Která vysoká škola mi poskytne kvalitní machine learning?

[balki]

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?

[Reklama]

[tops]

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.

[kamil]

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.

[čumil]

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

[mhuk]

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.

[Reklama]

[zboj]

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.

[Trident]

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.

[zboj]

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.

[Lojza]

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

[aaa]

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 a vazne to bral prinajmensom dekan.

[zboj]

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.

[balki]

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.

[mhuk]

nejlepsi je imho asi Stanford, pak Caltech a MIT

Nejlepsi je Montreal, CMU a Stanford.