական ուսուցման այնպիսի մոդել, որն օգտարերերին հնարավորություն կտա նկարներ անիմացնելիս որոշելու, թե իրենց ուզած օբյեկտներն ինչ ուղղությամբ են շարժում։

Խնդիրը լուծելու համար Վահրամը վերցրեց մեքենայական ուսուցման այնպիսի մոդել, որն արդեն իսկ վարժեցված էր մեծաքանակ տվյալների վրա և կարողանում էր նկարներից տեսանյութեր ստանալ։ Մնում էր անել հաջորդ քայլը՝ մոդելին սովորեցնել կառավարել օբյեկտների ու սուբյեկտների շարժման ուղղությունը։

Դրա համար նրան անհրաժեշտ էր նկարներից կամ տեսանյութերից ստանալ այնպիսի ինֆորմացիա, որը կոնկրետ շարժում է բնութագրում։ Իսկ այդպիսի ինֆորմացիայի հրաշալի աղբյուր կարող էին լինել տեսանյութերը, որտեղ երևում էին մարդկանց շարժումներ։

Վահրամն ասում է, որ երբ կա այնպիսի տեսանյութ, որտեղ մարդը շարժում է, օրինակ, ձեռքը, ապա հնարավոր է մոտարկել ձեռքի շարժման հետագիծը, այսինքն՝ ծրագրին ցույց տալ, թե ձեռքն ինչ ուղղությամբ է շարժվել, որտեղից որտեղ է գնացել։ Նմանատիպ մեծաքանակ տվյալներ սովորելով՝ մոդելն արդեն կկարողանար ոչ միայն մարդկանց, այլև տարբեր այլ օբյեկտների ու սուբյեկտների շարժումները կառավարելու հնարավորություն տալ։

Հենց մարդկանց շարժում պարունակող տեսանյութերի հիման վրա էլ Վահրամը կարողացավ ստանալ նմանատիպ մոդել ու գրեց իր մագիստրոսական թեզը, որը նաև ուղարկեց միջազգային կոնֆերանսներից մեկին։

Լուսանկարում երևում է, թե ինչպես է Վահրամի մոդելը լուսանկարից ստացված տեսանյութում հնարավորություն տալիս որոշելու կոնկրետ օբյեկտի (տվյալ դեպքում՝ սև գնդի) շարժման ուղղությունը

Տարբեր գիտելիք ու փորձ ունեցող մարդիկ՝ նույն լսարանում

Կարեն Քեռյանի խոսքով իրենց մագիստրոսական ծրագրի ամենամեծ մարտահրավերներից մեկն այն է, որ ծրագրին տարիքային տարբեր խմբերի, ինչպես նաև կրթական և աշխատանքային ամենատարբեր փորձ ունեցող մարդիկ են դիմում։

Մարդիկ կան, որոնք Վահրամի նման արդեն աշխատում են PicsArt-ում, Krisp-ում կամ տեխնոլոգիական այլ ընկերություններում և փորձ ունեն, մարդիկ էլ կան, որ ոլորտում առաջին քայլերն են անում։ Վազգենն ասում է՝ անգամ մասնակից են ունեցել, որն առաջին մասնագիտությամբ փիլիսոփա է։

«Ամենաբարդը դա է, որ նույն լսարանում ծայրահեղ տարբեր գիտելիքներ ունեցող մարդիկ են»,- նշում է նա։

Ընդունելությունը տեղի է ունենում քննությունների հիման վրա․ ընդունվում են նրանք, ովքեր հաջողությամբ հանձնում են քննությունը՝ անկախ ֆակուլտետից, կրթությունից ու փորձից։

Վազգենը նշում է, որ եթե անգամ մարդիկ փորձ չունեն կամ ոլորտից չեն և հետաքրքրված են, կարող են դիմել․ եթե քննությունը հաջողությամբ հաձնեն, ուրեմն պոտենցիալ ունեն ծրագրում սովորելու։

Տարբեր գիտելիքներ ունեցող մարդկանց հետ աշխատելու համար կրթական ծրագիրն այնպես է մտածված, որ և՛ սկսնակները ստանան իրենց հարցերի պատասխանները, և՛ արդեն փորձ ունեցողները նոր գիտելիքներ ձեռք բերելու հնարավորություն ունենան։

Վազգենն, օրինակ, դասերն անցկացնում է հետևյալ տրամաբանությամբ․ սկսում է շատ հիմնական թեմաներից՝ շեշտելով, որ նրանք, ովքեր գիտեն հնչած հարցերի պատասխանները, չպատասխանեն, հետո նաև այնպիսի հարցեր է տալիս, որոնց շուրջ հավասար մտածում են և՛ փորձ ունեցող, և՛ չունեցող ուսանողները։

«Կիրառական վիճակագրություն և տվյալների գիտություն» մագիստրոսական ծրագիրն առաջին տարում ուներ 17 դիմորդ, որոնցից 12-ն ընդունվեցին։ Հինգ տարիների ընթացքում դիմորդների թիվն ավելացել է։ Անցած տարի, օրինակ, 50 դիմորդից ընդունվել է մոտ 30-ը։ Այս տարի էլ արդեն անցկացվել է քննությունների առաջին փուլը։

Եթե առաջին տարում ծրագրի համար կրթաթոշակներ էին հատկացնում գործընկեր տեխնոլոգիական ընկերությունները, ապա երկրորդ տարուց սկսած՝ կառավարությունը սահմանել է ուսման վարձի ամբողջական փոխհատուցմամբ տեղեր։

Ծրագրի ուսանողները, բացի հիմնական դասերից, ոլորտի մասնագետներին լսելու այլ հնարավորություններ էլ են ունենում․ ուսանողների համար արդեն սեմինարներ են անցկացրել ոլորտի տարբեր ընկերություններ, ինչպիսիք են NVIDIA-ն, Yandex-ը։ Կարեն Քեռյանն ասում է՝ նմանատիպ նախաձեռնությունները շարունակական են լինելու։

Մագիստրոսական ծրագրում դասավանդողների և մագիստրոսական թեզերի ղեկավարների թվում էլ արդեն կան մարդիկ, որոնք  նախորդ տարիների շրջանավարտներից են։

Գլխավոր լուսանկարում՝ «Կիրառական վիճակագրություն և տվյալների գիտություն» մագիստրոսական ծրագրի՝ 2024 թ․ շրջանավարտները (նկարը՝ Կարեն Քեռյանի արխիվից)

Աննա Սահակյան