7726
Studium a uplatnění / Re:VŠ z trochu jiného úhlu
« kdy: 21. 10. 2012, 18:34:45 »Hraje to nějakou roli u té dříve zmiňované nemožnosti (obecně) zjistit, zda dva programy dělají totéž?To řekněte vy teoretici - a dokažte
Tato sekce Vám umožňuje zobrazit všechny příspěvky tohoto uživatele. Prosím uvědomte si, že můžete vidět příspěvky pouze z oblastí Vám přístupných.
Hraje to nějakou roli u té dříve zmiňované nemožnosti (obecně) zjistit, zda dva programy dělají totéž?To řekněte vy teoretici - a dokažte
A taky by určitě šlo z nějakého toho mikrokontroléru otevřít spojení do databáze na webovém hostingu a sypat data do něj... Je to celé o tom, jestli má implementátor i další využití pro x86 mašinu, nebo by to bylo jen plýtvání penězi (a nebo má peněz nazbytNo... Podle toho, jak je ten komunikační protokol s databází složitý. Přiznám se, že jsem to nikdy nezkoumal. Horší je, že na frontendu občas člověk chce nějaký ten dynamický obsah, ajax, atd. atd. To je na Arduino trochu moc.).
jenže v praxi nekonečnou pásku nemáme, naše páska má 8 388 608 bitů (defaultně).Neskromně dodám, že o nutnosti nekonečné pásky jsem psal asi tak dvěstě příspěvků zpátky

Myslím, že celý průzkum je docela chudýMyslím, že ti nikdo nebrání uvést jiná, tvrdší data. Dokonce jste k tomu byli všichni x-krát vyzváni. Zatím nic...
Například v programovacích jazycích založených na polymorfním lambda kalkulu (otypovat jdou pouze programy, které skončí). Takže, když navrhujete takový jazyk, je třeba udělat určitá omezení typového systému,A jsme zase u toho - když má zaznít reálný příklad, zazní nějaká totálně obskurní věc.
Na cache máme cache-oblivious prístup, ktorý umožňuje navrhovať algoritmy tak, aby sa správali optimálne ku cache, aj keď nevedia jej veľkosť.Teda já o tomhle nic nevím, ale mám takové podezření, že jakmile začneme brát v úvahu cache, diskové operace, přerušení apod., tak to už jsme u úplně jiného typu výpočtu než co se řeší v teoretické složitosti jako O(xy)... Mýlím se?
Vidis, ja tu stranku 41 chapu presne opacne, nez ty.Nic ti nebrání v tom, přijít konečně taky s nějakými fakty (průzkumy, šetřeními, rozhovory...), které budou jasněji mluvit ve prospěch vysokoškolské matematiky nad rámec toho, co jsem za základní zmínil já.
Ano. Empiricky se zda, ze hodne teorie je nutnou (nikoli postacujici) podminkou dobre skoly.I kdybych to bral jako fakt*, tak je úplně něco jiného korelace (popř. logická implikace) a kauzální souvislost.
Mimo odvětví vědy a výzkumu jsou však vnímáni, zejména ze strany průmyslových podniků
a vývojových center jako „převzdělaní“ a příliš akademicky zaměření. Mnozí zaměstnavatelé
také soudí, že efektivita práce na vysoké škole málo koresponduje s firemními procesy
z podnikatelského prostředí, neboť zde chybí potřebný „tah na branku“ a nutnost být lepší než
konkurence.
Naprostá většina podniků se shodla na tvrzení, že při najímání nových pracovníků není
hlavním problémem jejich nedostatek, jak by se dle tvrzení mnoha médií mohlo zdát, ale
jejich nedostatečná kvalita, tj. nesoulad mezi jejich znalostmi a dovednostmi a požadovanými
znalostmi a dovednostmi související s konkrétní pracovní pozicí. Nejvíce jsou ze strany firem
kritizovány jazykové znalosti absolventů a ani kvalita jejich odborných technických znalostí
nevyhovuje tomu, co firmy od ideálního absolventa očekávají.
V řadě institucí se objevil názor, že zaškolení absolventů je zdlouhavé a nákladné a že je třeba
zaškolovat absolventy nejen do specifických dovedností pro podnik, ale dodávat jim i znalosti
a dovednosti, kterými by měli být vybaveni již ze školy
Zaškolování přijatých absolventů v řadě profesí postupně přechází v proces celoživotního
učení. Jak uvedly instituce zabývající se vědou a výzkumem v rozhovorech, schopnost učit se
je jednou ze základních nutností zejména pro pracovníky ve vědeckých pozicích. Práce ve
výzkumu klade na člověka velké požadavky z hlediska celoživotního vzdělání. V profesní
kariéře vědce hraje velikou roli, stejně jako kontinuita vzdělávání. „Když člověk pracuje pět
let mimo obor, už je téměř úplně bez šance na uplatnění. Znalosti rychle zastarávají.“ Člověk
musí „být tak trochu fanda“, zájem o obor a prohlubování poznatků v něm musí být součástí
jeho kompetencí. Proto je zejména v některých oborech problematické stanovit přesně hranici,
kdy je zaškolování absolventa ukončeno.
Poměrně varovné je, že 76 % podniků zaškolovalo přijaté absolventy v hlavním oboru jejich
vzdělávání a 50 % v odborných znalostech z dalších oborů. To jsou znalosti a dovednosti,
které by jim v převážné míře mělo nabídnout již studium, i když je samozřejmé, že některé
specializační znalosti je nutné na úrovni podniků doplňovat
V 51 % případů bylo zaškolování zaměřeno na měkké dovednosti, které by rovněž mohly být
ve větší míře rozvíjeny již během studia. Rozvoj měkkých dovedností v podniku může být
velkým problémem. Podniky v rozhovorech uvedly, že zatímco u technických dovedností se
člověk na potřebnou úroveň dostane cca po šesti měsících praxe, u měkkých dovedností je to
značně individuální a může to trvat mnohem déle. Témata a intenzita dovzdělávání se
samozřejmě liší podle pozice – např. u manažerských funkcí je potřeba některých měkkých
dovedností (zejména komunikace a řízení lidí) vyšší a zaškolování tudíž častější.
V průměru byla ohodnocena důležitost zastoupení měkkých dovedností v
celkovém profilu na 17 %, důležitost znalostí z ostatních oborů na 11 % a důležitost
ekonomických znalostí a business zaměření na 7 %. [a soft skills dalších 12% - tj. dohromady 47%! -- pozn. M.P.]
U bakalářů je ve srovnání s absolventy magisterského a
doktorského studia kladen mírně menší důraz na znalosti z vlastního oboru, o něco větší jsou
naopak požadavky na jejich ekonomické znalosti a business zaměření a jazykové znalosti
Úroveň teoretických znalostí absolventů z jejich oboru byla při hloubkových rozhovorech
hodnocena obvykle pozitivně, hůře byly hodnoceny praktické dovednosti z oboru.
Absolventi podle zaměstnavatelů často nevědí, jak který přístroj, stroj, měřidlo, laboratorní
vybavení vypadá, jak se používá, na co si dát pozor. „Teoretické znalosti jsou poměrně dobré,
ale chybí větší zručnost a cit při práci – v laboratoři i ve výrobě.“ Z nedostatku praxe vyplývá
i již zmíněná neznalost podnikových procesů, projektového řízení apod. I v této oblasti by
měli studenti již během studia získat dostatečný základ, aby se nutné zaškolení mohlo zaměřit
pouze na specifika daného podniku.
Ne, ta implikace (nebo spis empiricka zkusenost) je opacna: dobra skola uci hodne teorie.A opravdu nás tento směr implikace v této debatě zajímá? Dokaž.
Jestli to ovsem chapu spravne, tak tvuj odkaz se vztahuje na vsechny vedecke specializace na Princetonu, nejenom Computer Science. Navic Princeton je spis univerzita nez technika, coz je take trochu rozdil (nema vychovavat inzenyry, ale vedce).Pokud chci na Princetonu vystudovat CS, mám povinné 4 matematiky a 10 humanitních předmětů. Co víc k tomu dodat?
Ja myslim, ze nechapes, ze duvod, proc se ptaji na teorii, neni v tom, ze chteji znalost konkretni teorie, ale proto, ze chteji vedet, jak se kandidat vyporada s dosud neznamym problemem. K tomu mu ma prave dopomoci ta teorie (neboli, to je duvod, proc ji mame).To si myslíš, nebo to někdo z Google někde jasně řekl? Můžu vidět odkaz?
Je to predni SW firma. Vzdycky je dobre podivat se, co delaji ti nejlepsi a proc.Ano, já bych se na to rád podíval, zatím ale diskutujeme jenom o slyšel jsem, říká se, myslím si...
Teorie je z definice zobecnenim rady problemu, ktere je treba resit. Tedy je potrebna k reseni novych problemu. Proto se znalost v teorie osvedcila tam, kde je treba resit nove problemy. Nikdo ovsem nevi, ktere problemy to budou. Lingebra konkretne se velmi osvedcila, protoze rada problemu je linearnich nebo je aspon lze tak aproximovat.Na to už jsem ti přece odpovídal: vyřeš mi pomocí teorie problém "Mám Mirka vyhodit?" nebo problém "chci pomocí Wifi pokrýt hotel. Jakou technologii použít?".
Cilem je naucit ten trik (ktery se sam o sobe uci tezko).No takže platí to, co jsem říkal: převod jedné úlohy na druhou se dělá v matematice na spoustě míst. To není argument, proč by se měly učit zrovna důkazy vlastností Turingova stroje.
O tom, že Google vyžaduje teóriu viem, aj keď som tam nikdy nebol na prijímacích pohovorochNo já jsem to taky slyšel... Ale pořád tady nějak nezaznělo, o jakou teorii se jedná.
- o iných niečo kritizujúcich firmách sa ku mne nič nedostalo, ak neuvažujem "chronických sťažovačov".Hm. Tak to asi moc nečteš
Už jsem sem dával jeden zdroj, který to tvrdí taky.Inak keď nestačí Google, tak je tu aj napríklad Eset - čo viem, tak pri poslednom nábore chceli od ľudí naprogramovať rýchly prevod medzi číselnými sústavami u veľmi veľkých čísel. Toto sa nedá zvládnuť vo vyžadovanom čase bez dobrých znalostí algebry.Jaké je teda správné řešení a jaká přesně algebra je k tomu potřeba? Je to něco víc než modulární aritmetika (o které jsem jasně řekl, že by na VŠ měla být)?
Môže to byť aj profilácia - tak môžeš dať príklad inak profilovanej úspešnej firmy a otázky, ktoré dáva.Nemůžu, protože jsem nikdy žádný pohovor u firmy nedělal.
Nerobil som v takej firme a neviem ako to reálne funguje, ale myslím si, žeNo právě. "Myslím si", "slyšel jsem", "říká se"...
A k tomu OSM předmětů, které bysme nejspíš zařadili do ranku "soft" nebo přinejmenším humanities ( http://www.princeton.edu/ua/sections/11/ )Jo, pardon, ono je to deset předmětů! Nepočítal jsem ty poznámky "two courses"...
Historickou zkusenosti v kontextu teto diskuse myslim to, ze nejlepsi skoly (jako MIT a Caltech) uz nejakych 50 let uci inzenyry (ve vsech oborech) predevsim teorii. Prestoze praxe muze byt dost jina. Tak proc to delaji? Asi to nejaky duvod ma.To je ovšem potenciálně falešná implikace: hodně teorie -> dobrá škola