Междисциплинарная подготовка научных кадров монография Т.А. Кузнецова

Таблица 1

Учебный план подготовки по программе Computer Science and Philosophy

Примерами Taught Programmes являются междисциплинарные академические магистерские программы (M.Sc.), реализуемые факультетом информатики и вычислительной техники (Computer Science) совместно с другими факультетами, которые могут быть отнесены к дуальным:

− очная форма обучения – M.Sc. in Mathematics and the Foundations of Computer Science;

− очно-заочная форма обучения – M.Sc. in Software Engi-

neering и M.Sc. in Software and Systems Security.

Рассмотрим программу M.Sc. Mathematics and Foundations of Computer Science (срок обучения – 12 месяцев, или три семестра, включая летний), реализуемую совместно с факультетом математики, строящуюся на стыке математики и теоретической информатики (computer science). Программа содержит два блока академических дисциплин, реализуемых в виде лекционных курсов – Lecture Courses (табл. 2) двух уровней сложности

(Schedule I – базовый, II – продвинутый) [4]:

−Секция A – (Section A): теоретический – математический блок (Mathematical Foundations);

−Секция B – (Section B): прикладной – приложения тео-

рии (Applicable Theories).

Таблица 2 List of Lecture Courses 2010/2011 (Curriculum) программы

M.Sc. Mathematics and Foundations of Computer Science

Section A: Mathematical Foundations

Schedule I

Окончание табл. 2

Section B: Applicable Theories

Schedule I

Математическая часть программы концентрируется на задачах, решаемых с помощью компьютерных методов, и теоретических разделах, применяемых в программировании и вычис-

14

лительной технике: алгебра, топология, теория графов, численный анализ, математическая теория чисел, комбинаторика, математическая логика и др.

Вчасти, посвященной проблемам информатики и вычислительной техники, рассматриваются вопросы сложности вычислений, параллельных и последовательных вычислений и др.

Индивидуальный учебный план должен содержать 16 дисциплин, причем студенты должны сдать экзамены на высокие оценки не менее чем по двум дисциплинам из секции B и не менее чем по двум дисциплинам продвинутого уровня.

Вкачестве итоговой аттестации рассматривается написание

изащита диссертации (dissertation), выполняемой на стыке наук, соответствующей тематике предметного поля одной из секций и рассматривающей прикладные вопросы одной из областей науки, инжиниринга, промышленности или экономики. Ресурсную поддержку в написании диссертации осуществляют специали-

сты исследовательской группы Programming Research Group в научно-исследовательской лаборатории Computing Laboratory.

Схожий подход к организации обучения применяется при реализации программ M.Sc. Mathematical and Computational Finance (реализуемой совместно с факультетом статистики), M.Sc.

in Mathematical Modelling and Scientific Computing и др.

Примером исследовательских междисциплинарных программ Reseach Programmes являются сопряженные магистерская и докторская программы Computational Biology, направленные на подготовку на стыке биологии, медицины, математики и информатики. Программы имеют две специализации: Computational Modelling of Physiological Systems, дающая подготовку в области численного моделирования физиологических систем и

Computational Systems Biology, нацеленная на разработку биоло-

гических вычислительных систем. По окончании присваиваются степени M.Sc. by Research in Computer Science и D.Phil. in Computer Science. Междисицплинарность программы реализуется через НИР, выполняемую в рамках исследовательской группы Computational Biology Group на базе научно-исследовательской

15

лаборатории Computing Laboratory факультета Computer Science.

Студенты и аспиранты выполняют теоретические и прикладные междисциплинарные исследования, направленные на применение достижений Computer Science в клинической практике и при решении актуальных проблем биологии. Ключевые практические задачи включают моделирование физиологических процессов (сердечно-сосудистых процессов, механики мягких тканей, развития раковых опухолейидр.), анализ биологических систем.

Докторские программы реализуются на базе пяти докторских учебных центров, открытых при университете. Примером центра, занимающегося послевузовской подготовкой на стыке физики и наук о жизни (биология, медицина и др.), является Life

Sciences Interface Doctoral Training Centre – LSI DTC (Доктор-

ский учебный центр пограничных исследований), осуществляющий докторскую подготовку по сопряженным (M.Sc. + D.Phil.) двухуровневым инновационным междисциплинарным образовательным программам (срок обучения – четыре года), направленным на подготовку к исследованиям в областях:

− Biological Physics (реализует физический факультет –

Department of Physics);

−Medical Imaging and Signals (реализует факультет компьютерных наук – Department of Engineering Science);

−Bioinformatics, Evolution and Genetics (реализует факультет статистики – Department of Statistics);

−Computational Biology (реализует компьютерная лабора-

тория – Computing Laboratory).

Предшествующее образование – бакалавриат по направлениям: математика, физика, инженерные науки, информатика.

В целом реализация междисциплинарных программ ведется при кооперации 10 факультетов университета.

Степени D.Phil.1 присваиваются в результате освоения программ по направлениям:

− Life Sciences;

1 Степень, присуждаемая в старейших университетах Великобритании, сопоставимая с Ph.D.

16

−Systems Biology;

−Systems Approaches to Biomedical Science (реализуется совместно с Industrial Doctorate Centre (IDC)).

Учебный план первого года обучения включает 13 модулей

ипредусматривает реализацию академического компонента, направленного на обеспечение достаточной для выполнения междисциплинарных исследований широты подготовки на стыке наук:

−practical theoretical research skills: исследовательская

подготовка – получение продвинутых теоретических знаний и исследовательских умений в области математики, вычислительной техники, информатики, физики (mathematical modelling,

scientific computing, computer programming, and statistical methods);

− basic background: приобретение необходимых базовых знаний в науках о жизни (biology, biochemistry, experimental

techniques, biological physics).

Полный учебный план Curriculum приведен ниже [4].

Curriculum междисциплинарной программы подготовки D.Phil., реализуемой докторским учебным центром Life Sciences

Interface Doctoral Training Centre – LSI DTC

Академический компонент. Базовые модули – Core Modules

Biological Systems: The building blocks of living systems; Biological diversity; Selfish genes, evolution and the origin o f biological complexity; Mechanisms of disease.

Programming: Introduces the student to computer programming by examining a range of common computational tasks when implemented in three distinct programming languages. This provides an understanding of the strengths and weaknesses of these common languages, allowing the student to choose their tools according to the computing problem faced.

Molecular Genetics and Cell Biology: DNA structure and replication; genes; regulatory regions; the genetic code. RNA Proteins: their structure and interaction; metabolic pathways; cell division; cell structure; cell signalling; developmental biology.

17

Introductory Mathematics: solution of separable ordinary linear differential equations, matrices, solution of difference equations, fundamental concepts in probability and stochastic processes

An Introduction to Mathematical Biology using Matlab: Introduction to Matlab; introduction to scientific programming. Revision of elementary mathematics including: basic statistical analyses and data summary; functions; numerical linear algebra; numerical solution of ordinary differential equations; discrete and stochastic modelling; analytical methods in applied mathematics including dimensional analysis and asymptotic methods; principles of software engineering.

Biological Experimental Techniques (incorporating Theory of Biological Experimental Techniques): DNA extraction, sequencing and manipulation; protein expression, purification and characterisation; microscopy and cellular imaging.

An Introduction to Organic Chemistry: Introduce and develop the fundamental data and concepts of organic chemistry; apply these data and concepts to chemical problem solving; Lewis bonding, bond polarisation. Lewis acids. Structures and isomers. Stereochemistry. Enantiomers: chirality, stereogenicity. Molecular orbitals, hybridisation. Functional groups: carbonyls, imines, oximes, nitriles. Lewis acids and bases. Curly arrows and mechanism. Resonance.

Structural Biology: Protein structure, structure determination (theory and practical) molecular dynamics, free energy methods, homology modelling, electrostatics

Statistical Data Analysis: probability; statistical inference; statistical modelling; regression; hypothesis testing; model choice; markov chains; hidden markov models; statistical computing.

Advanced Mathematical Biology: modelling techniques; pdes; analysis; applications of reaction diffusion equations including Turing instability and pattern formation, and travelling waves; continuum mechanics; numerical methods (finite difference and finite element) for pdes; introduction to optimisation.

Medicinal Chemistry: Cheminformatics, including introduction to ligand-protein docking using AutoDock and related tools; principles of drug discovery; medicinal chemistry; principles of drug development.

Toxicology & DMPK and Systems Pharmacology: Case histories; ADME (absorption, distribution, metabolism, excretion); PK/PBPK modelling; Absorption and permeability; Phase I and II xenobiotic metabolism;

18

Drug transporters; Adverse drug reactions; Drug-drug interactions; Pharmacogenomics and polymorphisms.

Biological Physics: Revision of basic Physics (classical mechanics, thermodynamics, statistical mechanics, quantum mechanics) OR extended study of topics in biophysics. Physics of chemical reactions, membranes and membrane proteins, bioenergetics, molecular motors. Practicals on biophysical techniques.

Академический компонент. Продвинутые модули –

Advanced Modules

GROUP 1 Computational Biology:

Theoretical Systems Biology

Biomedical Imaging – Theory, Biomarker Design and Image Acqui-

sition

GROUP 2

Biomedical Imaging – Image and Signal Analysis

Advanced Experimental Techniques

Genomic Epidemiology and Biomarker Discovery

GROUP 3

Biophysics and Bionanotechnology Bioinformatics and Mathematical Genetics Drug Discovery

A more detailed guide to the advanced modules in the first year will be made available in the course of Michaelmas Term.

Advanced Module taught in the second year and beyond

C++ Programming

Enterprise and Entrepreneurship (предпринимательская дея-

тельность)

Короткий исследовательский проект – Short research projects (уровень M.Sc.)

Два исследовательских проекта: Following on from the intensive training provided in the core courses and advanced courses over the first two terms, students spend the remainder of their first year undertaking two 10-week research projects in two different research groups within the university, which are tailored to meet the likely requirements of their substantive D.Phil. project. Students are encouraged to undertake one primarily theoretical, and one primarily experimental rotation. Students are required

19

to write a short dissertation on each of these rotations, written in the style of

a journal article.

Объем отчетов по НИР – 5 000 слов

Research Skills

Research Skills covers: Rhetoric; bioethics; reading scientific literature across disciplines; scientific writing; poster production; publishing a research paper; presentation and communication skills; management skills; managing your DTC DPhil; interview techniques; career development.

НИР и диссертация – D.Phil. thesis

Объем докторской диссертации – 80 000 слов

После освоения всех модулей академического компонента студенты выполняют два исследовательских проекта, тематика которых связана с одной или двумя прикладными областями (срок выполнения – 11 недель). Выполнение исследовательских проектов соответствует завершению магистерского уровня образовательной программы. По окончании проектной деятельности обучаемый выбирает один из этих проектов в качестве основы для продвинутых комплексных экспериментальных лабораторных исследований докторского уровня. Последующая работа над проектом ведется в одной из прикладных областей в рамках выбранной исследовательской группы под руководством научного руководителя (supervisor).

Учебный план последующих лет обучения включает продвинутые (advanced) дисциплины, направленные на формирование продвинутых знаний в области математического и численного моделирования, биоинформатики, численного анализа, научных коммуникаций. Кроме того, программа направлена на приобретение практического опыта и навыков (Research Skills)

использования современного лабораторного оборудования. Research Skills включают также практические навыки: риторики, биоэтики, чтения специальной научной литературы, написания научных статей и работ, изготовления наглядных пособий, публикации отчетов по НИР, создания и проведения презентаций, научных коммуникаций, менеджмента в науке и исследованиях, самоменеджмента, взятия интервью, развития карьеры.

20