В 2026 году обучение в рамках проекта «Цифровая кафедра» НГУ завершили 1075 человек. Студенты осваивали программирование, машинное обучение, цифровые продукты, SMM, биоинформатику, цифровую юриспруденцию и медицину — и применяли полученные знания при работе над собственными проектами. Всего с 2022 года программы «Цифровой кафедры» НГУ окончили более 3500 обучающихся.
«Цифровая кафедра» позволяет студентам направлений, не связанных с информационными технологиями, одновременно с основной образовательной программой получить знания о современных цифровых технологиях и дополнительную квалификацию в сфере ИТ. Обучение для участников проекта проводится бесплатно.
От программирования до цифровой медицины
За время существования проекта с 2022 года перечень и содержание образовательных программ «Цифровой кафедры НГУ» неоднократно обновлялись. При этом две программы реализуются с самого запуска проекта — «Базовое программирование на языке Python» и «Практическая биоинформатика и молекулярная биология». Последняя ранее называлась «Технологии управления свойствами биологических объектов: методы биоинформатики и молекулярной биологии».
Сегодня в рамках «Цифровой кафедры НГУ» реализуются семь программ дополнительного профессионального образования. Программы позволяют студентам направлений и специальностей, не связанных с ИТ, параллельно с обучением в университете получить представление о современных цифровых технологиях и их применении в конкретных профессиональных областях, а также дополнительную квалификацию в сфере информационных технологий.
Отраслевая специфика особенно ярко проявляется в программах «Цифровая юриспруденция» и «Цифровая медицина». Первая ориентирована на подготовку специалистов, которые не только хорошо знают право, но и обладают цифровыми навыками и способны взаимодействовать с техническими специалистами. Вторая предназначена для врачей клинических специальностей, специалистов по медицинской информатике и разработчиков ИИ-систем в здравоохранении.
Отдельное место занимает программа «Практическая биоинформатика и молекулярная биология». Она рассчитана на специалистов в области биоинформатики, биотехнологии, а также молекулярной, синтетической и структурной биологии. По словам Марины Шашковой, руководителя Цифровой кафедры НГУ, сегодня эта программа профессиональной переподготовки не имеет аналогов в российских вузах.
Универсальные цифровые навыки можно получить на программах «Базовое программирование на языке Python», «Машинное обучение и нейронные сети», «Инструменты SMM для продвижения» и «Проектирование и реализация цифровых продуктов». Они доступны студентам всех направлений подготовки и специальностей. Наибольшей популярностью эти программы пользуются у студентов социально-гуманитарных направлений.
От обучения — к практическим решениям
Одна из особенностей «Цифровой кафедры НГУ» — возможность не только изучить теоретический материал, но и применить его при решении практических задач. Так, участники программы «Цифровая медицина» разработали системы поддержки принятия врачебных решений, чат-боты для пациентов и медицинских работников, калькуляторы рисков, инструменты NLP-анализа жалоб пациентов, а также аналитические и прогностические модели для медицинских организаций.
Одним из проектов стала «ЗдравоМетрика» — система аналитики работы медицинской информационной системы поликлиники. Проект создали Эвелина Фатеева, Дарья Карасёва, Илья Евгенов и Ирина Карпец на базе ГБУЗ НСО «Городская клиническая поликлиника № 7», которая выступила заказчиком разработки.
Поликлиника является многопрофильным амбулаторным учреждением Новосибирска и включает несколько терапевтических и педиатрических отделений. Поэтому анализ загрузки врачей и отделений имеет для учреждения практическое значение. Участники программы разработали десктопное приложение, которое автоматически формирует аналитическую сводку по загрузке врачей и отделений. Ожидается, что использование такого инструмента позволит снизить нагрузку на врачей и отделения за счет более грамотного управления потоками пациентов, оптимизировать работу филиалов и повысить скорость принятия управленческих решений руководителями подразделений.
Как сократить очереди в аптеках
Практическую задачу решали Олеся Почиковская и Наталья Мищенко. Их проект был посвящен разработке системы управления очередью в аптеках с учетом изменения нагрузки в течение дня и недели. Авторы исходили из гипотезы, что длительное ожидание может влиять не только на удовлетворенность покупателей, но и на выручку аптеки и готовность клиентов возвращаться.
Для проверки предположения участники проанализировали загрузку фармацевтов и зависимость потока покупателей от временных и внешних факторов. На основе полученных данных был разработан алгоритм, который позволяет прогнозировать необходимость открытия дополнительных касс и окон обслуживания. В результате появилась прогностическая модель, которая помогает сокращать время ожидания клиентов и повышать эффективность работы аптеки.
Цифровые технологии для биологии и медицины
Отдельное направление «Цифровой кафедры» — программа «Практическая биоинформатика и молекулярная биология», объединяющая знания из биологии, генетики, анализа данных и программирования.
Студенты отмечают, что полученные навыки помогают решать реальные исследовательские задачи.
— За время обучения я освоила Linux для биоинформатики. С его помощью теперь я умею писать простые команды с аргументами, выполнять базовые операции с файлами, а также использовать продвинутые команды для работы с ними и их анализа. В курсе также было показано, как писать, запускать и управлять скриптами на Bash и как использовать условные операторы, — рассказывает Дарья Першина.
По ее словам, особенно интересной стала часть курса, посвященная машинному обучению и нейросетевым методам анализа изображений.
— После его прохождения я узнала, какие методы анализа изображений существуют и как именно они применяются для анализа данных. Также был пройден курс по методам молекулярной биологии и генетической инженерии — информация дополняла уже полученные знания и помогла вспомнить важные нюансы, — добавляет Дарья.
Для Петра Рогачева обучение стало возможностью глубже разобраться в анализе данных секвенирования.
— Я шел на цифровую кафедру для изучения пайплайнов по анализу именно RNA-seq и других NGS-данных. Мне эти видео очень понравились: без воды, но и не сухо, держит в фокусе. Поэтому отмечу Александра Бобровских, чьи видео мне очень помогли разобраться в этой теме, — рассказывает Петр.
Студент также познакомился с инструментом Nextflow, который позволяет объединять разные скрипты и программы в единые воспроизводимые пайплайны.
— Бэкграунд у меня не технический, поэтому такая возможность масштабирования пайплайнов была для меня в новинку, — поясняет студент.
Виктория Милюкова отмечает, что программа помогла ей систематизировать знания о статистике и освоить инструменты, используемые в биоинформатике:
— Курс дал взглянуть более подробно на статистику для обработки данных экспериментов и для работы в биоинформатике. Освоила такие программы, как MEGA, UGENE, Conda, Linux. Наиболее понравился практический плейлист по работе с последовательностями — кратко и понятно.
Машинное обучение: от ДНК до химических реакций
Еще одна программа «Цифровой кафедры НГУ» — «Машинное обучение и нейронные сети». Здесь цифровые методы применяются к задачам из самых разных научных областей.
Среди лучших проектов участников — алгоритм автоматического анализа комплексов микрофауны с помощью методов машинного обучения. Автор проекта Екатерина Баканова обучила нейросеть распознавать виды раковинных микроорганизмов-фораминифер по фотографиям в трех ракурсах. Лучшая модель достигла точности 96,2% на 12 классах.
С помощью метода Grad-CAM удалось также определить, какие признаки использует модель при классификации. Оказалось, что нейросеть обращает внимание на те же морфологические особенности, которые используют ученые-палеонтологи, — форму раковины, устья и расположение камер.
Ярослав Деменчук разработал проект по классификации метабаркодных данных растений. Для определения видов по коротким фрагментам ДНК — ITS-региону — были протестированы классические ML-модели и свёрточные нейросети. Исследование показало, что специализированный биоинформатический инструмент Kraken2 с кастомной базой данных оказался устойчивее нейросетевых подходов к шуму реальных данных секвенирования.
Елизавета Белько исследовала возможности нейросетей для предсказания клеточно-специфичной активности энхансеров K562 — участков ДНК, регулирующих активность генов. Лучшая гибридная модель показала наиболее высокое качество, а карты внимания помогли обнаружить конкретный GC-богатый участок, похожий на мотив связывания транскрипционного фактора.
Машинное обучение применялось и в задачах физики и химии.
Иван Майор использовал классические ML-модели для перевода цвета термочувствительных жидких кристаллов в значения температуры. Такой подход используется в аэродинамических экспериментах. Обученные модели показали точность выше традиционной полиномиальной калибровки.
Яна Кирюшина работала над предсказанием токсичности молекул по их структуре. Задача заключалась в том, чтобы определить токсичность сразу по 12 биологическим тестам. Для этого использовались два способа представления молекул — вектор признаков и граф, где атомы являются вершинами, а химические связи — ребрами.
А Светлана Бояринцева разработала ML-модель для автоматического подбора растворителя под конкретную химическую реакцию. Для проекта был собран датасет примерно из 36 тысяч реакций с 82 молекулярными дескрипторами на каждое соединение. После отбора признаков модели показали точность 95–96% при определении пригодности растворителя.
«Можно начать с нуля»
Студенты отмечают, что программы «Цифровой кафедры» подходят не только тем, кто уже имеет технический бэкграунд.
— Курс для меня, как для человека из совершенно другой сферы, был очень информативным, понятным и интересным. Ранее с темой машинного обучения я не сталкивалась, однако это не помешало сдать домашние задания и успешно закончить, испробовав себя в новой сфере, — говорит Екатерина Буславская.
Матвей Дьячков также отмечает доступность программы:
— Курс очень емкий, интересный, полезный. Подходит для освоения темы «с нуля». Преподаватели отзывчивые, всё очень хорошо объясняют. Получил много полезных знаний и уже начал использовать на практике.
Для некоторых участников обучение стало непосредственно связано с их исследовательской работой.
— Мой диплом связан с обработкой десятков тысяч сиквенсов, которые вручную обработать физически невозможно. Благодаря этому курсу мне удалось автоматизировать этот процесс и качественно выполнить свою работу, сейчас по ее результатам готовится статья в высокорейтинговый журнал, — рассказывает Евгения Лазарева.
София Сетдикова особенно выделяет практическую составляющую обучения:
— Практика в ДЗ затягивала, мне приходилось гуглить, думать, тестировать гипотезы — я считаю, именно так и рождается настоящий скилл. Огромное спасибо преподавателям за актуальный материал и обратную связь. Курс однозначно worth it!
А Илья Рогожин среди главных преимуществ называет возможность напрямую общаться с преподавателем во время выполнения заданий:
— В диалоге преподаватель сразу видит, если студент что-то не понимает, может подсветить важные моменты, быстро объяснить, а также задаёт вопросы, над которыми нужно порассуждать, что способствует развитию.
Кто учится на «Цифровой кафедре»
Среди выпускников — студенты всех направлений подготовки и специальностей НГУ (кроме отнесенных к сфере ИТ), а также студенты других вузов.
Таким образом, «Цифровая кафедра НГУ» становится площадкой, где студенты разных специальностей могут получить цифровые компетенции и сразу попробовать применить их в профессиональных и исследовательских задачах.
— Сегодня цифровые технологии становятся частью практически любой профессиональной области. Поэтому наша задача — не просто научить студентов работать с конкретными инструментами, а показать им, как цифровые решения могут менять привычные процессы и помогать решать реальные задачи. Проекты наших студентов хорошо демонстрируют, насколько разными могут быть эти задачи — от анализа медицинских данных и биологических последовательностей до работы с химическими реакциями и создания цифровых продуктов, — отмечает Марина Шашкова.
В 2026/2027 учебном году программы Цифровой кафедры стали доступны аспирантам и ординаторам.
До 30 сентября открыта регистрация на программы Цифровой кафедры НГУ 2026/2027 учебного года
.jpg "Студентка Института медицины и медицинских технологий НГУ разрабатывает антибактериальный материал для стоматологических кап")
