Модуль «Искусственный интеллект в химии и нефтехимии» разработали Томский государственный университет (ТГУ) и Казанский национальный исследовательский технологический университет (КНИТУ). Он встраивается в образовательные программы вузов для подготовки химиков любого профиля, не требует пересмотра основного курса и с первых занятий дает студентам ключевые навыки работы с искусственным интеллектом.
Проект стартовал в июле 2025 года во время визита делегации КНИТУ в ТГУ, во время которого томичи представили казанским коллегам свой опыт интеграции ИИ в образовательные программы. Всего за месяц эксперты двух вузов подготовили новый модуль, который может стать стандартом обучения химиков технологиям искусственного интеллекта. Введение такого стандарта в вузах России выровняет требования к цифровой грамотности в химотрасли, обеспечит единый уровень подготовки студентов и даст науке и индустрии инструмент для ускоренного создания материалов и проведения экспериментов.
Модуль создали в рамках Университетского консорциума исследователей больших данных (Консорциум Big Data), куда входят ТГУ и КНИТУ.
«В нашей стране отсутствует общий стандарт обучения химиков работе с большими данными и нейросетями, несмотря на высокий запрос со стороны работодателей. Универсальный образовательный модуль «Искусственный интеллект в химии и нефтехимии» позволит вузам выпускать специалистов, которые умеют использовать эти новые технологии в химической промышленности, фармацевтике и разработке новых материалов. Это готовое решение для бесшовной интеграции в программы подготовки химиков любого профиля»
Директор Института анализа больших данных и искусственного интеллекта
По его словам, модуль создан в формате «конструктора»: он предлагает 11 тематических разделов, которые можно вставить в основной образовательный курс с учетом требований конкретной химической специализации. Это разделы: «Введение в технологии искусственного интеллекта и промпт-инженерия», «Критическое мышление в работе с ИИ», «Культура работы с данными», «Проектирование решений на основе ИИ», «Основы Python для анализа данных», «Обработка и анализ данных на Python», «Теория вероятностей и математическая статистика», «Классическое машинное обучение», «Глубокое машинное обучение», «MLOps и инженерия ML-систем», «SQL и NoSQL базы данных».