- Діма, чому ви вирішили залишити роботу і вступити до вузу? Яка була мета?
Коли я працював в Grammarly, навколо мене було багато розумних людей: Олімпіадники, випускники складних факультетів з дуже сильною математичної підготовкою. Обертаючись в такому середовищі, я бачив, до чого можна прагнути. Задумався, що я потенційно теж можу досягти таких же результатів.
Найбільше мене цікавило напрямок Machine Learning. Для розвитку в цій галузі мені, перш за все, не вистачало математичного бекграунду. Я закінчив приладобудівний факультет в КПІ, там математика була тільки на 1-2 курсах і не вважалася профільним предметом. В основному займалися кресленням: власне, я і почав кар'єру в IT з дизайну і вже потім перейшов у Front-end.
Щоб підтягнути знання з математики, я став займатися з репетитором. Ми починали прямо з основ - повторювали математику за 7-8 клас, потім рухалися далі. Повторивши весь шкільний курс, зіткнувся з проблемою того, щоб знайти репетитора для університетського курсу: чомусь всі, з ким я спілкувався, пропонували заняття максимум з якимись елементами «вишки», але не були готові послідовно викласти мені весь курс.
І тоді я подумав, а чому, власне, самому не вступити до вузу і не освоїти всі необхідні курси.
- А чому саме очне навчання? Наприклад, зараз є безліч онлайн-курсів на Coursera і інших майданчиках.
На онлайн-майданчиках я теж вчився і вчуся зараз :) Не заради диплома - це не самоціль, а просто заради того, щоб дізнатися нове. Але мені здається, що пряме спілкування з носієм знань - це найефективніший шлях навчання.
- Які «за» і «проти» розглядали, коли вирішувалися чинити? І як відреагували ваші колеги?
«За» - стати краще і розумніше, ніж я на той момент був. Виклик для себе. «Проти» - думки про те, що система освіти застаріла, і отримані знання будуть неактуальні. Але навколо було стільки порадників, які мене відмовляли, що мені вже навіть складно пригадати, які «проти» були моїми тезами, а які з оточення :)
У Grammarly деякі засмутилися, деякі підтримали, у кого-то це викликало нерозуміння. Загалом, звичайна реакція :) Але насправді було багато підтримки від хлопців, за що я їм вдячний.
- А як ви планували жити кілька років, не працюючи?
У мене була грошова подушка, яка мені дозволила спочатку пожити не думаючи про роботу. І до того ж я не збирався йти з роботи зовсім. Поки вчився віддалено співпрацював з одним берлінським стартапом і консультував київський стартап. Так що на життя вистачало.
- Чому вибрали саме КПІ? Який факультет?
Крім КПІ, я розглядав КНУ ім. Шевченка та Могилянську академію. Але серед моїх колег в Grammarly було дуже багато людей, які закінчили саме IT-факультети в КПІ. Втім, я не знаю, чи отримали вони свої знання завдяки або ж всупереч вузу :)
З точки зору фундаментальних дисциплін КПІ мені здавався (та й здається) дуже хорошим університетом. З точки зору прикладних навичок вважаю КПІ застарілим, як і більшість інших вузів. Але мене як раз цікавила фундаментальна база.
Серед факультетів вибрав ФПМ, спеціальність «Прикладна математика», так як чув про нього багато позитивних відгуків.
Якби надходив не заради математики, а заради комп'ютерних наук, то, швидше за все, вибрав би УКУ.
- Чи надходили на загальних підставах? Як готувалися?
Так, надходив на загальних підставах. Не буду кривити душею, у мене були не найвищі бали по ЗНО, але їх вистачило, щоб пройти на бюджет.
Для підготовки до того ж до математики взяв ще й репетитора з фізики. Для мене цей предмет був найскладнішим, так як зі школи пам'ятав мало. Якщо математику використовував в роботі хоча б іноді, то фізику - жодного разу.
- І як вам навчання? Які враження?
Те, заради чого я туди йшов, - математика - до сих пір викладається на досить високому рівні. Я б сказав, на міцну четвірку :) Вивчав лінійну алгебру, дискретну математику, матаналіз. З усіх інших предметів враження не такі райдужні. На все, що було мені не актуально, я не ходив, щоб не витрачати час.
Що стосується IT-дисциплін, був предмет «Програмування» на Pascal (!), А також заняття з Python. Вважаю хорошим знаком, що кафедра намагається вводити вивчення сучасних технологій, але поки що програма дуже слабка і потребує багатьох доробок. На мій погляд, вона повинна бути більш захоплюючою.
Я чесно вчився, писав конспекти, робив домашні завдання. І вистачило мене на півроку :)
- А чому припинили навчання?
Навчаючись вдруге, я вже не зміг себе змусити робити масу речей, яку вважаю марною: оформлення протоколів, лабораторних, весь цей формалізм.
Також набридло слухати, як мені повчальним тоном розповідають, що мені потрібно, а що ні, що стане в нагоді в житті і т. Д. Я розумію, що таким чином викладачі намагаються якось наставити на шлях істинний переляканих перволіток, але це не мій варіант .
Ще я там відчував себе самотнім, ні з ким було поговорити. Я був на 10 років старше своїх одногрупників. Ми, звичайно, спілкувалися: кілька разів навіть збиралися в бібліотеці і разом розбиралися в матеріалі. Але все ж було занадто велика розбіжність в інтересах.
- А було в планах довчитися до кінця?
Ні, такої мети не було. Диплом - це просто фікція, яка зовсім не означає нічого. Я планував провчитися року 2, щоб вивчити всі базові курси та далі повернутися до роботи з новими навичками.
Але я не зациклююсь на те, що пішов всього лише через півроку. Рухаюся далі, адже шляхів для навчання і розвитку дуже багато.
- Зараз продовжуєте освоювати математику самостійно?
Так, я робив перерву на кілька місяців, поки відпочив, знайшов роботу і освоївся там, але тепер повертаюся до навчання. Планую далі освоювати дискретну математику і матаналіз - але вже не все підряд, а більше ті розділи, які потрібні мені для роботи. Тепер мені це буде зробити набагато простіше, ніж з нуля, тому що первинний базис вже отримав.
- Наскільки в цілому виправдалися ваші очікування від навчання?
Чи виправдалися відсотків на 60, може, 50 :) Я спробував, отримав досвід, придбав знання - ось це для мене найцінніше.
Як я вже згадував вище, частково очікування виправдалися за рахунок хороших курсів з математики; зазнали краху за рахунок великої кількості формалізму і слабкого викладання IT-предметів.
- Які проблеми системи освіти помітили за час навчання? І які сильні сторони?
Перш за все, це надлишок неактуальних знань. На жаль, багато старих викладачі не бажають удосконалювати програми. Під виглядом фундаментальних знань намагаються подати те, що застаріло більше 10 років тому.
Якщо дивитися з точки зору студентів, які тільки закінчили школу, то основна проблема - відсутність відповіді на питання «Навіщо?». Їх відразу починають вантажити якимись абстракціями і не пояснюють, навіщо це, власне, треба, як і де можна буде застосувати ці знання. Це вбиває мотивацію.
Мені здається, варто запрошувати до вузу не тільки лекторів-теоретиків, але і більше практикуючих фахівців, які розуміють, які знання актуальні на ринку праці, і вміють цікаво їх подати. І головне - зможуть донести студентам, як можна застосовувати отримані навички і в яких фахівців вирости.
Що стосується сильних сторін, то мені було дуже корисно поспілкуватися з викладачами, які дійсно знають і люблять свій предмет. Це справжнє джерело знань, у яких можна багато чого почерпнути.
- Чи радите випускникам після школи йти до вузу? Або краще спочатку трохи попрацювати?
Мені здається, дуже хороша практика, прийнята в Європі і США, - gap year, коли між школою і вузом хлопці беруть один рік «відпустки» і пробують себе на різних роботах, подорожують, визначають, чого хочуть далі. Інша справа, за кордоном краще розвинена інфраструктура для цього і більше можливостей спробувати себе в різних областях, а не тільки роздавати листівки чи мити машини. Втім, для початківців айтішників є багато інтернатур, стажувань при компаніях - і це дуже добре. Можна як мінімум з толком провести літо.
- А якщо людина вже кілька років пропрацював в різних сферах, але хоче освоїти IT?
В такому випадку, мабуть, краще піти на курси, відвідувати воркшопи. Вуз з першого курсу - це довгий і енерговитратний шлях.
- Можете порадити якісь Лайфхак по навчанню? Як ефективно засвоювати нову інформацію?
По-перше, варто якомога більше часу приділяти практиці. Прочитали блок теорії - і приступаємо до завдань. Це стосується і математики, і вивчення IT. По-друге, користуватися кількома джерелами інформації, щоб отримати максимально широке уявлення про предмет.
Ще одне правило - не соромитися бути тупим. Підходити до тих, хто знає більше, питати у них. Не намагатися підбирати якісь розумні слова, а просто озвучити питання так, як ти це розумієш. Якщо щось не так, тебе поправлять.
Якщо ви займаєтеся онлайн-навчанням, то дуже допомагає спілкування з іншими студентами. Іноді разом вдається вирішити ті завдання, які виходять поодинці. Іван Примаченко. один із засновників Prometheus. якось писав про те, що за статистикою ті студенти, які активно беруть участь в дискусіях на форумі, частіше доходять до кінця курсу, ніж їх більш пасивні одногрупники. Втім, і в оффлайн-навчанні це працює. Коли щось пояснюєш іншому, то починаєш краще розуміти сам.
- На новій роботі, в Ring Labs, вже використовуєте нові знання?
Так. Основну частину часу займаюся розробкою, але є і Machine Learning завдання. Мене Ментор колега Кирило Трусковскій.
Помітив, що до вузу, ще в Grammarly, коли я розпитував колег про Machine Learning, то досить слабо розумів суть того, що вони мені розповідали. А тепер вже розумію розмови і навіть сам можу вставити щось розумне :)
- А не розглядали варіант знову повернутися в Grammarly після того, як залишили вуз?
Я думав про це, але хотілося себе спробувати десь ще, щоб була можливість попрацювати з Machine Learning. У Ring Labs така концентрація крутих ML-фахівців, що я подумав, це хороший шанс повчитися у них. До того ж деяких я знав особисто або це були знайомі знайомих.
З Grammarly ми розлучилися добрими друзями. Я багато чому там навчився, багато зробив. Іноді заходжу до них в гості. Але у всіх своя дорога, ми все розвиваємося і зростаємо.
- Які у вас подальші плани?
Розвиватися в області Machine Learning. Мені здається, зараз є 3 перспективні сфери, за якими майбутнє, - це Machine Learning, космос і робототехніка. Космосом я навряд чи займуся :) Робототехніку трохи вивчав, але мене кілька демотивована, що створення одного пристрою від ідеї до прототипу - це дуже довгий процес. Machine Learning мені найближче, і це саме та область, заради якої мені хочеться вчитися.
1. Усвідомити, що не вистачає знань з математики
2. Не знайти в Києві (!) Репетитора по вишці (того ж викладача ВНЗ, наприклад)
3. Вибрати КПІ, тому що більша частина колег звідти. Не уточнюючи, чи задоволені вони навчанням.
4. Піти з роботи (тут, звичайно, сам собі пан), щоб піти на денний і відвідувати мінімум предметів
5. Кинути навчання через півроку (відвідавши мінімум занять)
6. При цьому курси - ті ж самі півроку по 5-10 годин на тиждень, але без бюрократії та лаб на Паскалі - не варіант
7. Що відбувається?
Я не можу зрозуміти, як людина вже навчався в КПІ не зміг зрозуміти безглуздість цієї затії до її втілення в життя. Реально можна було дізнатися про кращих викладачів і хто-небуть точно знайшовся б в якості репетитора. Очевидно, що з підходом ходити тільки на те що потрібно, сесію не здаси. Забрав бюджетне місце у абітурієнта ((
Про що тільки стартапи консультувалися з людиною, який здійснює ОЧЕВИДНО безглузді рішення?
1) для ML математики потрібно знати понти, там немає нічого мего складного, просто багато ебатні і все. Велика частина всіх методик ML делати шляхом дослідження статистики і тикання пальцем в небо.
2) якщо нада математика пішов би вже тоді на мех-мат Шеви. там її дофигища.
3) дія взагалі не зрозуміле. є купа курсів які вчать всьому за понти часу, є відмінні лекції Стенфорда і мита. але чол вирішив піти в ебеня цивілізації.
4) знову таки не ясно з баблом. де він його брати буде.
Карочє рішення непродумане і необгрунтоване.
1) для ML математики потрібно знати понти, там немає нічого мего складного, просто багато ебатні і все. Велика частина всіх методик ML делати шляхом дослідження статистики і тикання пальцем в небо.
От не треба український ML з тупим Юзан Гуглівского, фейсбуковского движка поширювати на ML в світі.
Цікаво, як знання дискретної математики і матаналізу застосовуються в машинному навчанні?
если брати Готові python алгоритми - то неякі. Если намагатіся зрозуміті як працює алгоритм и власноруч его реалізуваті то много елементів Маттани та діскретної математики
Після економічної освіти фундаментальних математичних знань для роботи не вистачає.