Год в ШАДе |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-06-17 01:22 Привет, Миш, добавишь в беседу поступающих в ШАД? Через пару часов меня добавили в беседу. Не могу сказать, что поступление было тщательно обдуманным и спланированным решением. Почему я всё-таки пошёл? Основных причины было три. Самая очевидная — мне интересна область DS, а ШАД — одно из лучших мест в России, где этому учат. Вторая более личная. Я из тех людей, у которых любая работа занимает всё выделенное под неё время. И раз я не могу делать всё быстрее, но хочу увеличить свой КПД, то остаётся лишь увеличить нагрузку. А последняя — ну все мои знакомые идут в ШАД, а я что — рыжий что ли? Поступление TLDR: смотрел Youtube, завалил программирование, затащил математику Конечно, я всем говорю, что вообще не готовился. Сейчас расскажу подробнее, как именно. В первую очередь, я смотрел ролики Fless-а (ищите на Youtube) о его поступлении в ШАД. Он дал много советов про то, как можно выстроить подготовку. В частности, акцентировал внимание на том, что важна мотивационная часть (о ней позднее). Кроме этого, я решал пробные варианты экзамена по математике (их легко нагуглить, есть даже разобранные варианты). Правда, устраивать себе условия, близкие к экзаменационным, мне было лень, так что я просто сидел с ручкой и кружкой чая. Не помню уже, сколько я решил, но как минимум, у нас был файлик с названием «100 задач с собеседований». Чтобы (((подготовиться))) к проге, я откопал из недр стола пароль от школьного сайта по информатике и зашёл в раздел (((олимпиадных))) задач. В результате дело ограничилось решением самых примитивных задач на динамику, и (спойлер) оказалось чуть менее чем бесполезным. В целом подготовка была не очень структурированной, и заняла, пожалуй, около одной-двух недель. Теперь о самом процессе поступления. Отбор начинается с онлайн-теста, единственная цель которого — отсечь школьников и гуманитариев. Если вы учитесь на технической специальности и прослушали базовые курсы линейной алгебры, математического анализа и теории вероятностей, то пройти его для вас не составит труда. За ним следуют письменные экзамены по математике и контест по программированию. Они на порядок сложнее. На контесте я сделал всего лишь одну задачу из пяти. Никогда не занимался спортпрогой и олимпиадами, так что на успех и не рассчитывал, но, конечно, было обидно. Однако удалось отыграться на математике, и решить 7 из 8. Последний, третий этап отбора — это собеседования. В мой год они были дистанционными, через Zoom. Всего их три: по математике, по программированию и мотивационное. Паттерн с экзаменов повторился. Собес по математике прошёл очень удачно: за полчаса я ответил на все теоретические вопросы и решил 4 задачи (две на теорвер, одну на линал и одну, взятую с каких-то школьных олимпиад). Программирование же я безбожно завалил (не смог найти следующий элемент в бинарном дереве). Видимо, в итоге мне помогло то, что я, наученный Fless-ом, складно пел песни на мотивационном собеседовании. Там спрашивали, откуда я и что могу о себе рассказать, как я представляю себе ШАД и зачем туда иду, сколько времени готов на него тратить. Один из вопросов поставил меня немного врасплох: попросили рассказать о наивысшем достижении и о какой-нибудь (необязательно худшей) неудаче. Наверное, пойди я в ШАД на год раньше, мне было бы совсем грустно в этот момент. К счастью, за 2019-2020 была пара вещей, о которых мне было не стыдно рассказать. Мне понравилась атмосфера собеседований — не было ощущения, что меня пытаются подловить или запутать. Наоборот, собеседующий рассуждал вместе со мной и пытался подтолкнуть в правильную сторону, если я тупил. Первый семестр TLDR: теорвер — так себе, плюсы и линал — очень хорошо, алгоритмы — восторг При поступлении нужно выбрать определённый трек. В мой год их было четыре: Data Science, Разработка машинного обучения, Инфраструктура больших данных и Анализ данных в прикладных науках. Я долго колебался между первыми двумя, и в итоге склонился к разработчику. Выбор трека влияет на набор курсов, которые вы сдаёте в этом семестре. Например, разработчик отличается от DS тем, что должен закрыть курс по C++ вместо Python. На самом деле, вы можете взять оба языка, и пройти до конца тот курс, что вам больше зашёл (плавно «превратившись» из разработчика в дата-сатаниста, или наоборот). Общее правило только одно — за семестр надо закрыть не менее трёх курсов, и они должны соответствовать набору хотя бы одного трека. Помимо полноразмерных курсов, в ШАДе есть также полусеместровые. Здесь всё логично: вместо того, чтобы закрыть один семестровый курс, можно закрыть два полусеместровых. Мне предстояло закрыть Алгоритмы, C++, Теорию вероятностей (полусеместровый) и ещё один полусеместровый курс по выбору: Линейную алгебру или Дискретную математику. Мой выбор пал на первое. Курс по теорверу про красивую, но довольно бесполезную математику. Пара лекций в конце выделена под математическую статистику, однако очевидно, что много за это время рассказать нельзя. Видимо, в связи с этим сейчас его убрали из списка обязательных. На линейной алгебре было весьма интересно. Рассказывали про численные методы, про SVD-разложение, тензоры. Курс понравился тем, что тут было много практики — были лабораторные работы, где мы, например, переписали и ускорили в несколько раз библиотечную функцию вычисления плотности нормального распределения, используя рассказанные методы решения СЛАУ, и использовали SVD-разложение для сжатия картинок и визуализации. Курс по плюсам тоже оказался полезным. Я уже неплохо знал язык, однако ещё не писал на нём длинных программ — а тут есть большие домашки (например, ray tracer и Telegram-бот). Помимо них, есть набор маленьких задач на каждую неделю, по темам лекций (классы, наследования, шаблоны и т.д.). Пожалуй, самым полезным для меня был рассказ про библиотеку POCO и основы работы с сетью. Но, безоговорочно, больше всего мне зашли Алгоритмы. Слушать лекции Бабенко было мегаинтересно. Даже когда он рассказывал про двоичный поиск и сортировки, я всё равно узнавал для себя что-то новое (хотя, учитывая провалы по проге при поступлении, этого следовало ожидать). А потом пошли деревья, хэш-таблицы, графы… И всё это постепенно укладывалось в какую-то общую, стройную картину мира. Были на Алгоритмах теоретические задачи, в которых надо было придумать и описать алгоритм, или доказать какую-нибудь оценку сложности. Может, на первый взгляд это покажется скучным — но Были контесты, на которых приходилось решать довольно сложные (ну, по крайней мере для меня) задачи. Особенно запомнился последний, потому что к зиме мои более прошаренные товарищи уже набрали баллов на «отлично», и мне пришлось решать его полностью самостоятельно, без всяких наводок и советов. Но все часы рисования схем на бумажке, мучения над выбором имён переменных, стресс-тестирования и дебага сполна вознаграждаются счастьем от получения заветного «Ok» с первого раза. Было код-ревью (хотя всего для трёх задач, но помимо кода требовалось словесно описать алгоритм решения, доказать корректность и оценить асимптотику). Это, пожалуй, единственная часть курса, которая оставила сдержанные воспоминания. Правки доходили довольно долго, и зачастую были сверхлаконичны. Справедливости ради, после запроса на пояснение оно в конце концов приходило, и в большинстве случаев было даже осмысленно. Но в целом, не могу сказать, что ревью было для меня очень полезным. В общем, первый семестр вполне оправдал мои ожидания — было нелегко, но интересно. Второй семестр TLDR: машинное обучение, статистика — 50 на 50, Python — класс, генеративные модели — восторг. Как разработчику, мне нужно было взять курс по машинному обучению, а также какому-то языку программирования. Третий обязательный курс оставался на мой выбор. Я решил взять Основы статистики в машинном обучении и Python — курсы, обязательные для направления Data Science (правда, они закрывают Python в первом семестре). Кроме того, моё внимание привлёк курс от ВШЭ по генеративным моделям, который ввиду дистанционного обучения рассказывался и в ШАДе. Изначально он позиционировался как полусеместровый, однако материала в нём было не меньше, чем во всех остальных, потому под конец семестра его всё-таки засчитывали как полный. Главная причина, по которой я взял основы статистики — хотелось научиться применять матстат на практике. Строить доверительные интервалы, проверять гипотезы и всё такое. В этом смысле курс выполнил свою цель — после практических заданий в домашках стало понятно, как это делать. Однако параллельно с этим пришлось решать довольно много теоретических задач, которые порой были муторными. Помимо этого, мне не очень понравились лекции — они выглядят скорее как набор фактов, и в общую картину в голове не укладываются. Машинное обучение в мой год претерпело сильные изменения. Лекции Воронцова были убраны, и заменены на специально написанный для курса учебник (который, кстати, вышел очень удачным). Однако семинары мне не очень зашли. Люди, которых приглашали вести, быть может, и разбираются в своей теме, но не всегда умеют хорошо объяснять. Курс по Python — это место, где вам рассказывают очень много, очень разного, и всё — полезное. Git, тестирование, логирование, работа с сетью и базами данных, numpy и pandas, map-reduce, сериализация, корутины и асинхронность — это даже неполный список тем, которые покрываются в лекциях. Конечно, в таком темпе рассказать подробно не выходит, но вам дают некоторую начальную информацию и ссылки на места, где можно узнать больше. А ещё тут очень ламповые преподаватели, которые быстро отвечают на вопросы в чате, в том числе и на технические. В остальном похоже на курс по плюсам — есть еженедельные небольшие задачи по темам лекций, и несколько больших домашек (написать интерпретатор Python на Python, небольшую библиотеку для Map-Reduce вычислений и Telegram-бота). Генеративные модели не были обязательными, но я совершенно не жалею, что выбрал их. Это один из лучших курсов, что я когда-либо проходил. Понятные и чётко структурированные лекции, в которых отдельно подчёркиваются плюсы и минусы разных подходов. Семинары, на которых всё объясняется простым языком и можно задавать любые вопросы, а также получить всякие полезные советы по написанию кода (там меня подсадили на логгеры, а конкретно на wandb — не знаю, как жил без него раньше). Интересные домашки (ураа, генерим картиночки). Единственное, что не идеально, так это распределение нагрузки. Последние два домашних задания наложились на последние пару недель, в то время как на первые два было по 3 недели. Однако преподаватели отнеслись с пониманием, и передвинули дедлайны, а затем и смягчили итоговые критерии курса. Даже с учётом того, что я взял 4 курса, второй семестр показался мне легче. Правда, под конец семестра мотивация ботать начала затухать. Видимо, нагрузка всё-таки копится, да и концентрироваться на дистанционке тяжелее. Помимо учёбы Кураторы ШАДа постоянно устраивают дополнительные активности и мероприятия. На карантине проводили дистанционный Хэллоуин в Discord-е с квизом и онлайн-настолки. Весной был Безгендерный праздник (как 8 марта и 23 февраля, только по-другому) и Игротека (где можно было приносить свои настолки и не только). Ну и, конечно, Экватор для закрывших первые два семестра (с квестом, пиццей и футболками). Я не тот человек, который хорошо вписывается в подобные мероприятия, но могу сказать, что снова пошёл бы туда, будь такая возможность. Также ШАДовцы могут смотреть разные лекции, митапы и конференции, которые проводятся Яндексом, и получают приглашения на стажировки. А можно просто приходить в ШАД на кофепойнт и ботать там вместе с однокурсниками. Заключение Нисколько не жалею о том, что поступил сюда. Узнал массу нового, интересного и полезного. Приходите — будет сложно, но вам понравится) Источник: m.vk.com Комментарии: |
|