VŠ z trochu jiného úhlu

[Mirek Prýmek]

O tom, že Google vyžaduje teóriu viem, aj keď som tam nikdy nebol na prijímacích pohovoroch

No 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, že

No právě. "Myslím si", "slyšel jsem", "říká se"...

[Reklama]

[JS]

1. Proč máme jediný příklad firmy, která teorii vyžaduje (a to tady navíc nepadl jediný důkaz aspoň formou odkazu na rozhovor s někým z Google atd.), zatímco příkladů firem, které kritizují nedostatek soft skills, managementu, ekonomiky apod. jsou mraky?

No, co jsem slysel, MS se pta na neco podobneho. O Google to vim temer jiste, protoze jejich pohovory vzdy obsahovaly zajimave hadanky, a proto jsem u lidi, co na nich byli, dost vyzvidal (ja u Google pohovor nikdy nedelal). O firmach, co kritizuji (u programatoru) to druhe, nevim - muzes uvest nejaky priklad?

2. Pořád tady nezaznělo, jakou konkrétně teorii Google požaduje - je to něco, na čem se všichni shodneme, že je to potřeba, nebo je to něco, na čem se už neshodneme?

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).

3. Z toho, že Google něco požaduje, těžko může vyplývat něco obecného. Může to být prostě profilace téhle konkrétní firmy.

Je to predni SW firma. Vzdycky je dobre podivat se, co delaji ti nejlepsi a proc.

Ale to bysme především museli naprosto přesně vědět, co konkrétně se "historicky osvědčilo". Osvědčilo se deset předmětů z matematiky v magisterském studiu? Dvacet? Padesát? Jeden?
Osvědčila se "historicky" konkrétně třeba lingebra? (čili je potřeba ji v rozvrhu nechat)

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.

Tomu asi nerozumím. Redukce čeho?

Redukce v tomto kontextu je prevod jedne ulohy na jinou znamou, ve stejne tride slozitosti, abychom mohli zjistit nejake jeho vlastnosti. Napr. zjisteni ekvivalence dvou programu lze prevest (redukovat) na problem zastaveni. Jelikoz problem zastaveni nelze lgoritmem resit, nelze algoritmem resit ani ekvivalenci. A ty dukazy nejsou casto nic jineho, nez tenhle trik. Cilem je naucit ten trik (ktery se sam o sobe uci tezko).

[JS]

To je ovšem potenciálně falešná implikace: hodně teorie -> dobrá škola

Ne, ta implikace (nebo spis empiricka zkusenost) je opacna: dobra skola uci hodne teorie.

Když začneme na špatné škole učit hodně teorie, stane s z ní Caltech? Je teorie opravdu tím, co dělá Caltech Caltechem?

Pokud vezmeme FJFI jako testovaci priklad, pak zda se, ze ano.

A znovu: kolik, jaké a jak se vlastně té teorie třeba na tom Caltechu učí? To by bylo potřeba nějak doložit. Zatím jsme se koukli na Princeton a tam jsou (pokud jsem správně pochopil studijní požadavky) povinné 4 matematické předměty na 4 roky studia. A k tomu OSM předmětů, které bysme nejspíš zařadili do ranku "soft" nebo přinejmenším humanities ( http://www.princeton.edu/ua/sections/11/ )

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).

[Mirek Prýmek]

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.

[Mirek Prýmek]

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?

[Reklama]

[JS]

To si myslíš, nebo to někdo z Google někde jasně řekl? Můžu vidět odkaz?

Ano, je to muj nazor. Fakt je, ze se na to ptaji (odkaz je "osobni sdeleni"). Jake je tve (alternativni) vysvetleni?

Ano, já bych se na to rád podíval, zatím ale diskutujeme jenom o slyšel jsem, říká se, myslím si...

Treba tato kniha www.amazon.com/Cracking-Coding-Interview-Programming-Questions/dp/098478280X/.

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?".

Prvni neni inzenyrsky problem. To druhe jen pokud vime, jaka technologie je k dispozici.

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.

Ale to neni jen "prevod jedne ulohy na druhou". To je zcela konkretni (ale pritom pomerne abstraktni) zpusob prevodu. Neni jednoduche na to prijit, proto se to ucime od velikanu, jako byli Godel a Turing.

[JS]

A opravdu nás tento směr implikace v této debatě zajímá? Dokaž.

Ano. Empiricky se zda, ze hodne teorie je nutnou (nikoli postacujici) podminkou dobre skoly.

Pokud chci na Princetonu vystudovat CS, mám povinné 4 matematiky a 10 humanitních předmětů. Co víc k tomu dodat?

To same ovsem IMHO plati pro prirodovedu, jestli tvuj odkaz chapu spravne. Nerika to ovsem nic o tom, zda se k vystudovani konkretne CS nepozaduje nejaka matematika navic.

[JS]

Pokud vezmeme FJFI jako testovaci priklad, pak zda se, ze ano.

Na tohle jsi nereagoval, a ja to chtel trochu doplnit. Je to vlastne trochu legracni, ze se na Fakulte jaderne uci matematicke modelovani nebo softwarove inzenyrstvi. Ale duvod je prave historicky - ukazalo se, ze absolventi jsou uspesni i v techto oborech, prestoze puvodne studovali neco jineho (a take jsou treba uspesnymi ministry).

[Mirek Prýmek]

No nic, už mě to přetahování o blbosti fakt nebaví. Takže demonstrace, co znamenají "fakta" a jak se liší od dohadů, dojmů a vzdušných zámků:

Studie "Průzkum požadavků zaměstnavatelů na absolventy technických a přírodovědeckých oborů", zpracovaný Národním vzdělávacím fondem. http://www.nvf.cz/cms/assets/docs/f15ad00e2f39d62f5226544d6042df22/150-0/pruzkum-pozadavku-zamestnavatelu.pdf

Jenom pár pasáží, které až nápadně odpovídají tomu, co jsem říkal. (Došel jsem jenom asi do poloviny, i tak to bude dlouhé. Zbytek si přečtěte sami).

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.

Tím asi končím, dokud nezazní podobně tvrdá data z druhé strany, nemám už chuť se dál frfňat v něčích dojmech...

[Mirek Prýmek]

Obzvlášť si prosím všimněme důrazu na celoživotní vzdělávání. Když je člověk 5 let mimo obor, je out. Kupodivu není konstatováno, že to zachrání znalost matematiky.

[Mirek Prýmek]

Omlouvám se za zmatení ohledně těch procent u soft skills - no však se na ten graf podívejte sami, je na straně 29.

[Zz]

Tak ja nevim, ja se ucil OOP asi v 16ti a moc tezke mi to neprislo (a syn kolegy otce v 15ti). Ve 14ti jsem se ucil psat ovladace preruseni v assembleru, a to  mi tedy prislo tezsi (vlakna se tehdy moc nepouzivala, na osobnich pocitacich, ale co je multitasking jsem vedel).

Upatlat si nějakou rutinu na přerušení nebo napsat něco s OOP určitě ve 14ti zvládneš. Jenže to nestačí, jsou potřeba odborníci co vědí naprosto přesně o co se jedná a umí to použít samostatně bez pomoci. A trvám na tom že vlákna na vícejaderné mašině ve 14ti nepochopí téměř nikdo.

Ja nevidim v IT ucnaku problem. Kdyz si vezmete, jake veci se uci treba na odbornych strednich skolach (jako vypocty elektrickych obvodu), tak to neni o moc tezsi.

Na elektroSŠ se probírají základy. Důležité věci jako FPGA nebo FFT nebo vysokofrekvenční technika se probírají až na elektroVŠ, protože je to prostě na SŠ moc složité.

Muzeme se stejne ptat, zda se vyplati ucit treba deleni nebo nasobeni v ruce, kdyz mame kalkulacky.

Kdyby se probíraly věci související s IT jako souvisí ruční dělení s kalkulačkami, nikdo by proti tomu nic nenamítal.

Napriklad dukazy vet o Turingovych strojich ma smysl ucit predevsim proto, aby studenti pochopili koncept "redukce'. Bohuzel, tyhle abstraktni triky se nelze dobre naucit jen vysvetlenim nebo zminkou, ale jenom treninkem na prikladech.

Turingův princip redukce je v praxi naprosto k ničemu, jednoduše ho nemáš jak a kde použít.

[Mirek Prýmek]

Jo ještě bych doporučil stranu 41, kde se specificky mluví o ICT - hodně se sice mluví o matematice, ale středoškolské - tj. té úplně základní. Vyšší matika zjevně nikomu nechybí.

[Mirek Prýmek]

Tak aspoň ještě tohle:

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.

* připomínám opět 4 matiky na Princetonu - to není "dobrá škola"?!

[poiu]

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)?

Modul8rna aritmetika je všade, kde sa niečo počíta na počítačoch, takže je to v podstate ona - ale nie len ona.
Ťažko hovoriť o "spravnom" riešení - oni spravili svoje referenčné a porovnávali s ním riešenia zaujemcov. Čas, za ktorý zbehlo moje pomerne dobre optimalizované testovacie riešenie (spravené len na skúšku, čo asi vyžadujú) so vstupom o veľkosti 100k číslic zbehlo referenčné riešenie na miliarde číslic.
Celkovo tam podľa mňa robili aspoň Schonhage-Strassena, čo sa ani teraz neučí v povinných predmetoch.

Nerobil som v takej firme a neviem ako to reálne funguje, ale myslím si, že

No právě. "Myslím si", "slyšel jsem", "říká se"...

To bolo práve spochybnenie tvojho pokladania otázky. Jednoducho sa nemôžeš pýtať tak, ako si sa pýtal, aby si obsiahol všetky prijateľné odpovede. Jedna z prijateľných odpovedí nevyhovujúca tvojej otázke tam bola napísaná pre predstavu, o čo môže ísť. Nehovorím, že musí - akurát si myslím, že keď sa opýtaš "dosť zle", tak nemusíš dostať rozumnú odpoveď, ani keby odpoveď existovala a dala sa aj priamo dokázať.