1 семестр
Обучение начнется с введения в биоинформатику.
Далее студенты с биологическим бэкграундом изучают дисциплины по математике и программированию, а информатики — по биологии, углубленной статистике и алгоритмам. В этом семестре вы также выберете тему курсового проекта и начнете работать над ним.
Далее студенты с биологическим бэкграундом изучают дисциплины по математике и программированию, а информатики — по биологии, углубленной статистике и алгоритмам. В этом семестре вы также выберете тему курсового проекта и начнете работать над ним.
Вы будете изучать медицинскую генетику, несколько модулей курса по системной биологии и Scientific Python, а также посещать журнальный клуб по биоинформатике. Параллельно продолжите работу над проектом и в конце семестра защитите свои результаты.
3 семестр
Вы изучите 4 профильных курса по выбору, продолжите участвовать в журнальном клубе по биоинформатике и пройдете один курс модуля Soft Skills. Также в начале семестра вы определитесь с темой диплома и научным руководителем и начнете его выполнение.
Это время вы полностью посвятите написанию дипломной работы и прохождению практики.
1 семестр
Общие профильные курсы
Курс познакомит вас с подходом системной биологии и на примерах из области иммунологии показывает, как получение и интерпретация системных данных помогает совершать биологические открытия.
Примерный список тем:
- Foundations of immunology. Antibodies and phagocytes. Cells of the immune system. T-cells.
- Transcription and RNA sequencing. Exploration and analysis of gene expression datasets.
- Introduction to single-cell RNA-sequencing
- Case studies from cancer immunology and aging immunology
- Immunometabolism. Metabolic network analysis in Cytoscape
Вы научитесь проводить полноценное научное исследование в области биоинформатики и системной биологии индивидуально или в команде. Результатом станет семестровый отчет.
Профильные курсы трека «Анализ данных в биологии»
Курс направлен на изучение теоретических основ статистических методов и их применение на практике, в том числе в биоинформатике.
Примерный список тем:
- Introduction to statistics: variable types, basic distributions and hypotheses examples
- Calculating data statistics: central and variance tendency measures, correlation
- Data visualization: distribution visualization techniques, multidimensional data, heatmaps, Venn diagrams
- Data visualization practice: visualizing experiment data, explanatory data analysis (EDA)
- Testing mean equality one-sample hypotheses with simulations
- Testing goodness of fit hypothesis with simulations
- Testing independency hypothesis with simulations
- Sampling methods, sources of bias
- Distributions: Bernoulli, binomial, geometrical, uniform, normal, exponential, Poisson
- Types of errors and power of tests
- Multiple comparisons problem
- Regression analysis: linear regression using least squares
Курс познакомит вас с основными понятиями булевой логики, комбинаторики, динамического программирования и алгоритмов на графах, которые являются базой для решения многих биоинформатических задач.
Примерный список тем:
Примерный список тем:
- Introduction to set theory: definitions, set operations and properties
- Boolean functions, boolean logic and proof methods
- Combinatorics: combinations, permutations, pigeonhole principle
- Combinatorial generation
- Asymptotic analysis of algorithms
- Sorting algorithms
- Dynamic programming: definitions, subtask optimization, basic problems
- Dynamic programming in bioinformatics: local and global alignments
- Dynamic programming: RNA's secondary structure prediction
- Graph theory: definitions, DFS, BFS
- Graph theory: algorithms, de Bruijn graph
Курс посвящен изучению Python с нуля. При этом, по ходу курса вы сразу начнете применять знания для решения простых биоинформатических задач.
Примерный список тем:
- Python Basics. Numbers. Strings. Boolean Type. Variables and rules for naming variables. Arithmetic Operators. Comparison operators. Logical operators.
- Control Flow. Indentation.
- Data structures. List. Set. Dictionary. Tuple.
- Functions.
- Functional programming.
- Call stack. Namespace.
- Modules, Files.
- Python Classes. Attributes, methods. Instantiation. self parameter. Underscores.
- Inheritance. Parent class and Child class. Subclass attributes. Multiple inheritance. Method Resolution Order (MRO).
- Iterators. Generators. Errors. Exceptions.
Профильные курсы трека «Алгоритмическая биоинформатика»
Курс включает в себя изучение таких методов статистического анализа, как описательная статистика, построение оценок и доверительных интервалов, тестирование гипотез и т. д.
Примерный список тем:
Примерный список тем:
- Sample, estimates. Descriptive statistics. Unbiased estimator, consistent estimator. Distribution of empirical E, D.
- MLE, method of moments. Confidence intervals.
- One-sample hypothesis testing: one-tailed/two-tailed alternatives.
- One-sample hypothesis testing: parametric/non-parametric criteria.
- Two-sample hypothesis testing. Correlation coefficients.
- Linear regression, ANOVA.
- Multiple hypothesis testing: correction methods, FDR.
В курсе изучаются базовые алгоритмы и структуры данных, которые требуются для понимания более сложных специализированных алгоритмов в биоинформатике.
Примерный список тем:
Примерный список тем:
- Complexity
- Sorting and Binary Search
- DigitSort and Stacks
- Queues, Dequeue, Heap, Amortized time
- Vector continuation, BST, AVL, Treap
- Treap and Treap with hidden keys
- Dynamic Programming. Part 1.
- Dynamic Programming. Part 2.
- Dynamic Programming. Part 3.
- Dynamic Programming. Part 4.
- String Hashes
- Depth-First Search
- Eulerian cycle, Breadth-First Search, Dijkstra
- Ford-Bellman, Floyd
Курс направлен на изучение базовых принципов строения и функционирования биомолекул, а также их роли в хранении и реализации генетической информации.
Примерный список тем:
Примерный список тем:
- Cell structure and cell processes. Cell division. Mitosis and meiosis. Cell cycle.
- Molecular basis of genetics and inheritance. Central dogma of molecular biology. DNA and RNA functions.
- DNA replication. Replication processes in prokaryotes and eukaryotes. Transcription and translation. RNA splicing and processing. DNA damage and mutations. DNA repair.
- Definitions of the gene. Mendel's principles of heredity. The chromosome theory of inheritance. Gene regulation in prokaryotes and eukaryotes.
- Genome structure and organization. Chromosome organization. Genome rearrangements.
- Genetic diversity. Sources of genetic diversity. Inbreeding and mutational load.
Факультативы и общеуниверситетские курсы
Курс посвящен изучению основ высшей математики и разбору типовых задач математического анализа.
Курс предназначен для освоения навыков локальной и удаленной работы с операционной системой GNU Linux, а также знакомства с основными принципами работы операционных систем.
Первичная обработка данных и Статистика на R / Data Preprocessing and Statistics with R
Курс научит вас базовым приемам работы с данными, методам их визуализации и описательной статистики, методам нормировки данных и построения целевых функций. А также практическим навыкам статистической обработки данных на языке программирования R для решения различных аналитических задач. Вы познакомитесь с важнейшими понятиями теории вероятностей, на которых основаны многие статистические конструкции и выводы.
Хранение больших данных и введение в машинное обучение (Python) / Big Data: Storage Technologies and Introduction to Machine Learning (Python)
Курс научит организовывать хранение больших данных с помощью реляционных СУБД и NoSQL хранилищ и расскажет про методы проектирования структур данных, языки запросов к данным и приемы их обработки. А также познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации.
Введение в МО (Python) и продвинутое машинное обучение (Python) / Introduction to Machine Learning (Python) and Advanced Machine Learning (Python)
Курс познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации. Также из курса вы узнаете методы снижения размерности набора признаков и факторного анализа. Рассмотрите метод опорных векторов и деревья принятия решений, ансамбли моделей, погрузитесь в еще одно направление машинного обучения — обучение с подкреплением.
Курс научит вас базовым приемам работы с данными, методам их визуализации и описательной статистики, методам нормировки данных и построения целевых функций. А также практическим навыкам статистической обработки данных на языке программирования R для решения различных аналитических задач. Вы познакомитесь с важнейшими понятиями теории вероятностей, на которых основаны многие статистические конструкции и выводы.
Хранение больших данных и введение в машинное обучение (Python) / Big Data: Storage Technologies and Introduction to Machine Learning (Python)
Курс научит организовывать хранение больших данных с помощью реляционных СУБД и NoSQL хранилищ и расскажет про методы проектирования структур данных, языки запросов к данным и приемы их обработки. А также познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации.
Введение в МО (Python) и продвинутое машинное обучение (Python) / Introduction to Machine Learning (Python) and Advanced Machine Learning (Python)
Курс познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации. Также из курса вы узнаете методы снижения размерности набора признаков и факторного анализа. Рассмотрите метод опорных векторов и деревья принятия решений, ансамбли моделей, погрузитесь в еще одно направление машинного обучения — обучение с подкреплением.
Навыки критического мышления/ Critical Thinking Skills (advanced)
Курс направлен на овладение важными навыками критического мышления с учётом их применения в научно-образовательных, а также конфликтных ситуациях. Вы узнаете, как оценить актуальность информации, как построить убедительную аргументацию, как обнаружить ошибки в рассуждениях, как их избежать и т.д.
Создание технологического бизнеса/ High Tech Business Creation
В рамках курсы вы сможете попробовать себя в роли предпринимателя, создать и развить междисциплинарный бизнес-проект. Основные задачи курса – изучение особенностей разработки высокотехнологичного проекта и оценка готовности его к коммерциализации в реальном секторе экономики.
Основы концептуального мышления/ Introduction to Conceptual Thinking
Курс о базовых принципах анализа, генерации идей, креативных процессах, структурировании информации и построении систем, дающий знания для создания прорывных и инновационных проектов в разных областях науки и бизнеса.
Курс направлен на овладение важными навыками критического мышления с учётом их применения в научно-образовательных, а также конфликтных ситуациях. Вы узнаете, как оценить актуальность информации, как построить убедительную аргументацию, как обнаружить ошибки в рассуждениях, как их избежать и т.д.
Создание технологического бизнеса/ High Tech Business Creation
В рамках курсы вы сможете попробовать себя в роли предпринимателя, создать и развить междисциплинарный бизнес-проект. Основные задачи курса – изучение особенностей разработки высокотехнологичного проекта и оценка готовности его к коммерциализации в реальном секторе экономики.
Основы концептуального мышления/ Introduction to Conceptual Thinking
Курс о базовых принципах анализа, генерации идей, креативных процессах, структурировании информации и построении систем, дающий знания для создания прорывных и инновационных проектов в разных областях науки и бизнеса.
Углубленный курс английского языка. Вы изучите основы межкультурного общения в научном мире, вооружитесь новыми теоретическими знаниями, улучшите и разовьете навыки письма и разговорной речи, а также научитесь критическому письму, чтению и мышлению.
2 семестр
Один из ключевых курсов программы, в котором вы подробно разберете использование транскриптомных, протеомных и эпигенетических данных для изучения биологических процессов.
Примерный список тем:
Примерный список тем:
- Транскриптомика/ Transcriptomics
- Central dogma of molecular biology, structure of gene, types of RNA, structure of RNA, transcription, reverse transcription, FACS
- RNA-seq: alignment, quantification, QC, normalization, basic analysis
- Overall quality control: PCA, clustering, outlier detection, batch correction
- Differential expression (DE), Deseq2 for RNA-seq
- Downstream analysis: pathway/gene set enrichment analysis
- Transcriptome assembly, functional annotation
- Single-cell transcriptomics
- Spatial transcriptomics
- Visual data exploration: Phantasus, JBR genome browser
- Experimental design of gene expression study
- Протеомика/ Proteomics
- Introduction to Proteomics. Methods of protein analysis. Ionization methods. Examples of mass analyzers. Top-down and Bottom-Up proteomics. DIA, DDA and Targeted proteomics. Tandem protein mass spectrometry.
- Protein quantification: LFQ, SILAC, TMT. Challenges of measuring protein concentrations. Labeling. Single Cell proteomics. Label-Free proteomics.
- Basics of MaxQuant and Perseus. 3D visualization.
- Proteomics applications.
- Эпигенетика/ Epigenetics
- ChIP-seq. QC. Alignment. Visualization. Peak calling. Spectrometry.
- Downstream. Genomic regions manipulation. Associated/closest gene annotation. Coverage profile. Functional genome annotation. Motif analysis TF. Pathway enrichment analysis. Similar datasets.
- Methylation. BS-Seq Preprocessing. BS-Seq Downstream. Bis-SNP.
Курс раскрывает вопросы работы с геномными данными человека: как с точки зрения полногеномного поиска ассоциаций, так и с точки зрения интерпретации экзомных данных.
Примерный список тем:
Примерный список тем:
- Where it all started. Solving a mystery of inheritance. Mendel and post-Mendel era
- Pre-genome era. Mapping of the first human disease gene. Huntingnton's disease.
- RFPL, microsatellite and genetic linkage. Pedigree and linkage analysis. DNA forensics.
- Human Genome Project. SNP map of the human genome. DNA variation.
- Linkage disequilibrium and genome-wide association studies. HapMap project.
- GWAS concepts and approaches.
- Hands on GWAS tutorial.
- GWAS discussion and resources. Polygenic risk scores. UK biobank.
- Next generation sequencing. Exome sequencing.
- GATK pipeline.
- Variant annotations, selection pressure metrics. Large scale sequencing resources.
- Rare variant association studies
- Hands-on analysis of exome sequencing data.
- Cancer genetics. TCGA project.
- Case-control matching challenge.
На этом курсе вы продолжите изучать Python. Научитесь применять различные open-source библиотеки для анализа данных, а также с помощью Python решать более сложные биоинформатические задачи.
Примерный список тем:
Примерный список тем:
- Basic text processing with python. Regular expressions
- Code organization. Error handling and debugging
- Exploratory data analysis with python. Data manipulation packages
- Visual data analysis with python. Data visualization packages
- Functional programming with python. Method oriented programming. Functional programming paradigm. Inerating over objects. Iterators in python. Working with infinite objects. Generators in python. Python functional possibilities.
- Biological data processing with python. Biopython and Scanpy
- Scientific project organization. Virtualization, Pipelines and Web applications. Docker. Introduction to pipeline development using Snakemake
- Machine learning possibilities in python. Advanced tools for data processing. Introduction to neural networks with python.
Курс направлен на продолжение обучения элементам программирования на R для решения задач, которые возникают при обработке данных.
Примерный список тем:
1. Multivariate data. Measures of similarity and differences of multivariate data. Principles of working with matrices.
2. Distance calculation. Hierarchical clustering. Agglomerative clustering.
3. Nonmetric multidimensional scaling. Data imputation.
4. Principal Component Analysis (PCA). Matrix implementation of PCA. Factor loadings and ordinations. Properties of the components.
5. Multivariate analysis of variance. Limitations and applications.
6. Correlations between multivariate matrices.
7. Methods for identifying marker features. Graphical interpretation of data.
Примерный список тем:
1. Multivariate data. Measures of similarity and differences of multivariate data. Principles of working with matrices.
2. Distance calculation. Hierarchical clustering. Agglomerative clustering.
3. Nonmetric multidimensional scaling. Data imputation.
4. Principal Component Analysis (PCA). Matrix implementation of PCA. Factor loadings and ordinations. Properties of the components.
5. Multivariate analysis of variance. Limitations and applications.
6. Correlations between multivariate matrices.
7. Methods for identifying marker features. Graphical interpretation of data.
В рамках курса вы познакомитесь с актуальными исследованиями из разных областей биоинформатики, научитесь анализировать научные статьи, а также овладеете навыками презентации.
Углубленный курс английского языка. Вы изучите основы межкультурного общения в научном мире, вооружитесь новыми теоретическими знаниями, улучшите и разовьете навыки письма и разговорной речи, а также научитесь критическому письму, чтению и мышлению.
Вы научитесь проводить полноценное научное исследование в области биоинформатики и системной биологии индивидуально или в команде. Результатом станет семестровый отчет и публичная защита проекта. Возможна публикация результатов в научном журнале.
3 семестр
Профильные курсы (4 на выбор)
Курс включает в себя изучение основ структурной биологии, знакомство с основными методами молекулярного моделирования, а также с базовыми концепциями компьютерного дизайна лекарственных средств.
Примерный список тем:
Примерный список тем:
- Defining bioinformatics and structural bioinformatics.
- Fundamentals of macromolecular organization and structure. Hierarchical levels of protein organization. Protein 3D structure. Protein Domains. Protein Folds.
- Analysis of macromolecule. Sequence and structural alignment. Amino acid substitutions, amino acid replacement matrices. Quality of protein structures, Torsion angles and Ramachadran plot. Function from structure: Structure-function relationship and analysis.
- Prediction and modeling of macromolecules. Homology and similarity of proteins, quality assessments of homology models. Molecular dynamics and docking, Monte Carlo simulations. Protein folding and energetics.
- Experimental approaches in structural biology: Determination of macromolecular structures. X-ray crystallography. Nuclear Magnetic Resonance. Cryo-electron microscopy. Hydrogen-deuterium exchange.
- Protein databases. The Protein Databank (PDB), UniProtKB, InterPro, HMMER, PDBe, EMDB, EMPIAR, IntAct, Complex Portal, Reactome.
- Computer-aided drug design: approaches and methods. Structure-based drug design. Ligand-based drug design. De novo design.
- Basics of molecular modeling. Preparation of protein structure. Molecular docking, molecular dynamics.
Курс посвящен обзору современных достижений в областях генной инженерии, дизайна белков, клеточных технологий, регенеративной медицины, в том числе в контексте биоинформатики.
Примерный список тем:
Примерный список тем:
- Genetic engineering, synthetic biology.
- Basic genetic engineering.
- Gene delivery, genome editing.
- Gene synthesis, high-throughput cloning.
- Genome synthesis, synthetic signaling circuits and metabolic pathways.
- Basic genetic engineering.
- Protein engineering, drug design
- Protein design, peptide design.
- Antibody design, directed evolution.
- Ligand design, small molecule library creation and optimization.
- CAR-T cells.
- Protein design, peptide design.
- Cell biotechnology, neurotechnology and neural engineering.
- Stem cells, regenerative medicine.
- Organoids, organ-on-a-chip, 3D bioprinting.
- Brain-machine interfaces, neuroprosthetics.
- Stem cells, regenerative medicine.
- Applied biotechnology.
- Microbial biotechnology, industrial biotechnology.
- Plant biotechnology, agricultural biotechnology, biofuel.
- Biotechnology of animals, transgenic animals.
- Microbial biotechnology, industrial biotechnology.
Курс направлен на изучение современных методов работы с геномными данными, позволяющих изучать особенности структуры и эволюции различных организмов.
Курс позволяет приобрести основные навыки системно-биологического анализа микробных сообществ и развить понимание методов для изучения этих данных. Делится на два модуля: молекулярная филогенетика и метагеномика.
В курсе рассматриваются алгоритмы и структуры данных, которые используются для решения как классических, так и современных задач биоинформатики.
Примерный список тем:
Примерный список тем:
- Sequence alignment
- Genome assembly
- Hidden Markov Models
- Phylogeny reconstruction
- Genome rearrangements
- Active module problem
- Algorithms for gene set enrichment analysis
- Privacy-preserving genome-wide association studies
- Reconstruction of evolutionary histories
- Reconstruction of gene regulatory networks
Курс направлен на изучение базовых подходов к оптимизации функций многих переменных как в дискретном случае, так и в вещественном пространстве.
Примерный список тем:
Примерный список тем:
- Introduction to optimization
- Necessary and sufficient conditions for optimality
- Lagrange multipliers method
- Gradient descent method
- Binary and ternary search
- Newton and quasi-Newton method
- Linear programming
- Mixed-integer programming
- Lagrangian relaxation
- MIP formulations. Tips and tricks
- Rejection sampling
- Monte-Carlo Markov Chain
- Simulated annealing
- Genetic programming
- Evolution strategies
Курс направлен на изучение принципов работы алгоритмов машинного обучения. В рамках курса вы познакомитесь с математическими основами работы алгоритмов обучения с учителем, обучения без учителя и алгоритмов глубокого обучения.
Примерный список тем:
Примерный список тем:
- Introduction to Machine Learning
- Non-parametric Models. Nadaraya-Watson kernel regression.
- Linear Models. Gradient Algorithms.
- Support Vector Machine. Karush-Kuhn-Tucker Condition
- Probabilistic Classifiers
- Trees and Ensembles. Boosting algorithms
- Neural Networks
- Optimization algorithms for Neural Networks
- Convolutional Neural Networks
- Recurrent Neural Network
- Dimensionality reduction
- Label Irregularity
- Clustering
- Generative Models
- Best Practices in ML
Другие курсы
В рамках курса вы познакомитесь с актуальными исследованиями из разных областей биоинформатики, научитесь анализировать научные статьи, а также овладеете навыками презентации.
Переговоры, управление конфликтом и техники влияния/Negotiations, Influence and Conflict Management
Курс направлен на понимание того, как планировать, проектировать и достигать взаимовыгодных соглашений. Вы познакомитесь с лучшими современными подходами к переговорам, а также распространенными предубеждениями и ловушками, которые могут сопровождать переговорный процесс.
Основы организации международных научных исследований/ International Research Management Essentials
На курсе вы научитесь пошагово проводить исследовательские проекты и готовить их к финальной защите. Вы также изучите и приобретете некоторые из наиболее важных навыков 21 века, начиная от решения сложных проблем и заканчивая умением принимать решения на основе данных.
Жизнь в науке: путеводитель молодого исследователя/ Life in Science: Guide for Young Researchers
На курсе вы разовьете умения: писать научные статьи и выбирать журналы для их публикации, ориентироваться в ведущих рейтинговых системах и стратегически подходить к построению своей академической репутации, проектировать публичное выступление с учетом своих целей и особенностей целевой аудитории, работать в команде и организовать ее работу, находить необходимые для научной работы ресурсы (гранты, стипендии) и грамотно подать заявку на их получение.
Эмоциональный интеллект/ Emotional Intelligence
На курсе вы научитесь воспринимать и управлять эмоциями, углубите понимание своей эмоциональной жизни, потребностей и мотивации. А также сможете лучше понимать других и улучшите свои навыки эффективного общения.
Курс направлен на понимание того, как планировать, проектировать и достигать взаимовыгодных соглашений. Вы познакомитесь с лучшими современными подходами к переговорам, а также распространенными предубеждениями и ловушками, которые могут сопровождать переговорный процесс.
Основы организации международных научных исследований/ International Research Management Essentials
На курсе вы научитесь пошагово проводить исследовательские проекты и готовить их к финальной защите. Вы также изучите и приобретете некоторые из наиболее важных навыков 21 века, начиная от решения сложных проблем и заканчивая умением принимать решения на основе данных.
Жизнь в науке: путеводитель молодого исследователя/ Life in Science: Guide for Young Researchers
На курсе вы разовьете умения: писать научные статьи и выбирать журналы для их публикации, ориентироваться в ведущих рейтинговых системах и стратегически подходить к построению своей академической репутации, проектировать публичное выступление с учетом своих целей и особенностей целевой аудитории, работать в команде и организовать ее работу, находить необходимые для научной работы ресурсы (гранты, стипендии) и грамотно подать заявку на их получение.
Эмоциональный интеллект/ Emotional Intelligence
На курсе вы научитесь воспринимать и управлять эмоциями, углубите понимание своей эмоциональной жизни, потребностей и мотивации. А также сможете лучше понимать других и улучшите свои навыки эффективного общения.
Начало работы над индивидуальным дипломным проектом в области биоинформатики и системной биологии. Результатом станет семестровый отчет и промежуточная защита.
4 семестр
Продолжение работы над научно-исследовательским проектом в области биоинформатики и системной биологии. Три этапа предзащиты: январь, апрель, май; финальная защита — июнь. После защиты многие результаты публикуются в научных журналах.
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
Занятия проводятся во вторую половину дня, 3−4 раза в неделю.
С работой full-time — скорее, нет. С работой part-time — скорее, да, но будет сложно. Важно понимать, что программа обучения очень интенсивная, и каждый семестр — это не только лекционные и практические занятия, но и много домашних заданий, а также параллельная работа над проектом.
Наши студенты работают над реальными научно-исследовательскими проектами на протяжении всего периода обучения. В течение первого года — это «вводные» парные или индивидуальные курсовые проекты, в течение второго — полноценная работа на дипломами. Научными руководителями студентов являются российские и зарубежные ученые, работающие на передовой современной науки. Если студент уже вовлечен в какую-то исследовательскую деятельность (например, по месту работы), то можно заниматься ей же в рамках НИР.
Каждый учебный год мы собираем темы проектов у наших коллег и партнеров, чтобы студенты могли принимать участие в реально существующих исследованиях. Далее руководители презентуют темы и требования, и студенты выбирают для себя наиболее понравившиеся/подходящие. Наконец, проекты распределяются исходя из выбранных приоритетов и бэкграунда студентов. Если студент уже вовлечен в какую-то исследовательскую деятельность, например, по месту работы, то можно заниматься ей же в рамках НИР.