Fórum Root.cz
Práce => Studium a uplatnění => Téma založeno: helloworld 01. 08. 2016, 21:34:17
-
Ahoj pratelia! :)
Rozhodujem sa medzi vysokou skolou, a robim si prieskum, na ktorej vysokej skole sa solidne
prebera machine learning, AI, deep learning.
Primarne sa pytam na slovenske a ceske vysoke skoly, ale rozmyslam aj nad variantou zahranicie, napriklad UK.
-
Jestli v UK, tak Cambridge je určitě fajn :) Jinak je to ale spíš až na doktorát.
-
Ty chodis na cambridge? :) uf, ten doktorat je uz na dlho. Nieco skor, kde uz pocas 5tich rokov dostanem solid intuition, alebo uz pocas bakalara.
-
... napriklad UK.
http://www.theguardian.com/politics/2016/jul/28/theresa-may-on-brexit-tour-of-eastern-europe
"Theresa May has told eastern European countries that British people have sent a “very clear message” on the need to reduce migration through their vote to leave the EU.
She delivered the warning at press conferences with the Slovakian prime minister in Bratislava and then the Polish prime minister in Warsaw, as she continued her tour of European capitals to lay the foundations for leaving the European Union."
Nevim, jestli by se mi tam chtelo zrovna ted lezt. Jeste tak snad v Londyne, ale na nekterych mistech aby clovek chodil kanalama. http://nypost.com/2016/06/28/racist-attacks-on-the-rise-in-uk-after-brexit-vote/
-
v CR a SR ziadna.
-
Kazdopadne rozne online kurzy a zaznamy s prednasok skoly typu Standford, MIT mi pridu dost solidne.
-
Přímo takový předmět nebude, ale spousta škol má předměty se zaměřením na zpracování signálů, někdy i konkrétněji audio video, včetně rozpoznávání. Ono aby to byl samostatný předmět na tom zas tak moc není, dneska na to existuje hromada nástrojů. Jde o to co od toho studia očekáváš to, že problematiku plně pochopíš, nebo zda se to chceš jen naučit používat. Abys nebyl sklamanej, v praxi spoustu času budeš trávit pouze nad daty.
-
Přímo takový předmět nebude, ale spousta škol má předměty se zaměřením na zpracování signálů, někdy i konkrétněji audio video, včetně rozpoznávání. Ono aby to byl samostatný předmět na tom zas tak moc není, dneska na to existuje hromada nástrojů. Jde o to co od toho studia očekáváš to, že problematiku plně pochopíš, nebo zda se to chceš jen naučit používat. Abys nebyl sklamanej, v praxi spoustu času budeš trávit pouze nad daty.
https://is.cuni.cz/studium/predmety/index.php?do=predmet&kod=NAIL029
Klasické zpracování signálu a rozpoznávání nemá se strojovým učením mnoho společného.
-
... Ono aby to byl samostatný předmět na tom zas tak moc není, ...
To myslíš vážně ?
... dneska na to existuje hromada nástrojů. ...
Jasně, to je jako když řekneš dnes máme excel, kalkulačky, dokonce i symbolické kalkulátory, tak proč se učit matiku ?
Do by mě Karle zajímalo co jsi studoval ty? hádám že ekonomiku nebo dějiny umění ?
K původní otázce
Zkus se podívat na MFF/UK, UK je pro změnu tentokrát Univerzita Karlova ;-)
-
Tady máte základní kurs z Caltechu, ať víte do čeho jdete. https://www.youtube.com/watch?v=mbyG85GZ0PI&list=PLD63A284B7615313A
-
Samozrejme, že taký predmet je https://is.cuni.cz/studium/predmety/index.php?do=predmet&kod=NAIL029
A keď teda zostaneme v ČR a SR, tak Mgr. obor Umělá inteligence na MFF UK http://www.mff.cuni.cz/studium/bcmgr/ok/i3b26.htm
V princípe, ale platí čo bolo povedané. Ak to chceš študovať, tak najskôr musíš mať zvládnutú computer science ako takú a až na konci (Mgr.) sa špecializovať na Machine learning-AI (a to je len pár predmetov na získanie základov). Na druhej strane aj tieto základy poskytnú "solid intuition". Jediný trochu problém vidím v tom, že rozdiel od iných oblastí nemám vedomosť o nejakých svetových kapacitách u nás, čo sa zrovna týmto zaoberajú, takže asi sa nedozvieš state-of-the art veci. V zásade je to ale normálne, nemôže taká malá krajina mať elitnú výučbu vo všetkých relatívne úzko špecializovaných oboroch.
-
Škola jako taková ti může dát jen základy. Pokud to myslíš vážně, zkus si vybrat diplomku, která bude o machine learningu, ideálně tam, kde machine learning opravdu dělají a můžou ti dát reálná data. Třeba tady by se dalo něco vybrat: https://onas.seznam.cz/cz/kariera-v-seznamu/seznam-cz-a-vysoke-skoly/
-
Pokud Tě zajímá Deep Learning a neuronové sítě, tak jedna z možností je MFF UK -- od příštího roku budeme učit Deep Learning (nejstarší výukové materiály k tomu jsou z roku 2015) https://is.cuni.cz/studium/predmety/index.php?do=predmet&kod=NPFL114&dlpar=YToxOntzOjg6InByZWRtZXR5IjthOjE6e3M6Mzoic2tyIjtzOjQ6IjIwMTYiO319 a zároveň vyvíjíme množství aplikací používající neuronové sítě, za naší katedru především v NLP (něco z toho viz http://github.com/ufal/)
Ale pokud Tě to zajímá, je možné začít už teď -- http://www.deeplearningbook.org/ je výborná a moderní knížka o Deep Learning (zatím ještě nevyšla, ale jednotlivé kapitoly z preprint verze jsou na webu a dají se vytisknout). Dále na http://arxiv.org/ jsou volně přístupné články mj. z oblasti Computer Science, článků o neuronových sítích je tam za poslední rok velká spousta -- stačí si vybrat téma a hledat :-)
-
Milan Straka - Ten predmet Machine Learning a Deep Learning je Magistersky predmet?
Myslite, ze je mozne si to nastudovat napriklad s tychto prednasok univerzit, aby bolo mozne nieco vytvorit?
Nepotrebujem tam zlozitu matematiku, na ktorej budem strugglovat?
Momentalne som na urovni v ML, ze som ukoncil na coursere ML - Andrew NG. Ked tam riesil tie vzorce, gradient descent napriklad, nechapal som tomu. Podstate ano, ale konkretne tym vzorcom nie, co presne co robi.
-
Milan Straka - Ten predmet Machine Learning a Deep Learning je Magistersky predmet?
Na matfyzu se tohle neřeší, i na bakalářském studiu můžeš chodit na všechny předměty, a to i vedlejších sekcí (fyzika) a fakult (přírodověda).
(druhá věc jsou teda požadované znalosti, často ale stačí prvácké kurzy matematiky a ADS) Já na machine learning chodil na konci třeťáku, ale zkoušku jsem nedělal, protože jsem všechnu energii věnoval státnicím a bakalářce.
Nepotrebujem tam zlozitu matematiku, na ktorej budem strugglovat?
Na NAIL029 složitá matematika nebyla potřeba.
-
Milan Straka - Ten predmet Machine Learning a Deep Learning je Magistersky predmet?
Ano, je to (trochu pokročilejší) magisterský předmět.
Myslite, ze je mozne si to nastudovat napriklad s tychto prednasok univerzit, aby bolo mozne nieco vytvorit?
Je otázka, co přesně pro Vás znamená "něco vytvořit", ale naše zaměření je "na aplikace" a ne "na výzkum jako takový" -- cíl přednášek je naučit se vytvářet fungující implementace (s co nejlepší úspěšností, ale vždy je to kompromis mezi úspešností a rychlostí+paměťovou náročností), takže půl času mluvíme o teorii a půl času zadáváme úkoly, které se začnout řešit a je třeba na nich pak pracovat doma (bez toho, aby si člověk něco sám vyzkoušel a implementoval, se skoro nic nenaučí). Jednoduchá ukázka toho, co se sítěmi děláme, je například http://lindat.mff.cuni.cz/services/udpipe/ (analýza z plain textu do syntaktických stromečků; by default to analyzuje češtinu a po provedení analýzy je asi dobré dát Show Trees).
Nepotrebujem tam zlozitu matematiku, na ktorej budem strugglovat?
Momentalne som na urovni v ML, ze som ukoncil na coursere ML - Andrew NG. Ked tam riesil tie vzorce, gradient descent napriklad, nechapal som tomu. Podstate ano, ale konkretne tym vzorcom nie, co presne co robi.
Ve vysvětlování teorie ("jak a proč to funguje") nějaká matematika je (především parciální derivace kvůli tomu SGD, hodně se používají různé maticové operace, je dobré mít představu co je to entropie [protože jedno z používaných minimalizačních kritérií je cross-entropy]), ale pokud nechcete vymýšlet nové metody nebo vytvářet vlastní low-level implementaci, tak stačí mít představu, že existuje algoritmus, kterým se to nějak naučí, a má takové a takové parametry, které dělají přibližně to a to.
Naopak je třeba naučit se jak s tím zacházet -- když člověk vytvoří nějaký model, který má takovou a takovou úspěšnost, je třeba se naučit mít představu, zda
- je to rozumně nejlepší úspěšnost, kterou lze dosáhnout
- pokud ne, jak to vylepšit, tj. zda zvýšit kapacitu modelu, pracovat na zmenšení generalizační chyby, zvětšit trénovací data (nebo použít nějakou semi-supervised metodu), změnit architekturu sítě, ...
K tomu už moc matematiky třeba není, ale je třeba získat zkušenosti (vlastní prací).
-
Často vídám doporučení jít studovat primárně matematiku a AI/ML si k tomu přibrat jako aplikaci až později. On se fakt hodí solidní základ v pravděpodobnosti&statistice, lingebře a diskrétce vůbec.
-
Machine learning momentalne je stale jeste neco na pomezi tragedie a zoufalstvi.
Typicky konvolucni site zpracovavaji paralelne vsechny permutace moznosti. Takovy postup neodpovida obvyklemu zpusobu rozhodovani, ale psychotickemu jedinci. Problem spociva u bezneho chovani s omezenou pravdepodobnosti zaveru ke kterym muze jedinec dojit. V mamtematice nejlepe tento problem demonstruje "Penney's game" (viz treba video na kanalu numberphile)
Obdobne pak vsechny pristupy trpi na nevyresene algoritmy "neurogenze" a "neurodegenerace".
A model neuroplasticity odpovidajici psychitickemu rozhodovani.
-
Samostatnou kategorii selhani je pak navrhova chyba zvana zkresleni vyzkumnikem. Protoze se ML obvykle pouziva nikoliv jako kontinualni solver, ale jako deterministicky matematicky nastroj s pevne urcenym nejzassim terminem rozhodnuti.
Tento pozadavek pak zjevne u konvolucek vyustil v navrhy v podobe paralelizace permutaci. V dusledku pak lze ocekavat jev obdobny pretrenovanosti a to i pri peclivem hierarchickem uskupeni.
Typicky rozhodovaci system je definovan "objemem", ale pri kontinualnim vyhodnocovani je tento objem pocitanych rozhodnuti promenny. S touto skutecnosti souvisi dosud nevyreseny algoritmus "vzpominek". Vzpominky by mohly vychazet prave z promenlivosti zpracovani. Biologicky tomu odpovida dynamicka nestabilita mikrotubuli, ktera jednak tlaci tvar bunky do konkretnich mist a soucasne tvori kanal s kvantovymi vlastnostmi pro prenos signalu smerem, kterym je zrovna tubule slozena. Pri kontinuite vyhodnovani a promenlivosti site zapojenych bunek by samotne dynamicke nestabilite mikrotubuli a zpusobu sestaveni cesty a propagaci rozhodnuti mohl odpovidat algoritmus "inverse query" toho casu vyrazeny z DNS. (jen netestovana domenka) Ale castecne ji podporuje i nedavna publikace na tema snimkovani mozku pri vybavovani vzpominek. Bohuzel ale technicky nedostatecne "plynulych" snimku.
-
V podstatě je třeba si říct, co na machine learning potřebuješ umět. Napadá mě následující:
Statistiku
Lineární algebru
Numerické metody
Algoritmy (složitost)
Základy programování
(Teorie grafů)
To by ti ta škola měla hlavně dát. Pokud jde o nějaké dva nebo tři specializované předměty, to už je skoro jedno, kde si je dáš. Ale dělat to bez výhledu pak dělat ještě doktorát, to bych asi nedělal. Různé joby typu Data Scientist nejsou žádná super zábava, 90% času strávíš přípravou dat a možná 10% nějakým výběrem algoritmů.
-
Na FIIT STU sme nieco take mali. Skolu neporadim, len opisem, ako som to mal ja.
V bakalarovi bol hrozny predmet, co sa volal Umela inteligencia plny nezazivnych omacok.
V inzinierovi boli
Neuronove siete - predmet plny integralov etc. Na druhy pokus som tomu uz nejak rozumel, ale kebyze sa ma spytate o, com to bolo, tak nezadrem ani prd.
Evolucne algoritmy - seminar, kde sme si naprogramovali niekolko zadani a porobili referaty. Tiez si nic nepamatam.
Objavovanie znalosti - ci nejaky taky hlupy nazov to malo. Clovek dostal dataset a bolo treba pomocou klasifikatora robit predpovde. Uplne zbytocny predmet. Nemali sme lincenciu na matlab, tak sme pouzivali R-ko.
Nemal som z tych predmetov dobry pocit, ale zasa som sa o tieto veci moc nezaujimal. Machine learning povazujem za burzoaznu pavedu :) Ak nieco budem potrebovat, su na to nastroje.
Ako uz predo mnou povedali, matika sa velmi hodi, ked sa tomu clovek chce seriozne venovat, vediet co to robi, preco to robi, pripadne nieco vylepsit/objavit.
Statistiku
Lineární algebru
Numerické metody
Algoritmy (složitost)
Základy programování
(Teorie grafů).
K tomuto by som dodal este matematicku analyzu , matematicku logiku a algebru (vseobecnu).
-
Machine learning momentalne je stale jeste neco na pomezi tragedie a zoufalstvi.
Typicky konvolucni site zpracovavaji paralelne vsechny permutace moznosti. Takovy postup neodpovida obvyklemu zpusobu rozhodovani, ale psychotickemu jedinci. Problem spociva u bezneho chovani s omezenou pravdepodobnosti zaveru ke kterym muze jedinec dojit. V mamtematice nejlepe tento problem demonstruje "Penney's game" (viz treba video na kanalu numberphile)
Obdobne pak vsechny pristupy trpi na nevyresene algoritmy "neurogenze" a "neurodegenerace".
A model neuroplasticity odpovidajici psychitickemu rozhodovani.
Na to, že je to na pomezí tragédie a zoufalství, má machine learning v některých oblastech až neuvěřitelné výsledky. To jsem zvědav, co předvede až to nebude ta tragédie a zoufalství...
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
Tiež som si to myslel ale ľudia typu Milan Straka dokážu v krátkom čase zmeniť veľmi veľa vecí a jeho názor by som určite bral v úvahu. Je to vynikajúci učiteľ, matfyzák, veľmi ľudskej povahy. Odborne je to z tej kategórie ľudí, ktorí môžu pracovať v ľubovoľnej firmne na svete a bezproblémov môžu sekundovať učiteľom na MIT alebo Standford.
Ďalšia vec je tá, že Matematickú lingivistiku na MFF CUNI má rozhodne zmysel študovať.
-
Před pár lety jsme se nějaké věci učili na Fakultě elektrotechniky VUT Brno. Neuronové sítě, genetické algoritmy, strojové vidění...
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
No jo, ale Cortanu v češtině nám nikdo neudělá, to musíme sami. Tam se rozhodne, zda se jako národ ještě udržíme a nebo čeština eroduje a zanikne. Dnes to ještě jde, ale jakmile do hry přijdou podpůrné mozkové implantáty, ohrožení češtiny bude mnohem pravděpodobnější.
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
No jo, ale Cortanu v češtině nám nikdo neudělá, to musíme sami. Tam se rozhodne, zda se jako národ ještě udržíme a nebo čeština eroduje a zanikne. Dnes to ještě jde, ale jakmile do hry přijdou podpůrné mozkové implantáty, ohrožení češtiny bude mnohem pravděpodobnější.
Jazyk je jen formou předávání informací. Proč by měl implantát předávat informaci v nějakém jazyce, což by vedlo ke zbytečné cestě mozkem oklikou přes interpretaci jazyka, zpracování informace, přes krátkodobou paměť a poté až do paměti dlouhodobé, ale pouze v případě, že to mozek uzná za vhodné? Navíc tím stále riskuji nepřesnou interpretaci. Proč tuto informaci nezapsat do paměti přímo? Buď do krátkodobé, pokud není zásadní a mozek sám rozhodne, co s ní, nebo přímo do dlouhodobé, má-li to význam? :) Já vím, stimulace sluchových, nebo zrakových nervů je mnohem jednodušší, než přistupovat přímo do paměti a v tomto směru už jsou jisté úspěchy, ale tuto technologii nemá cenu používat pro slyšícího a vidícího člověka, který si může dát na uši sluchátka, před oči display a nemusí podstupovat zákroky, u kterých mu hrozí, že se něco pokazí a o zrak nebo sluch přijde.
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
Tiež som si to myslel ale ľudia typu Milan Straka dokážu v krátkom čase zmeniť veľmi veľa vecí a jeho názor by som určite bral v úvahu. Je to vynikajúci učiteľ, matfyzák, veľmi ľudskej povahy. Odborne je to z tej kategórie ľudí, ktorí môžu pracovať v ľubovoľnej firmne na svete a bezproblémov môžu sekundovať učiteľom na MIT alebo Standford.
Ďalšia vec je tá, že Matematickú lingivistiku na MFF CUNI má rozhodne zmysel študovať.
Cca. před deseti lety si na ÚFALu hráli jen se svým treebankem a světové dění v komp. lingvistice víceméně ignorovali. Možná jdou teď víc se světovým proudem (evidentně se zapojili do evropských projektů), nicméně v tomto oboru je stále lepší Saarbrücken nebo Edinburgh.
-
Tak si rikam, jestli tuhle Dezo Demeter a ted co vysel ten clanek o AI a pokeru maji nejakou souvislost. Prece jen je to tu forum "od fochu" a chodi sem kupa vysokoskolaku...
Protoze Dezo uz jednu poradnou pokrovou partii hraje ve vetsim :) https://forum.root.cz/index.php?topic=9278.msg99450#msg99450
-
... hele brouku a ty si opravdu myslíš že jako když vystuduješ Deep Learning (nebo AI na UK MFF/CUNI) takže
jako najdeš práci v oboru tady v čr ??? ... si blázen. :) koukni jak dopadla snaha Googlu o autonomní auto - zkrachovalo to protože prostě nefunguje. bylo z toho fiasko. vrcholem technologie je automatickej parkovací systém, kterej ale má hodně omezení. mnohem perspektivnější obor budeš mít ekonomii, práva nebo strojařinu.... koukni třeba na takovýho Marka Bendu, vystudoval asi možná práva a bere 200táců měsíčně, má 4 děti a je vysmátej a bude aj v důchodu. Myslíš si že jako Ing. s oborem AI budeš brát 200 táců měsíčně ???? to asi těžko ... ten obor se tak rychle vyvíjí že to co se tam naučíš tak za 10-15 let v podstatě nebude existovat .... derivace sou pořád stejný ale po tom co se třeba z neuronovejch sítí učilo v 90 letech dneska ani neštěkne pes.
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
Kde ste študovali, na MIT alebo na Berkley?
-
Zas tu příliš nechytračme. Ten studijní program na matfyzu je dostačující. Volně přístupné materiály z velkých univerzit už do jisté míry nahrazují nutnost tam reálně studovat. Důležité je i to, jak moc se budeš během studia sledovat so se děje ve světě, zapojíš se do nějakého projektu atd.
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
Pracuji s absolventy z MIT, Berkley i CMU a rozdily nejsou velke. Mozna top z Karlovky je nekde kolem horniho kvartilu MIT a prumer z Karlovky je na urovni nejhorsich absolventu z MIT.
-
V ČR žádná, tady u nás sou na úrovni školky pro děti co se týče AI. Stáhni si nějaké materiáli z univerzit v cizině.
Český univerzity sou ztráta času.
Kde ste študovali, na MIT alebo na Berkley?
1) ani na jedny
2) vyliž si zadek
-
FMFI UK zvykla mat cely magistersky odbor na ML ako jedna z prvych skol v byvalom CS; mnozstvo ludi, co to skoncilo potom odislo robit PhD do USA na skoly ako CMU - hadam tam ten program este existuje a je stale relevantny. Z vlastnej skusenosti undergrad na FMFI UK na teoretickej informatike bolo ovela zaujimavejsi/intenzivnejsi, ako na MFF UK.
Dalsia moznost pre Teba moze byt online MS v CS/ML od Georgia Tech (OMSCS), za zhruba $6600 pri normalnej dlzke studia (2.5roka):
http://www.omscs.gatech.edu/
Vyzaduju BS alebo ekvivalentnu prax.
GATech je #9 v CS masters v USA (pred Harvardom a Caltechom, za MIT/Stanford/CMU), a #33 celosvetovo, tak Ti urcite neuskodi.
-
Často vídám doporučení jít studovat primárně matematiku a AI/ML si k tomu přibrat jako aplikaci až později. On se fakt hodí solidní základ v pravděpodobnosti&statistice, lingebře a diskrétce vůbec.
Matematika je totiž univerzální pro všemožné aplikace.
-
Často vídám doporučení jít studovat primárně matematiku a AI/ML si k tomu přibrat jako aplikaci až později. On se fakt hodí solidní základ v pravděpodobnosti&statistice, lingebře a diskrétce vůbec.
Matematika je totiž univerzální pro všemožné aplikace.
Problem nastava kdyz:
1. Neumis/nejsi veden k tomu matematiku pouzit v navaznosti na praxi, ale vali se na tebe tuny ruznych veci kde ti neni demonstrovano uziti - dost problem na ceskych VS. To byla moje vnitrni motivace k odchodu. Pedagogicky koncept nejdriv teorie a pak praxe je zastaraly a u slozitych veci demotifujici a nefunkcni.
2. Na aplikace ktere delas ti chybi matematicky aparat - matematika je pouze jakysi abstraktni nastroj ktery by mohl velmi abstraktne na nejnizsich urovnichreflektovat co se deje v prirode. Prusvih je ze existuji hranice za kterymi je treba vynalezt prijit na aparat ktery ti umozni pokracovat dale.
3. Matematicka reprezentace neni pro prakticky profesni zivot uchopitelna. V dnesnim rychlem svete se potrebujes rychle rozhodovat i v ramci vyzkumu. Nevynalezas znovu kolo, ale v ramci mezinarodni spoluprace oslovis statistiky a matematiky. Potrebujes uchopit vetsi celky - napr novou storage technologii nebo kryptoblackbox a aplikovat. Ja vazne nemuzu mesic prichazet na to jak dana vec funguje. To ma na starosti kryptoanalytik, ktery zas nema tak hluboke znalosti z informatiky aby resil problemy s vykonem. Tak spolupracuji embedaci,kryptoanalytici, bezpecnostni specialiste a informatici. A funguje to.
4. Ceske ZS/SS/VS neuci tymove/mezioborove spolupraci. Neustale se peres o praci s nekym jinym. Nejses schopen se domluvit na rozdeleni ukolu,rychlem predani prace a krizovem reseni situaci. Je to vycerpavajici a nikam to nevede. Nehlede na nestandartni ceskou terminologi kterou je treba prevypatlat do dokumentu jez budou vystaveny v anglictine. Sice nadavam na amiky ale jejich zpusob spolecne prace a to i mezioborove je diametralne odlisny a nekde jinde. Protoze i nevzdelane dildo z "college" umi narozdil od cechu spolupracovat.
5. Reprezentace matematiky standardizovanymi symboly nemusi byt zvlaste pro nas uchylne lidi kteri se nejdrive naucili programovat a pak teprve neco malo z matematiky moc privetive. V moji generaci jsem byl nevzdelatelna odchylka. Ve stavajici generaci tito lide budou naprosto bezni. Cili je tu jisty pedagogicky aspekt dane veci pro novou generaci. Krida,tabule a papirovy sesit kde hned nepreklofes funkci aby se ti vykreslil jeji prubeh ci dopocitala matice fakt neni cool. A cekat par dnu nez zase zapomenes a pak si mozna vyzkousis sve konstrukty v labu na cvikach? WTF kde to jsme?
6. Skoly v US maji hodnoceni ucitelu/profesoru studentu. Ucitele to berou vazne stejne jako vedeni. U nas je to jen nahrazka a vec k smichu.
-
Často vídám doporučení jít studovat primárně matematiku a AI/ML si k tomu přibrat jako aplikaci až později. On se fakt hodí solidní základ v pravděpodobnosti&statistice, lingebře a diskrétce vůbec.
Matematika je totiž univerzální pro všemožné aplikace.
Problem nastava kdyz:
1. Neumis/nejsi veden k tomu matematiku pouzit v navaznosti na praxi, ale vali se na tebe tuny ruznych veci kde ti neni demonstrovano uziti - dost problem na ceskych VS. To byla moje vnitrni motivace k odchodu. Pedagogicky koncept nejdriv teorie a pak praxe je zastaraly a u slozitych veci demotifujici a nefunkcni.
2. Na aplikace ktere delas ti chybi matematicky aparat - matematika je pouze jakysi abstraktni nastroj ktery by mohl velmi abstraktne na nejnizsich urovnichreflektovat co se deje v prirode. Prusvih je ze existuji hranice za kterymi je treba vynalezt prijit na aparat ktery ti umozni pokracovat dale.
3. Matematicka reprezentace neni pro prakticky profesni zivot uchopitelna. V dnesnim rychlem svete se potrebujes rychle rozhodovat i v ramci vyzkumu. Nevynalezas znovu kolo, ale v ramci mezinarodni spoluprace oslovis statistiky a matematiky. Potrebujes uchopit vetsi celky - napr novou storage technologii nebo kryptoblackbox a aplikovat. Ja vazne nemuzu mesic prichazet na to jak dana vec funguje. To ma na starosti kryptoanalytik, ktery zas nema tak hluboke znalosti z informatiky aby resil problemy s vykonem. Tak spolupracuji embedaci,kryptoanalytici, bezpecnostni specialiste a informatici. A funguje to.
4. Ceske ZS/SS/VS neuci tymove/mezioborove spolupraci. Neustale se peres o praci s nekym jinym. Nejses schopen se domluvit na rozdeleni ukolu,rychlem predani prace a krizovem reseni situaci. Je to vycerpavajici a nikam to nevede. Nehlede na nestandartni ceskou terminologi kterou je treba prevypatlat do dokumentu jez budou vystaveny v anglictine. Sice nadavam na amiky ale jejich zpusob spolecne prace a to i mezioborove je diametralne odlisny a nekde jinde. Protoze i nevzdelane dildo z "college" umi narozdil od cechu spolupracovat.
5. Reprezentace matematiky standardizovanymi symboly nemusi byt zvlaste pro nas uchylne lidi kteri se nejdrive naucili programovat a pak teprve neco malo z matematiky moc privetive. V moji generaci jsem byl nevzdelatelna odchylka. Ve stavajici generaci tito lide budou naprosto bezni. Cili je tu jisty pedagogicky aspekt dane veci pro novou generaci. Krida,tabule a papirovy sesit kde hned nepreklofes funkci aby se ti vykreslil jeji prubeh ci dopocitala matice fakt neni cool. A cekat par dnu nez zase zapomenes a pak si mozna vyzkousis sve konstrukty v labu na cvikach? WTF kde to jsme?
6. Skoly v US maji hodnoceni ucitelu/profesoru studentu. Ucitele to berou vazne stejne jako vedeni. U nas je to jen nahrazka a vec k smichu.
To zní zbytečně negativně. Matematikou se dá popsat všechno potřebné (v přírodě), jen občas je nutné vytvořit novou koncepci/notaci, viz Newton, Einstein apod. Matematika v IT je oproti té ve fyzice primitivní (asi tak na úrovni povinných maturit, pokud pomineme hardcore machine learning). Na matematice je hlavně zajímavé, jak se různé koncepty vynořují nečekaně ve zdánlivě nepříbuzných oborech, například derivace v teorii typů nebo teorie množin v symbolické AI. Smůla je, že než člověk pronikne do hloubky, tak mu ta matika k ničemu není, teprve od určité úrovně jsou vidět souvislosti a použitelnost v praxi. A ne každý má 10 let na studium něčeho zdánlivě (resp. zpočátku) abstraktního a těžko uchopitelného.
-
ja myslim ze v CR a SR nikde
nejlepsi je imho asi Stanford, pak Caltech a MIT - jenze to by chtelo hromadu penez nebo nejaky stipendium ... diplomy odtud a hura do googlu kde se dela asi nejlepsi machine learning v praxi a daji ti nejvic moznosti jak se na tom podilet
-
1. Neumis/nejsi veden k tomu matematiku pouzit v navaznosti na praxi, ale vali se na tebe tuny ruznych veci kde ti neni demonstrovano uziti - dost problem na ceskych VS. To byla moje vnitrni motivace k odchodu. Pedagogicky koncept nejdriv teorie a pak praxe je zastaraly a u slozitych veci demotifujici a nefunkcni.
Treba lepsiu VS a pytat sa na to. U nas sa pouzitie hovorilo vzdy, ked to nebolo zrejme alebo ked to neboli uplne zaklady. Teda nikto sa nepytal a ani neodpovedal, na co su nam realne cisla. Uz o trochu narocnejsie dovody konceptu nekonecna v analyze vysvetlene boli.
3. Matematicka reprezentace neni pro prakticky profesni zivot uchopitelna. V dnesnim rychlem svete se potrebujes rychle rozhodovat i v ramci vyzkumu. Nevynalezas znovu kolo, ale v ramci mezinarodni spoluprace oslovis statistiky a matematiky. Potrebujes uchopit vetsi celky - napr novou storage technologii nebo kryptoblackbox a aplikovat. Ja vazne nemuzu mesic prichazet na to jak dana vec funguje. To ma na starosti kryptoanalytik, ktery zas nema tak hluboke znalosti z informatiky aby resil problemy s vykonem. Tak spolupracuji embedaci,kryptoanalytici, bezpecnostni specialiste a informatici. A funguje to.
Alebo oslovis statistikov, oni daju par odporucani a iba vdaka znalosti statistiky a poskytnutym dokazom z ich strany zistis, ze spravne nerozumia problemu. Treba mat take presahy do inych vied, aby si dokazal odhalit chybu a potom vylepsit opis problemu tak, aby statistici pochopili, co treba zlepsit.
6. Skoly v US maji hodnoceni ucitelu/profesoru studentu. Ucitele to berou vazne stejne jako vedeni. U nas je to jen nahrazka a vec k smichu.
Na MFF CUNI je to verejne od roku 2003 (http://is.cuni.cz/studium/anketa/index.php) a vazne to bral prinajmensom dekan (http://www.mff.cuni.cz/studium/obecne/anketa-ls-1011.htm).
-
ja myslim ze v CR a SR nikde
nejlepsi je imho asi Stanford, pak Caltech a MIT - jenze to by chtelo hromadu penez nebo nejaky stipendium ... diplomy odtud a hura do googlu kde se dela asi nejlepsi machine learning v praxi a daji ti nejvic moznosti jak se na tom podilet
MFF UK nebo FJFI (ČVUT) dají hodně solidní základy.
-
ja myslim ze v CR a SR nikde
nejlepsi je imho asi Stanford, pak Caltech a MIT - jenze to by chtelo hromadu penez nebo nejaky stipendium ... diplomy odtud a hura do googlu kde se dela asi nejlepsi machine learning v praxi a daji ti nejvic moznosti jak se na tom podilet
MFF UK nebo FJFI (ČVUT) dají hodně solidní základy.
Aj na FIIT STU za mojich cias sa potrebne veci celkom slusne preberali, ale teraz uz neviem. Mladi su coraz hlupejsi, tak neviem, co v curricule zostalo.
-
nejlepsi je imho asi Stanford, pak Caltech a MIT
Nejlepsi je Montreal, CMU a Stanford.