🧠 Дайджест новостей ИИ и Big Data в образовании и бизнесе

🔹 Центр искусственного интеллекта для науки Сбера сообщил о запуске облачной платформы «ИИ для науки». Решение предназначено для ученых и исследователей и нацелено на объединение всего цикла научной работы в едином пространстве.

Платформа включает в себя различные инструменты на основе ИИ, в том числе для анализа больших данных. По заявлению разработчиков, это дает возможность обрабатывать значительные объемы информации за минуты, в то время как ранее аналогичные процедуры могли занимать дни или месяцы.

Отдельное направление работы — создание ИИ-агентов, способных самостоятельно прорабатывать гипотезы и выполнять исследовательские задачи. Таким образом, научные коллективы получают в распоряжение дополнительный ресурс для реализации проектов, что также может помочь в решении вопроса нехватки кадров в научной среде.

🔹 «Ассоциация ФинТех» и «Альянс в сфере ИИ» представили методологию оценки финансовой эффективности ИИ-проектов. Предполагается, что эта методология станет единым инструментом для расчета бизнес-результатов от внедрения ИИ. Она учитывает эффекты от R&D-проектов, устанавливает корректные принципы оценки и помогает избежать двойного учёта на уровне компании.

🔹 Ученые МФТИ создали ИИ, который помнит информацию в сотни тысяч раз дольше. Нейросети обычно быстро забывают старую информацию, когда обучаются новому, потому что связи между нейронами переписываются. Чтобы решить эту проблему, ученые вдохновились принципами работы человеческого мозга. В созданной сети применяется механизм перестройки связей — ревайринг, который вместе с временной пластичностью нейронов (STDP) превращает «кратковременную память» в «долговременную».

🔹 Сервис «Яндекс Такси» первым в России внедрил в свою службу поддержки технологию, которая сочетает большие языковые модели и ИИ-агента. Нейросети поддерживают контекст и диалог с пользователем, могут принимать решения и действовать самостоятельно, например, заново заказать такси или сообщить водителю о забытых в салоне вещах.

Уже сейчас они решают без участия оператора 60% всех текстовых обращений пользователей в поддержку сервиса. После внедрения технологии скорость ответа выросла в полтора раза.

В основе технологии — четыре большие языковые модели, созданные на основе Alice AI LLM. Каждая из них выполняет свою функцию и специально дообучалась на реальных обезличенных диалогах операторов поддержки с пользователями. Разработала технологию команда Техплатформы городских сервисов «Яндекса», которая создает решения для высоконагруженных систем компании.

🔍 Обзор подготовлен на основе анализа больших данных с применением методов обработки естественного языка.

Мы продлили регистрацию на участие в «Школе прикладного анализа данных»🔥 Скидка 30% для представителей всех вузов в рамках консорциума «Большой университет Томска»!

Всероссийский проект «Школа прикладного анализа данных» принимает заявки на участие в новом потоке, который пройдет с 4 по 6 декабря очно в Томске и далее до 23 декабря 2025 года в онлайн формате.

«Школа прикладного анализа данных» — это интенсив по ИИ и Big Data для университетских команд и других специалистов, которые хотят использовать технологии в своей работе без навыков программирования.

Обучение стартует с трехдневного очного этапа: участники освоят ИИ-инструменты и low-code платформы, получат консультации экспертов. Затем их ждут 3 недели онлайн-обучения: каждый слушатель пройдет путь от концепции до готового цифрового продукта, используя современные инструменты и методы. В финальный демо-день участники презентуют свой прототип экспертам и коллегам, получат обратную связь и «дорожную карту» по дальнейшему развитию проекта.

ТРЕКИ ДЛЯ УЧАСТНИКОВ:
🔺 Трек «AI-Исследователь»
Для исследователей, преподавателей и аналитиков, особенно в социально-гуманитарной сфере. Эксперты разберут реальные кейсы участников, научат искать инсайты в данных и собирать удобные дашборды.
🔺 Трек «AI-Фандрайзер»
Для руководителей эндаумент-фондов и фандрайзеров. Результатом станет пошаговый сценарий вовлечения крупных дарителей или концепция новой массовой кампании, а также набор ИИ-инструментов для ежедневной работы — от текстов для соцсетей до анализа отчетности.

ВЫПУСКНИКИ ШКОЛЫ ПОЛУЧАТ:
🔺Удостоверение ТГУ о повышении квалификации
🔺Доступ к сообществу выпускников и экспертов Консорциума Big Data
🔺Работающий цифровой прототип под свою задачу
🔺Проектное задание для внедрения и доработки решения
🔺Экспертизу в LLM и платформах PolyAnalyst и DataLens

БОНУС ДЛЯ СЛУШАТЕЛЕЙ ШКОЛЫ:
Участники получают подписку на месяц на сервис «РосНавык», созданный для анализа рынка труда — в его базе более 50 миллионов вакансий с крупнейших сайтов России! Подписка даёт доступ к анализу, отчётам по рынку труда, а также ИИ-ассистентам для образования: ИИ-аналитику, ИИ-методисту, ИИ-маркетологу. Подписка бесплатная! Ноль рублей вместо 20 000 рублей!

Заявки принимаются до 28 ноября 2025 года. Переходите на сайт data-diving.ru/data-school и регистрируйтесь.

📱 Университетский консорциум исследователей больших данных

Бесплатный семинар от экспертов ВШЭ

Как понять, в каком направлении развивается та или иная научная дисциплина? Кто является ключевыми игроками и как формируются исследовательские группы, определяющие лицо современной науки? Ответы на эти вопросы даёт библиометрический сетевой анализ.

Приглашаем исследователей, научных сотрудников, сотрудников научных библиотек и аналитических отделов, аспирантов, студентов и всех, кто интересуется наукометрией, на четвертый открытый семинар из серии «Сетевой анализ: знакомство с новой методологией», который проведут сотрудники Международной лаборатории прикладного сетевого анализа НИУ ВШЭ.

📌 3 декабря, Томск, очно и онлайн
Время: 16.00 – 17.30 (в 12:00 – 13:30 по МСК)
Язык участия: русский
Адрес для очного участия: Томский государственный университет, проспект Ленина, 36 (Научная библиотека, киберкласс)

Сотрудники Лаборатории Дарья Мальцева и Ирина Павлова расскажут:
🔹 что такое библиометрический анализ и какие данные он использует
🔹 как строятся и интерпретируются карты научных дисциплин и интеллектуальных структур
🔹 как выявляются тренды развития и ключевые исследователи в различных предметных областях.

Участники семинара рассмотрят примеры реальных исследований, узнают о популярных программных решениях для библиометрического сетевого анализа, а также получат навыки работы в программе Biblioshiny.

Семинар станет открывающим практикумом «Школы прикладного анализа данных», которая пройдёт с 4 по 6 декабря очно в Томске и далее до 23 декабря 2025 года в онлайн формате. Подробная информация здесь.

Участие в семинаре бесплатное, но нужна регистрация.

В этом году состоялись семинары:
🔹 Что можно изучать с помощью сетевой методологии? Введение в сетевой анализ (онлайн, запись по ссылке)
🔹 Сетевой анализ для изучения рынка труда (онлайн, запись по ссылке)
🔹 Сетевой анализ для решения практических задач (офлайн, в рамках экспертно-аналитической сессии в Уфе)

📱 Университетский консорциум исследователей больших данных

Это невероятно!
В рамках Cookie Fest 2025 стартует хакатон от одной из самых высокотехнологичных компаний страны — Wildberries&Russ

Кто сможет принять участие?

👨‍💻Студенты (от 18 лет) старших курсов технических и IT-направлений — это ваш шанс!

🧠Тема — «Поиск дубликатов товаров»: сделай рекомендации чище!

↔️Задача: разработка ML-модели для точного определения дубликатов товаров по названиям, описаниям и фотографиям.

Чем точнее ваше решение — тем чище каталог и лучше персонализированные рекомендации для миллионов пользователей!

👨‍💻Направления:
⚫️Data Science и Machine Learning
⚫️Computer Vision
⚫️NLP
⚫️Recommender System
⚫️Multimodal Al

Формат участия: индивидуальный.

🗓Сроки проведения хакатона (время — московское):

➖Регистрация: с 18.11.2025 09:00 до 04.12.2025 09:00
➖Подача решений 1-го этапа (отборочный): с 05.12.2025 09:00 по 07.12.2025 20:00 (онлайн на платформе wbspace.wb.ru)
➖Объявление результатов отборочного этапа: 08.12.2025
➖Подача решений 2-го этапа (заключительный): 09.12.2025 с 06:00 по 11:00
➖Защита решений заключительного этапа: 09.12.2025 с 13:00 по 15:00 (онлайн на платформе wbspace.wb.ru/ офлайн на площадке «Школы 21»)

🏆Объявление победителей и церемония награждения: 10 декабря на главной сцене фестиваля Cookie Fest 2025!

✅100 финалистов — пройдут в решающий раунд
✅10 сильнейших — получат фирменный мерч
✅Топ-3 решения — разделят денежные призы и получат фирменный мерч

Не упусти возможность прокачать свои навыки на реальном кейсе, заявить о себе в IT-сообществе и получить ценные призы!

Покажи, на что способен твой интеллект! ✔️

➡️Зарегистрироваться на хакатон
➡️Подробности о мероприятии в телеграм-канале Cookie Fest

Организационным партнером хакатона является — «Школа 21»

#Хакатон

#НовостиПартнеров
Российское ПО для образования: записи онлайн-лекций АРПП

2 декабря Ассоциация разработчиков «Отечественный софт» (АРПП) провела второй сезон онлайн-лекций «Иду на урок с российским ПО», приуроченный ко Дню информатики в России.
Эксперты АРПП представили современные отечественные ИТ-продукты для школ, колледжей и вузов, показали практические примеры их применения и обсудили, как цифровые решения помогают выстраивать актуальные форматы занятий с новым поколением обучающихся.

Своими цифровыми решениями поделились российские разработчики: НТЦ ИТ РОСА, РЕД СОФТ, Р7, МойОфис, Киберпротект, СЕТЕРЕ Групп, АСКОН, ТЕСИС, БФТ-Холдинг, Content AI, Directum, МТС Линк, PROMT и VR Concept.

Анастасия Горелова, руководитель комитета АРПП по информатизации образования, представила Каталог образовательных инициатив и программ (https://arppsoft.ru/obrazovanie/) — инструмент АРПП, который помогает учебным заведениям находить подходящие российские ИТ-решения, а также готовые материалы, курсы и партнерские предложения для организации занятий и работы с преподавателями.

В этом году более 300 педагогов стали участниками проекта «Иду на урок с российским ПО». Онлайн-лекции позволили зрителям получить системное представление о возможностях российского ПО и изучить современные подходы к его использованию в образовании.

📌 Запись онлайн-лекций и презентации спикеров доступны на странице мероприятия https://arppsoft.ru/ie/21010/

Технологическим партнером проекта выступил МТС Линк.

📱 Университетский консорциум исследователей больших данных

🧠 Новости ИИ и Big Data в университетах и бизнесе

🔹 Специалисты МФТИ совместно с коллегами из МГУ создали первую специализированную отечественную систему для оценки рыночной стоимости произведений современного искусства.

В отличие от ChatGPT и других универсальных моделей, способных давать лишь общие ориентиры, новая технология проводит глубокий статистический анализ более чем 30 параметров и формирует конкретную оценку стоимости. По задумке авторов, это должно помочь потенциальным инвесторам получить более объективное представление о рынке и избежать субъективных завышений цен.

Так, по расчетам ИИ, одна из картин Никаса Сафронова может стоить в 20 раз меньше, чем запрашивают продавцы, тогда как арт-объект современного художника Тараса Желтышева, напротив, может быть недооценен.

🔹 Томский госуниверситет систем управления и радиоэлектроники (ТУСУР) тестирует новые методы обучения ИИ. Нейросеть анализирует стоимость акций и успеваемость студентов, в ряде случаев точность прогнозирования увеличилась в четыре раза на прогнозах стоимости акций.

🔹 Сеченовский Университет зарегистрировал ИИ-систему для массового скрининга сердечной недостаточности. Технология анализирует данные, полученные с помощью одноканальной электрокардиограммы и пульсовой волны.

🔹 Исследование аналитического центра НАФИ показало, что бизнес в РФ не готов выделять большие бюджеты под ИИ-проекты.

Так, 28% респондентов планируют направить на ИИ-проекты от 1% до 3% от общего инвестиционного бюджета. При этом каждая восьмая компания (12%) пока не планирует выделять отдельный бюджет на эти цели вообще. Чем больше размер бизнеса, тем больше он готов выделять средства на внедрение искусственного интеллекта: доля бизнеса, которая выделяет на ИИ 8-10% бюджета, составляет 13% среди малого бизнеса, 21% среди среднего бизнеса и 53% среди крупного бизнеса.

В целом большинство компаний РФ уже внедряют инструменты искусственного интеллекта (86%). Среди микропредприятий тех, кто использует ИИ, меньше (68%), в то время как среди крупного бизнеса значительно больше компаний, которые работают с ИИ (92%). Порядка 59% представителей российского бизнеса (6 из 10 компаний) считают, что Россия - одна из стран-лидеров по внедрению искусственного интеллекта.

🔹 Ученые Института нефтегазовой геологии и геофизики СО РАН с помощью машинного обучения усовершенствовали методы интерпретации сейсмических данных, важные при поисках залежей углеводородов

🔹 Полицейские в Китае получили ИИ-очки для проверки автомобилей за две секунды. ИИ-очки предлагают точность распознавания номерных знаков на уровне более 99%. Устройство обеспечивает непрерывную работу в течение восьми часов, что соответствует требованиям полного рабочего дня. Дополнительные функции включают распознавание лиц, перевод в режиме реального времени на более чем 10 языков и запись нарушений.

🔍 Обзор подготовлен на основе анализа больших данных с применением методов обработки естественного языка.

🧠 Новости ИИ и Big Data в университетах и бизнесе

🔹Ученые Белгородского государственного технологического университета (БГТУ) им. В.Г. Шухова создали сенсорную сеть геоэкологического мониторинга, которая позволяет минимизировать потери данных и поддерживать высокую скорость передачи информации.

На сегодняшний день существующие аналоги системы геоэкологического мониторинга ориентированы на профессионалов и требуют много времени на разработку и настройку моделей, они часто представлены в виде программного кода без удобного графического интерфейса. Новая система мониторинга уже имеет готовые интерфейсные окна для выбора параметров, что значительно упрощает процесс работы с ней.

«В основе решения — ИИ и нейронечеткое управление. Это не просто теоретическая разработка, а работающий программный симулятор, который уже готов к применению. Умный протокол маршрутизации позволяет сенсорной сети самостоятельно адаптироваться к меняющимся условиям, рационально расходовать энергию, минимизировать потери данных, поддерживать высокую скорость передачи информации», — сообщает вуз.

🔹 Исследование: к 2030 году 80% разработчиков потребуется переподготовка в области генеративного ИИ. Острая нехватка опытных специалистов также усилит роль корпоративных университетов, куда компании готовы инвестировать для выращивания кадров внутри.

🔹 В России разработали систему «Стахановец», которая по анализу поведение сотрудника за рабочим компьютером может предсказать его увольнение по собственному желанию за 90 дней с точностью до 87%.

Система анализирует обезличенные данные цифровой активности сотрудника: динамику коммуникаций (объем переписки, скорость ответов, сужение круга контактов), изменения в работе с задачами (сдвиги сроков, паттерны выполнения рутинных операций) и вовлеченность в проекты. Такой подход позволяет зафиксировать потерю вовлеченности человека задолго до начала активного поиска новой работы. Это дает компаниям возможность своевременно реагировать на кадровые риски в условиях растущей конкуренции за таланты.

🔹 «Газпром нефть» за счет ИИ приблизила старт разработки месторождений примерно на год: с помощью интеллектуальных алгоритмов компания ускорила этап интерпретации результатов сейсморазведки от 10 до 30%.

Кроме того, ИИ с помощью ИИ компания получает возможность заново открыть для себя хорошо изученные и знакомые районы, в том числе в Волго-Уральской нефтегазоносной провинции и в Западной Сибири, где добыча ведется уже около 50 лет.

🔍 Обзор подготовлен на основе анализа больших данных с применением методов обработки естественного языка.

Курс для обучения специалистов благотворительных фондов работе с искусственным интеллектом и анализом больших данных появился в 2025 году в программе всероссийского образовательного проекта «Школа прикладного анализа данных». Обучение проходило с 4 по 23 декабря в смешанных форматах: онлайн на базе Института анализа больших данных и ИИ Томского госуниверситета и офлайне.

«Школа прикладного анализа данных» — это образовательный интенсив по ИИ и Big Data, организованный Академией «Дата-Дайвинг» для университетских команд и других специалистов, которые хотят использовать технологии в своей работе без навыков программирования. В этом году проведение школы поддержал Благотворительный фонд Владимира Потанина. Партнерами проекта выступают Международная лаборатория прикладного сетевого анализа НИУ ВШЭ и Ассоциация «Университетский консорциум исследователей больших данных».

Особенностью нынешнего потока стало открытие специальной образовательной траектории для фандрайзеров — «AI-Фандрайзер». Трек направлен на применение инструментов искусственного интеллекта и анализа данных в ежедневной работе фондов целевого капитала (ФЦК) и некоммерческих организаций (НКО).

«Использование данных и инструментов искусственного интеллекта позволяет фандрайзерам работать эффективнее: находить идеальных доноров, прогнозировать результаты кампаний и оптимизировать операционные процессы. Технологии помогают собирать ресурсы и делать работу фондов более прозрачной и стратегически продуманной», — комментирует директор Института анализа больших данных и искусственного интеллекта ТГУ Вячеслав Гойко.

«Наша благотворительная программа “Эффективная филантропия” направлена на развитие профессиональных компетенций и устойчивости некоммерческого сектора. В ее рамках Фонд реализует грантовые конкурсы и уделяет особое внимание нефинансовой поддержке — сопровождению и развитию сообщества участников программ. Сотрудничество со “Школой прикладного анализа данных” — одна из таких инициатив. Мы уверены, что грамотное использование инструментов искусственного интеллекта позволяет существенно сократить время на рутинные процессы и освободить ресурсы для более широкого круга задач. Это особенно важно для фондов целевого капитала и организаций, которые с ними работают», — отметила директор программ Благотворительного фонда Владимира Потанина Юлия Лизичева.

Участники Школы получили возможность учиться у ведущих экспертов — специалистов, которые ежедневно работают с данными, разрабатывают модели для бизнеса и государства, внедряют ИИ в образование, фандрайзинг и социологию. Их опыт основан на реальных кейсах.

Среди лекций очного этапа — «Как устроен эндаумент в России» (Мария Булыгина, директор Специализированного фонда управления целевым капиталом ТГУ), «Data-Driven фандрайзинг: как данные помогают найти идеального донора» (Юлия Александрова, руководитель отдела аналитики Института анализа больших данных и ИИ), «Прозрачный ИИ» (Евгений Лукьянчиков, CEO компании «Антиплагиат») и «Генеративный ИИ для разработки продуктов и стратегий» (Артем Фещенко, директор Центра технологического и исследовательского сопровождения Института дистанционного образования ТГУ), а также лекции других ведущих экспертов отрасли.

📱 Университетский консорциум исследователей больших данных

Какие нормы и законы нужны российскому ИИ

Коллеги, продолжаем разговор о нормативно-правовой базе для ИИ. Читайте здесь о новом термине "искусственный интеллект" и поправках в закон о персональных данных. А сегодня обсуждаем вопрос интеллектуальной собственности в сфере ИИ.

Мы попросили поделиться своим мнением на этот счёт участника Консорциума Bia Data — директора Института общественных наук Президентской академии Павла Голосова.

🔹 Что
Разработчики и учёные считают, что в России необходимо разработать как можно скорее нормативы определения правового режима обучающих датасетов, весов и результатов генерации.

🔹 Почему это важно
Это позволит решить проблему интеллектуальной собственности, которая заключается в том, что юридическая практика не позволяет квалифицировать ИИ-продукты как результат интеллектуального труда, поскольку они не создаются человеком напрямую.

🔹 В чём суть
Современные модели обучаются на огромных массивах данных, в которых нередко присутствуют работы реальных людей — тексты, изображения, музыка. Когда алгоритм использует чужой труд и затем воспроизводит его фрагменты или создает нечто новое на этой основе — это вопрос уважения к авторам, их труду и культурному наследию. Технологии должны развиваться с вниманием к людям.

Это означает прозрачность происхождения данных и маркировку контента как "созданного ИИ", механизмы честной компенсации, учет интересов уязвимых сообществ, возможность для авторов решать, участвуют ли их работы в обучении. Разработчики, платформы и государство несут общую ответственность — продукты ИИ должны оцениваться особо, с фокусом на этику и соответствие особым правовым стандартам.

Напомним, что закон об ИИ в России активно обсуждается, но его точные сроки принятия официально не обозначены. Как сообщили в декабре в Госдуме, вряд ли он будет принят в 2026 году.

📱 Университетский консорциум исследователей больших данных

#НовостиВузов #ТГУ #AIRI
Искусственный интеллект для химиков нового поколения: стажировка от ТГУ и AIRI

В лаборатории искусственного интеллекта в химии и молекулярной инженерии Томского государственного университета и Института AIRI завершилась уникальная гибридная стажировка, задача которой — подготовить химиков, умеющих применять методы искусственного интеллекта для научных задач. На финальной защите стажёры представили проекты, посвящённые новой терапии против рака, разработке антивирусных препаратов, адресной доставки лекарств и поиска лекарственного сырья естественного происхождения.

«Мы ставили перед собой амбициозную задачу: всего за три месяца научить химиков эффективно работать с современными инструментами ИИ. Результаты превзошли наши ожидания. Под руководством сотрудников лаборатории и партнёров из AIRI участники освоили сложные технологии и успешно применили их к реальным научным задачам. Особенно поразила скорость, с которой стажеры овладели новыми навыками», — комментирует куратор стажировки со стороны ТГУ Александр Бузаев.

Проекты студентов

Во время обучения студенты делали собственные проекты, решающие актуальные научные задачи. До финальной защиты дошли четыре проекта с фармакологическим приложением.

🔹 Проект «KAT5/KAT8 inhibitors» посвящен поиску новых лекарственных молекул, используемых в лечении онкологических заболеваний. Авторы проекта разрабатывают датасет для ML-моделей, которые позволят предсказывать эффективность перспективных молекул против раковых клеток.

🔹 В рамках проекта «FloraChem» молодые учёные проанализировали количественные характеристики большой группы растительных соединений — каротиноидов и флавоноидов — с целью поиска перспективных молекул для косметики и лекарств.

🔹 Проект «Противовирусные молекулы» предполагает создание генератора новых соединений, сбор и верификацию набора данных, а также классификацию активности молекул против короновируса, гриппа, ВИЧ.

🔹 Проект «ChitoMed» посвящён формированию вычислительного датасета по свойствам соединений хитозана. Биополимеры из хитозана способны накапливать лекарственные препараты и медленно высвобождать их в организм. За счёт этого можно адресно доставлять лекарственные вещества в повреждённую область. Что создаёт возможности для разработки нового поколения протезов и имплантов.

Подробнее — на сайте ТГУ https://news.tsu.ru/news/tgu-i-airi-proveli-stazhirovku-dlya-molodykh-uchyenykh-po-ii-v-khimii/

📱 Университетский консорциум исследователей больших данных

Дорогие друзья!

Поздравляем студентов, профессорско-преподавательский состав и всех сотрудников университетов с Днем российского студенчества!

Сегодня у нас есть прекрасный повод напомнить о большом исследовании мнений и настроений российского студенчества. Этот проект позволяет нам лучше понять, чего же хочет наша молодежь, что они ставят на первое место в отношениях с альма-матер, как относятся к будущему трудоустройству и профессии.

Результаты исследования опубликованы на сайте Консорциума Big Data в разделе "Библиотека". А в инфографике к этому посту — отношение студентов к инфраструктуре вузов и стипендии.

Исследование проведено в 2025 году и является частью ежегодного лонгитюдного изучения мнений и настроений студентов по ключевым аспектам образовательного процесса, которое выполняется в России с 2020 года. Проект реализуют Томский государственный университет, Аналитический центр ВЦИОМ, платформа "Неравнодушный человек" по поручению Министерства науки и высшего образования России и при поддержке Университетского консорциума исследователей больших данных.

Исследователи проанализировали более 7 миллионов сообщений в пабликах и группах, которые охватывают более 700 российских вузов. Сообщения на тему инфраструктуры были проанализированы по следующим категориям: взаимодействие с административно-хозяйственным персоналом вуза, порядок заселения и выселения в общежития, организация питания и медпомощи, ремонт вузовских зданий и сооружений, транспортная доступность, условия проживания и обучения. Кроме того, эксперты платформы "Неравнодушный человек" провели соответствующий опрос.

Данные показали, что 76% студентов удовлетворены инфраструктурой вузов в целом, (из них 32% полностью удовлетворены, 44% — скорее удовлетворены), 12% — скорее не удовлетворены, 9% — затрудняются ответить, 3% — полностью не удовлетворены.

Также аналитики выяснили, что наиболее включенными в обсуждение социально-бытовых условий являются студенты классических (36,54%) и инженерных вузов (35,72%), наиболее позитивный цифровой след оставляют студенты религиозных университетов (85,7% позитивных оценок), устойчиво высокий уровень негатива наблюдается в медицинских (39,11%) и педагогических (42,3%) университетах.

Кроме того, исследователи проанализировали обсуждение студентами финансовых вопросов. Абсолютным лидером по количеству упоминаний является тема "Стипендия и материальная помощь" (35,19 %) В половине случаев размеры стипендии, механизмы назначения или прозрачность процедур соответствуют ожиданиям студентов — позитивная и нейтральная тональность отмечена в 51% сообщений.

📱 Университетский консорциум исследователей больших данных

🧠 Новости ИИ и Big Data в университетах, науке и бизнесе

🔹 ИИ + химия: ТГУ и AIRI набирают студентов на стажировку

Студенты любого вуза Томска смогут пройти бесплатную стажировку в единственной в Сибири университетской лаборатории искусственного интеллекта в химии и молекулярной инженерии, созданной Институтом анализа больших данных и ИИ Томского госуниверситета (ТГУ) совместно с Институтом AIRI.

🔹 Во все образовательные программы Политехнического института НовГУ включено изучение ИИ

С сентября 2026 года в обучение включат дисциплину «Искусственный интеллект в профессиональной деятельности».

🔹 Модели ИИ научились сжимать текст с помощью обсценной лексики

Специалисты из AIRI, НИУ ВШЭ и Университета Иннополис изучили, как языковые модели могут использовать элементы разговорной речи с высокой смысловой плотностью для компрессии русскоязычных текстов, сохраняя их основное содержание.

В рамках работы проверялась гипотеза о том, что замена некоторых языковых конструкций на более краткие эквиваленты позволяет сократить объем текста без существенной потери его смысла. Эксперименты проводились на коротких предложениях и новостных статьях. Исследование было представлено на конференции AAAI в Сингапуре.

🔹 В Волгограде разработают базовые принципы применения ИИ в медицине России

Базовые принципы и научное обоснование, разрабатываемые учеными Волгоградского государственного университета (ВолГУ), позволят на законодательном уровне регулировать использование искусственного интеллекта в здравоохранении РФ.

🔹 В НГТУ создали уникальную программу управления промышленными роботами

Специалисты Нижегородского государственного технического университета им. Р. Е. Алексеева разработали и запатентовали программный комплекс управления промышленными роботами. Программа ориентирована на любые производства, где требуется автоматизация операций захвата, перемещения и позиционирования деталей и изделий различной конфигурации.

Программный комплекс обладает рядом существенных отличий от аналогичных разработок: интегрированная система обработки команд, многорежимность работы в рамках одной программы, встроенная система защиты механики, возможность наладки и диагностики. Программа создана российскими учеными, что обеспечивает независимость от зарубежных поставщиков программного обеспечения.

Комплекс предназначен для использования в широком спектре промышленных предприятий, но особенно актуален для предприятий, внедряющих роботизированные производственные линии и модернизирующих оборудование в рамках программ импортозамещения и цифровой трансформации производства. Он способен управлять автоматизированными операциями на конвейерах, сборкой приборов и электронных компонентов, работой с хрупкими ампулами и флаконами, складированием и перевозкой грузов в рамках цехов.

🔍 Обзор подготовлен на основе анализа больших данных с применением методов обработки естественного языка.