Мой самый главный совет: “Не бойтесь!”

На прошлой неделе были подведены итоги конкурса на лучшую выпускную квалификационную работу среди выпускников Университета ИТМО. Одним из победителей Конкурса стал выпускник факультета цифровых трансформаций Сарафанов Михаил. Его работа “Заполнение пропусков в данных дистанционного зондирования Земли с использованием методов машинного обучения” была признана лучшей на мегафакультете трансляционных информационных технологий и вошла в финальное число лучших ВКР Университета ИТМО.

Мы обсудили с Михаилом особенности университетской жизни, его научную работу и поговорили о том, нужно ли бояться менять специальность или все-таки иногда стоит рискнуть?

— Почему ты решил поступать в магистратуру ИТМО и выбрал именно это направление?

Еще во время своего бакалавриата в Санкт-Петербургском государственном университете на Географическом факультете я заинтересовался программированием и математическим моделированием природных процессов. И когда закончил учебу, подумал: “Что хочу изучать дальше?”. Ответ был такой: программирование и математику, а ещё было бы неплохо глубже погрузиться в статистические методы. Очень мне хотелось продолжить заниматься анализом данных, но уже с бо?льшим уклоном в технические детали. В голове сразу всплыли два слова - “машинное обучение”, - поискал в интернете какие есть магистерские программы в вузах Санкт-Петербурга, которые обучают чему-то подобному. Попалась магистерская программа “Большие данные и машинное обучение” Университета ИТМО. При выборе программы, конечно, свою роль сыграл престиж университета. Всегда знал, что в ИТМО готовят хороших специалистов в области IT. Но и описание дисциплин, которые читаются магистрам этой программы мне понравилось.

Загорелся желанием поступить именно на эту программу. С моим географическим бэкграундом приходилось очень много наверстывать, многого я не знал. Но с каждым разобранным вопросом к вступительному экзамену это направление нравилось всё больше и больше. Почти всё лето готовился к вступительным, - и вот я уже студент первого курса магистратуры.

— Есть ли у тебя университетские достижения, которыми ты особенно гордишься?

Пожалуй, самое главное для меня достижение - это получение диплома магистра в области прикладной математики и информатики, как бы банально это ни звучало. Поначалу всё казалось сложным: необычные предметы, новый вуз. Но со временем освоился, - и вот я уже заканчиваю магистратуру, в которую так мечтал поступить.

Также было несколько крутых учебных проектов, которые мы с одногруппниками выполняли в рамках тех или иных курсов. Благодаря этому получилось попробовать много технологий: от эволюционных алгоритмов и продвинутых методов статистического анализа до нейронных сетей и обучения с подкреплением.

Еще, конечно, стоит вспомнить победу на хакатоне “Emergency DataHack” 2021. Мы вместе с командой “NSS_lab team” не только подготовили крутое решение, но и весело провели время. Спасибо им за это.

— Расскажи, о чем твоя ВКР и почему ты выбрал эту тематику?

Это всё тянется от моих учебных проектов в географических науках. Часто приходилось обрабатывать спутниковые снимки, и что очень расстраивало, когда снимок есть, - а сделать с ним почти ничего нельзя, - он весь в пропусках. Тогда мы с преподавателями восстанавливали значения линейной интерполяцией и выглядели снимки после этого не очень.

В тот же момент, когда поступал в магистратуру, я устроился на работу в Государственный Гидрологический Институт. Там же мне мой старший коллега предложил заняться этой темой - я был только рад, так можно было работать над интересной мне темой, в том числе, и на работе. В университет я пришел уже со сформулированной идеей магистерской диссертации: “хочу заниматься разработкой алгоритма восстановления значений в данных дистанционного зондирования при помощи машинного обучения”. В университете меня поддержали - сказали, что рады людям, которые приходят со своими инициативными темами работ. Меня сразу представили будущему научному руководителю, Калюжной Анне Владимировне, и научному ассистенту, Никитину Николаю Олеговичу. Вместе с ними мы проделали большую работу, и получилось, как мне кажется, очень достойно.

— Насколько данная тематика перспективна, на твой взгляд?

Очень и очень перспективная! Раньше мне, как и множеству других специалистов, которые работают с данными дистанционного зондирования, пропуски в снимках приносили много хлопот - мало какие методы анализа могут работать с такими данными. Ни статью не напишешь, ни перед друзьями такими данными не похвастаешься.

Вот если бы был относительно простой способ сделать снимки такими, как будто в них и не было никогда пропусков - вот было бы другое дело… Ну теперь у меня такой алгоритм есть. Надеюсь, и мои коллеги тоже будут им пользоваться, что несколько упростит обработку данных. Но, безусловно, еще есть много чего, что можно улучшить, как и в предложенном алгоритме, так в других подходах восстановления значений.

— Что ты планируешь делать в дальнейшем? Какое направление развития карьеры выберешь?

Планирую поступать в аспирантуру и продолжить работать в нашей лаборатории (из Гидрологического института спустя год работы я уволился, и устроился в лабораторию моделирования природных систем Национального Центра Когнитивных Разработок Университета ИТМО). Сейчас мне интересно направление применения продвинутых алгоритмов машинного обучения в прогнозировании гидрометеорологических процессов. Пишу научные статьи, участвую в конференциях и хакатонах, и пока мне все это приносит удовольствие, планирую заниматься этим и дальше.

— Какие университетские навыки, на твой взгляд, могут оказаться самыми полезными в работе?

Помимо повышения уровня “hard skills”, которые, безусловно, пригодятся мне в работе, это, конечно, навык коммуникации. За время учебы в университете со столькими разными незаурядными людьми удалось поработать вместе. Будучи в различных проектах на разных ролях приходилось каждый раз адаптироваться. Но теперь, оглядываясь назад, возникает мысль: “Было круто”.

Ну и немного про “hard skills” всё таки скажу. Как же я доволен, что за время учебы попробовал библиотеку PyTorch, - на примерах использования именно этой библиотеки строилась практическая часть курса “Архитектуры нейронных сетей для глубокого обучения”. Раньше всё на Keras делал, но PyTorch для меня теперь первый инструмент, за которым я полезу, когда возникнет задача сделать что-то с нейронными сетями.

— Какие советы можешь дать абитуриентам и обучающимся?

Самый главный, пожалуй: “Не бойтесь!”. Я даже не знаю, как бы я сейчас жил, если бы в своё время струсил, если бы не отогнал от себя мысли: “Какая прикладная математика, какое машинное обучение, занимайся себе спокойно своей географией”, “Даже если поступлю, то будет слишком сложно, скорее всего я не потяну”. Возможно, ребята сомневаются, стоит ли менять направление образования, или вуз, или город. Считаю, что если хочется, то стоит попробовать. Я вот попробовал - и нисколько не жалею: это были замечательные два года магистратуры.

Источник: m.vk.com

Комментарии: