Սաթենիկ Մխիթարյանը ԵՊՀ տնտեսագիտության և կառավարման ֆակուլտետի «Տվյալների գիտությունը բիզնեսում» մագիստրոսական ծրագրի ուսանողներից է: Նրա հետ զրույցում անդրադարձել ենք անգլիական «TurinTech AI» կազմակերպության հետ գործակցության շրջանակում գրվող մագիստրոսական թեզին, Հայաստանում տվյալագիտության զարգացմանը և այդ գործում Երևանի պետական համալսարանի ունեցած դերակատարմանը:
Սաթենիկը բակալավրիատական կրթությունն ստացել է ԵՊՀ մաթեմատիկայի և մեխանիկայի ֆակուլտետի «Ակտուարական և ֆինանսական մաթեմատիկա» կրթական ծրագրում, ապա ավարտել համանուն մագիստրոսական ծրագիրը: Այժմ դասախոսում է նույն ֆակուլտետում:
- Սաթենի՛կ, ինչպե՞ս որոշեցիք դիմել «Տվյալների գիտությունը բիզնեսում» մագիստրոսական ծրագրին:
- Ծրագրին դիմել եմ այն գիտակցումով, որ դրա շրջանակում հնարավորություն կունենամ զարգացնելու ԵՊՀ մաթեմատիկայի և մեխանիկայի ֆակուլտետում ստացած գիտելիքներս: Ներքին համոզմունք ունեի, որ այստեղ կկարողանամ ձևակերպել բարդ խնդիրներ, կմշակեմ դրանց լուծման ալգորիթմները՝ հետագայում նպաստելով բիզնեսի զարգացմանը: Ըստ իս՝ մագիստրոսական ծրագրի շրջանակում ստացածս գիտելիքները կիրառական նշանակություն են ունենալու:
- Շուտով կավարտեք «Տվյալների գիտությունը բիզնեսում» մագիստրոսական ծրագիրը. արդյոք արդարացել են Ձեր սպասելիքները:
- Միանշանակ: Մագիստրոսական ծրագրի շրջանակում ձևավորված գործակցային կապերի շնորհիվ գործընկեր կազմակերպություններն ուսանողներին տրամադրում են կրթաթոշակներ: Մասնավորապես Սան Խոսեի պետական համալսարանի հետ համագործակցության շրջանակում ուսանողները հնարավորություն ունեն կրկնակի դիպլոմ ստանալու, «PMI Science», ինչպես նաև «TurinTech AI» գիտահետազոտական կենտրոնների հետ համատեղ մագիստրոսական թեզերի շուրջ աշխատելու: Այժմ անգլիական «TurinTech AI» կազմակերպության ղեկավարությամբ գրում եմ մագիստրոսական թեզ: Գործակցության շրջանակում կատարել ենք տեսական և գործնական աշխատանքներ, որոնց արդյունքներն էական նշանակություն կունենան ոլորտի զարգացման գործում:
- Թեմատիկ ի՞նչ ընդգրկում ունի Ձեր մագիստրոսական թեզը, ո՞րն է ուսումնասիրվող թեմայի կարևորությունը:
- Թեզում ներկայացվում է, թե ինչ կիրառություն ունեն խոր ուսուցման մեթոդները ժամանակային շարքերի ուսումնասիրման և կանխատեսման համար: Խոր ուսուցումը հիմնված է նեյրոնային ցանցերի «ճարտարապետության» վրա, որը որոշակիորեն «ընդօրինակում է» ուղեղի կողմից տեղեկատվության ընդունման և մշակման տրամաբանությունը: Այն ունակ է հայտնաբերելու մուտքային և ելքային տվյալների միջև եղած բարդ կախվածություններ, ինչպես նաև՝ կատարելու ընդհանրացում։ Սրա շնորհիվ ցանցը վերադարձնում է բավականին ճշգրիտ արդյունքներ՝ հաճախ գերազանցելով նախկինում կիրառված մեթոդները: Այս ոլորտը բավականին քիչ է ուսումնասիրվել, ուստի մագիստրոսական թեզի թեման խիստ արդիական է:
- Հայտնի է, որ ոլորտի զարգացումը անընդհատական է և գերարագ։ Ըստ Ձեզ՝ կարո՞ղ է մեքենայական ուսուցումը «հաղթել» մարդկային մտքին և մի օր դառնալ գերիշխող:
- Եթե անդրադառնանք կոնկրետ նեյրոնային ցանցերին և հաշվի առնենք, որ դրանք ներդրվում են մարդկանց կողմից, ապա չպետք է կարծել, որ դրանք «կհաղթեն» մարդկանց: Սակայն այս զարգացումները կարող են առաջ բերել նոր մարտահրավերներ. որոշ մասնագիտություններ ճկունություն չցուցաբերելու պատճառով հնարավոր է՝ դադարեն գոյություն ունենալուց: Բայց դրանց ներդրումն էական դեր է ունենալու տարաբնույթ բարդ խնդիրներ լուծելիս, օրինակ՝ բիզնեսի, ֆինանսական, մակրոտնտեսական և այլ ոլորտներում հնարավորինս արդյունավետ վերլուծություններ և կանխատեսումներ կատարելիս՝ էականորեն օպտիմալացնելով որոշումների կայացումը:
- Ըստ Ձեզ՝ ո՞րն է Երևանի պետական համալսարանի դերը ոլորտի զարգացման գործում:
- Հատկապես վերջին տարիներին Հայաստանում ոլորտի զարգացմանն ուղղված կարևոր քայլեր են կատարվում: Հատկանշական է, որ այդ գործում Երևանի պետական համալսարանն առաջամարտիկներից է, և դրա զարգացմանն ուղղված քայլերից է հենց «Տվյալների գիտությունը բիզնեսում» մագիստրոսական ծրագիրը: Վերջինիս ընձեռած լավագույն հնարավորություններից է ուսումը ԱՄՆ-ի Սան Խոսեի պետական համալսարանում շարունակելը, ինչը հնարավորություն է ընձեռում ծանոթանալու լավագույն փորձին և կիրառելու այն Հայաստանում:
Մարինե Մկրտչյան
