Как себя сегодня чувствует ML-образование Наткнулся на исследование J'son & Partners о подготовке AI-кадров в США, Китае и России. Авторы смотрят на то, как страны пытаются закрыть разрыв между спросом на ML-специалистов и тем, что выдаёт образовательная система. Спрос растёт везде, ключевой вызов тоже общий — компетенции выпускников не соответствуют текущим задачам бизнеса. Подходы при этом разные. Китай ставит на централизацию: государство задаёт единые стандарты, с 2025 года AI обязателен в школах с 6 лет, всё живёт на единой государственной платформе. Хорошо масштабируется, но под нестандартные задачи специалистов часто ищут за рубежом. В США модель университетская — вузы конкурируют между собой и сами обновляют программы под рынок. Обучение дорогое, при этом бигтехи тоже участвуют: Google, Meta и другие запускают совместные программы, где можно делать магистратуру или PhD параллельно с работой в компании. В России модель строится на кооперации бигтехов и вузов: компании запускают совместные программы, открывают базовые кафедры, ведут собственные школы вроде ШАДа. Как выпускник могу сказать, что такой формат даёт и академическую базу, и понимание того, как ML работает в проде. Второе в чистом университете получить сложно — эти знания живут внутри команд и продуктов. Так что если выбираете ML-программу, смотрите не только на вуз, но и на то, какие компании стоят за обучением. Очень круто, если получится заскочить на программу, где можно писать PhD или магистерскую прямо в компании. У меня многие знакомые так делали на программах с Facebook AI Research. Вот, например, мой друг Никита делал так PhD на программе с Метой и пост об этом в его канале. @ai_newz