Обучение машинному обучению

На апрельской «Стачке» мы познакомились с Рустамом Гафаровым — куратором магистерской программы по машинному обучению в университете Иннополис и конечно же взяли у него интервью! Предлагаем вам ознакомиться с ответами Рустама на наши вопросы, а все желающие могут задать свои вопросы в телеграм @gafrustam или по почте r.gafarov@innopolis.ru

Как вы попали в ИТ индустрию?

В школе я занимался олимпиадной математикой и в11 классе надо было определяться со специальностью. За теоретической математикой, как специализацией, я не видел для себя будущей карьеры. Мне хотелось какого-то практического применения своим навыкам и чтобы будущая профессия хорошо оплачивалась.

Почему вы выбрали текущую специализацию?

Заканчивая бакалавриат, я очень не хотел, как я тогда думал, "писать сайтики". Просто писать код особой любви у меня никогда не вызывало. Зато хотелось решать какие-то интересные задачи. Тему диплома я выбрал по компьютерному зрению, а после окончания поступил в Школу анализа данных Яндекса. Я знал, что это очень хорошее место. В ШАДе в качестве курсов выбирал компьютерное зрение и после первого года начал работать по этой специализации.

Что на ваш взгляд делает Иннополис особенным местом для учёбы и работы?

В первую очередь здесь очень комфортно. Всюду красивая современная архитектура, все условия для занятий спортом, администрация города нас всячески развлекает концертами симфонических оркестров, спектаклями, интеллектуальными играми. Москвичи оценят следующую особенность - пешком можно пройти через весь город, больше не надо тратить время на транспорт, разве что захочется поехать в Казань. До центра это час в одну строну. Я езжу примерно раз в две недели. Для учебы отдельно отмечу очень хорошие общежития и стипендию от 12000 до 36000 для бакалавров и от 18000 до 42000 для магистров. Ну и если вы вдруг не знаете, то вся учеба здесь происходит на английском языке.

Расскажите подробнее про ваш курс по машинному обучению?

По машинному обучению в университете два семестра. В первом семестре введение, проходятся основы, базовые алгоритмы вроде регрессии, SVM, деревьев. Там же начинаются ансамбли и нейронные сети. Этот курс мы читаем для бакалавров всех направлений и для магистратуры тоже. Второй уже только для магистров Data Science. На нём идут более серьезные темы, такие как рекуррентные сети, автоэнкодеры, GAN, VAE, Reinforcement Learning, графические модели. К каждой теме обязательно практическое домашнее задание. Обычно студентам не приходится писать с нуля, какой-то шаблон мы им предоставляем. Кроме этого есть еще несколько курсов в магистратуре Data Science, связанных с машинным обучением. В курсах, которые казалось бы не связанны непосредственно с машинным обучением тоже могут возникать задачи, где приходится использовать полученные навыки. Так в курсе Big Data, который я тоже преподаю в Иннополисе, в качестве домашних заданий выдаю групповые проекты по информационному поиску, распределенной кластеризации или распределенному ранжированию.

Кто может получить подобное образование?

Основные требуемые навыки это программирование и математическая база. Именно их мы спрашиваем на технической части собеседования с абитуриентами. Но понятно, что некоторые абитуриенты уже давно проходили эти дисциплины и многое забыли. Поэтому в основном на собеседовании я спрашиваю какие-то базовые вопросы, и, если кандидат отвечает, то углубляюсь в дискуссию. Так получается понять не только, сколько человек знает, но еще и как он в целом мыслит. Также для нас важен предыдущий опыт и ожидания от программы. Спрашивая про задачи, которые человек решал на работе или в своем дипломном проекте, мы оцениваем общий уровень. При поступлении надо быть готовыми много работать, нагрузка у нас на самом деле очень серьезная.

Могут ли ученики совмещать обучение с работой?

Вообще даже минимальная стипендия достаточна, чтобы подработка не являлась необходимостью. Политика университета в том, чтобы достойной стипендией заставить студента серьезно посвятить время учебе. Любую подработку нужно официально согласовывать с университетом. Нагрузка у нас очень высокая, особенно у меня в магистратуре по Data Science. Даже без подработки это достаточно сложно, но, насколько я знаю, некоторые студенты все-таки совмещают учебу с работой. Обычно, если так делают магистры, то учеба у них не в приоритете и учатся они очень слабо.

Какие советы вы можете дать тем, кто думает об освоении этой специальности?

Если вы еще учитесь на младших курсах университета, то я рекомендую работать над базовыми дисциплинами. Вы просто не представляете, как это вам потом окупится. Из математики необходимые навыки это — теория вероятностей и статистика, математический анализ и линейная алгебра. Также вам надо будет уметь писать код! Да, большая часть реального машинного обучения это написание кода, который не является собственно написанием модели. Если вы уже закончили университет и задумываетесь о том, чтобы перейти в машинное обучение, то не бойтесь, если вы вдруг не так хороши в необходимой базе. Но вам точно надо быть готовыми к тому, чтобы быстро этому научиться. У многих получается лучше выучить ту же статистику не по теоретическому учебнику, а сталкиваясь с реальными задачами в поисках решения.

Источник: m.vk.com

Комментарии: