Μεταπτυχιακό ΗΜΜΥ Data Science

[Samael]

Γενικότερα αυτό ισχύει μόνο στο ΕΜΠ η γενικά και σε άλλα πανεπιστημια? ( πανεπιστημιο Πατρών, απθ , εκπα )

Απο όσο ξέρω είναι μια ιδιαιτερότητα που αφορά σχεδόν αποκλειστικά το ΕΜΠ.
Δεν είναι απαραίτητα προσωπικό, ακόμα και οι ίδιοι οι φοιτητές του ΕΜΠ αντιμετωπίζουν τέτοιες συμπεριφορές.
Όπως αναφέρθηκε παλιότερα ζήταγαν μέχρι και συγκεκριμένες βαθμολογίες, και μάλιστα ανάλογα το ίδρυμα !

Π.χ. σου έλεγε να έχεις τουλάχιστον 9 σε αυτό το μάθημα.

Βέβαια να σου πω πως και να σε απορρίψουν, δεν χρειάζεται να τα βάψεις μαύρα.
Υπάρχουν άπειρα άλλα ιδρύματα και εδώ αλλά και έξω τα οποία είναι εξίσου καλά ή και καλύτερα απο άποψη υλικοτεχνικής υποδομής, διασυνδέσεων κτλπ. Εαν θέλουν να χάνουν καλούς φοιτητές λόγω εμμονών είναι δικό τους θέμα.

 

[gegeorgiou90]

Απο όσο ξέρω είναι μια ιδιαιτερότητα που αφορά σχεδόν αποκλειστικά το ΕΜΠ.
Δεν είναι απαραίτητα προσωπικό, ακόμα και οι ίδιοι οι φοιτητές του ΕΜΠ αντιμετωπίζουν τέτοιες συμπεριφορές.
Όπως αναφέρθηκε παλιότερα ζήταγαν μέχρι και συγκεκριμένες βαθμολογίες, και μάλιστα ανάλογα το ίδρυμα !

Π.χ. σου έλεγε να έχεις τουλάχιστον 9 σε αυτό το μάθημα.

Βέβαια να σου πω πως και να σε απορρίψουν, δεν χρειάζεται να τα βάψεις μαύρα.
Υπάρχουν άπειρα άλλα ιδρύματα και εδώ αλλά και έξω τα οποία είναι εξίσου καλά ή και καλύτερα απο άποψη υλικοτεχνικής υποδομής, διασυνδέσεων κτλπ. Εαν θέλουν να χάνουν καλούς φοιτητές λόγω εμμονών είναι δικό τους θέμα.

Γενικά το πρόβλημα στο ΕΜΠ είναι η μανία με την θεωρία και η απόσταση από την εφαρμογή.... Υπερβολικά και ίσως εσκεμμένα και στα μεταπτυχιακά και στα διδακτορικά εστιάζουν στην βαθιά ανεφάρμοστη θεωρία. Στα πανεπιστήμια της επαρχίας είναι πιο ρεαλιστές στην εφαρμογή.

 

[Samael]

Γενικά το πρόβλημα στο ΕΜΠ είναι η μανία με την θεωρία και η απόσταση από την εφαρμογή.... Υπερβολικά και ίσως εσκεμμένα και στα μεταπτυχιακά και στα διδακτορικά εστιάζουν στην βαθιά ανεφάρμοστη θεωρία. Στα πανεπιστήμια της επαρχίας είναι πιο ρεαλιστές στην εφαρμογή.

Μόνο σε τρεις παράγοντες θα μπορούσα να το αποδώσω. Ο ένας είναι εαν οι διδάσκοντες δεν έχουν περαιτέρω εμπειρία πέρα απο ερευνητική. Ο δεύτερος είναι εαν θεωρούν πως όλοι οι απόφοιτοι θα συνεχίσουν ως ακαδημαϊκοί και μόνο. Και ο τρίτος εαν θεωρούν πως κοίταξε να δεις εγώ δεν θα σου μάθω για το x, εγώ θα σου θεμελιώσω εδώ καλά την θεωρία που είναι η πιο δύσκολη και εαν θες ψάξε εσύ τις λεπτομέρειες της εφαρμογής/υλοποίησης.

Η κάθε σχολή δημιουργεί την κουλτούρα της, δεν είναι κακό. Αλλά σίγουρα θα ήταν προς όφελος των φοιτητών να τους δείχνουν και τους υπόλοιπους δρόμους. Πιστεύω πως οι περισσότεροι ΕΜΠιτες που πήγαν στην βιομηχανία και πέτυχαν έριξαν σίγουρα τρελό διάβασμα και προσπάθεια απο μόνοι τους για να μάθουν αρκετά πράγματα που πιθανώς δεν τους τα είπαν στην σχολή. Μερικά απο αυτά μπορεί κάποιος να τα υποθέτει στον πίνακα, αλλά στην πράξη να είναι τρελό μανίκι να πραγματοποιηθούν.

Σε αυτό το σημείο να πούμε επίσης πως γενικά υπάρχει μια αλλεργία με οτιδήποτε πρακτικό/εφαρμοσμένο, όπως και στο φυσικό λόγου χάρη. Δεν είμαι σίγουρος γιατί...ίσως να σχετίζεται με το γεγονός πως η χώρα δεν έχει βιομηχανία. Σε κάθε περίπτωση δημιουργεί σημαντικό πλήγμα σε σχέση με τους αποφοίτους του εξωτερικού καθώς μερικά αντικείμενα, αναπόφευκτα τα κατανοείς πολύ καλύτερα όταν αποκτάς και επαφή με το αντικείμενο στην πράξη, πέρα απο το χαρτί.

 

[gegeorgiou90]

Και ο τρίτος εαν θεωρούν πως κοίταξε να δεις εγώ δεν θα σου μάθω για το x, εγώ θα σου θεμελιώσω εδώ καλά την θεωρία που είναι η πιο δύσκολη και εαν θες ψάξε εσύ τις λεπτομέρειες της εφαρμογής/υλοποίησης.

Ναι θεωρούν ότι η εφαρμογή είναι πολύ πιο εύκολη από την θεωρία και δεν έχει νόημα να την διδάξουν. Πιστεύουν ότι μόνο η θεωρία έχει νόημα.

Αυτή η τεχνική είναι καλή για ακαδημαϊκή καριέρα, αλλά για βιομηχανική καριέρα σε αφήνει λίγο πίσω και χρειάζεσαι 1-2 χρόνια να προσαρμοστείς.

Αυτό που θέλω να πω οτι αυτό έχει μια βάση σε προπτυχιακό επίπεδο και είναι καλό κατά την γνώμη μου. Αλλά σε μεταπτυχιακό-διδακτορικό επίπεδο, που μιλάμε για 25-35 χρονών άτομα, αν δεν θέλουν ακαδημαϊκή καριέρα, δεν έχει νόημα τόση απόσταση και καθυστέρηση από την πράξη. Κουράζεις πολύ το μυαλό για θεωρία και μετά το ξανακουράζεις για να ενσωματωθείς στην βιομηχανία.

On-topic: Το μεταπτυχιακό Data Science των ΗΜΜΥ ΕΜΠ, είναι για τους τοπ μηχανικούς μη ΗΜΜΥ που έχουν καταλήξει ότι θέλουν ακαδημαϊκή καριέρα στο Data Science.

 

[redpointer]

Γενικα στην ακαδημια σνομπαρουν πολυ την βιομηχανια παρολο που αυτη μπορει να εχει και τα 3πλασια λεφτα (μαλλον για αυτο βασικα). Επισης οντως μπορει κατι εφαρμοσμενο να ειναι πιο ευκολο στην πληροφορικη αλλα δεν ειναι αυτο μονο το αντικειμενο της δουλειας. Ειναι να καταλαβεις τι θες να κανει η εφαρμογη να γινει αυτο σε μεγαλη κλιμακα κλπ.

 

[gegeorgiou90]

Γενικα στην ακαδημια σνομπαρουν πολυ την βιομηχανια παρολο που αυτη μπορει να εχει και τα 3πλασια λεφτα (μαλλον για αυτο βασικα).

Νομίζω έχει να κάνει με τον επίπεδο κούρασης του εγκεφάλου. Περίπου σαν τον σκάκι. Δηλαδή το ζητούμενο είναι να κουράσεις όσο πιο περίπλοκα γίνεται το μυαλό σου και να καταλάβεις περίεργα πράγματα, αδιαφορώντας για το οικονομικό αντίκτυπο. Υπάρχουν πολλοί σκακιστές που απλά τους αρέσει να νικούν και να σκέφτονται και δεν τους νοιάζει καθόλου τι λεφτά θα βγάλουν. Ή δες τον μαθηματικό Γκριγκόρι Περελμάν που του αρέσει να λύνει περίεργους γρίφους (εικασία του Πουσνκαρέ) και αρνείται τα βραβεία και τα χρήματα (1 εκατομμύριο δολάρια αρνήθηκε να πάρει). Είπε ότι τα χρήματα και η δόξα δεν τον ενδιαφέρουν. Τον ενδιαφέρει μόνο να κουράζει το μυαλό. Είναι πολλοί τέτοιοι, και οι καθηγητές του ΕΜΠ είναι αυτής της νοοτροπίας.

 

[redpointer]

Νομίζω έχει να κάνει με τον επίπεδο κούρασης του εγκεφάλου. Περίπου σαν τον σκάκι. Δηλαδή το ζητούμενο είναι να κουράσεις όσο πιο περίπλοκα γίνεται το μυαλό σου και να καταλάβεις περίεργα πράγματα, αδιαφορώντας για το οικονομικό αντίκτυπο. Υπάρχουν πολλοί σκακιστές που απλά τους αρέσει να νικούν και να σκέφτονται και δεν τους νοιάζει καθόλου τι λεφτά θα βγάλουν. Ή δες τον μαθηματικό Γκριγκόρι Περελμάν που του αρέσει να λύνει περίεργους γρίφους (εικασία του Πουσνκαρέ) και αρνείται τα βραβεία και τα χρήματα (1 εκατομμύριο δολάρια αρνήθηκε να πάρει). Είπε ότι τα χρήματα και η δόξα δεν τον ενδιαφέρουν. Τον ενδιαφέρει μόνο να κουράζει το μυαλό. Είναι πολλοί τέτοιοι, και οι καθηγητές του ΕΜΠ είναι αυτής της νοοτροπίας.

Σωστα το ιδιο θεωρω οτι ειναι και ο Δασκαλακης μιας και ειναι καθηγητης στο ΜΙΤ και δεν βγηκε στην βιομηχανια που σιγουρα θα μπορουσε. Θα ελεγα βασικα οτι καποια ατομα ειναι πολυ πολυ του διαβασματος και οχι τοσο της πρακτικης δουλειας. Ο συνδυασμος των 2 δηλαδη γνωση διδακτορικου και δουλεια σε μεγαλη εταιρεια (πχ google) ειναι που δινει και τα πιο πολλα λεφτα καθως προσφερεις κατι (ερευνα) που κανει παγκοσμια επιρροη και για αυτο αμοιβεσαι και πολυ.

 

[Leo komm]

Ο τύπος είναι μια κατηγορία από μόνος του, δες τον πως ντύνεται και θα καταλάβεις…περίπτωση μεγάλη αλλά και ‘μυαλο’ τεράστιο επίσης .
Η βιομηχανία θέλει λύσεις επίσης του πρακτέου… δεν θέλει ‘αερολογίες θεωρητικές’.. θέλει να είσαι ακριβής και γρήγορος και να δίνεις λύσεις στα προβλήματα..
Από όλους τους μεγάλοκαθηγηταδες που περάσατε πραγματικά πόσοι πιστεύεται από αυτούς θα μπορούσαν να σταθούν ‘στη βιοχημανια’; (..ακόμα και αν είχαμε..)
Ακόμα και αυτοί που περάσανε ένα φεγγάρι απο βιομηχανίες γιατί πιστεύεται ότι την κοπανήσανε και φύγανε;
Εκτός από ελάχιστες εξαιρέσεις που πραγματικά είναι πανάξιοι οι υπόλοιποι είναι απλά….’θεωρητικοι’, αυτή είναι η αληθεια.

 

[redpointer]

Καλα θεωρω οτι και αυτοι που κανουν ερευνα στην openai οτι ειναι πολυ δυνατοι.

 

[gegeorgiou90]

Καλα θεωρω οτι και αυτοι που κανουν ερευνα στην openai οτι ειναι πολυ δυνατοι.

Μέτριοι είναι και σε καμία περίπτωση σαν τους θεωρητικούς, όπως ο Δασκαλάκης ή ο Περελεμάν. Όπως είπα όλο το AI στις ΗΠΑ, βασίζεται σε "πολλά πειράματα και κάποιο θα πετύχει", όχι σε πολύ προχωρημένη ανθρώπινη ανάλυση και στοχευμένα πειράματα. Και πιστεύω ότι σε τελική ανάλυση δεν θα πετύχει αυτό κυρίως λόγω έλλειψης ενέργειας και υποτίμησης του ανθρώπινου παράγοντα.

 

[Samael]

Το θέμα κατ'εμέ είναι πως ο θεωρητικός πιθανώς δεν θα δει ποτέ κάτι απο την αρχή μέχρι το τέλος. Οπότε είναι πολύ σχετικό το κατά πόσο έχει βαθιές γνώσεις γύρω απο ένα αντικείμενο. Όπου σε αυτή την περίπτωση τίθεται και το ερώτημα πως διαφέρεις απο τον μαθηματικο αφού μένεις στο επίπεδο που μελετάς μόνο εξισώσεις.

Το ισχυρό μαθηματικό υπόβαθρο χρειάζεται πραγματικά μόνο σε όσους σκοπεύουν να ασχοληθούν σε επίπεδο που η φύση των προβλημάτων είναι βαθιά υπολογιστική. Λόγου χάρη data science και προσομοιώσεις.

Που πάλι υπάρχει ένα ζήτημα εδώ. Τι μηχανικος είσαι εαν ξέρεις να ασχοληθείς με τις προσομοιώσεις αλλά δεν έχεις μπει ποτέ σε εργαστήριο να μετρήσεις αυτά που σχεδίασες και προσομοίωσες ; Γενικότερα πως κάνεις καλά την δουλειά σου ακόμα και στο σχεδιαστικό ή μαθηματικό επίπεδο εαν δεν έχεις επαφή με την υλοποίηση;

 

[redpointer]

Μέτριοι είναι και σε καμία περίπτωση σαν τους θεωρητικούς, όπως ο Δασκαλάκης ή ο Περελεμάν. Όπως είπα όλο το AI στις ΗΠΑ, βασίζεται σε "πολλά πειράματα και κάποιο θα πετύχει", όχι σε πολύ προχωρημένη ανθρώπινη ανάλυση και στοχευμένα πειράματα. Και πιστεύω ότι σε τελική ανάλυση δεν θα πετύχει αυτό κυρίως λόγω έλλειψης ενέργειας και υποτίμησης του ανθρώπινου παράγοντα.

Γενικα το θεμα ειναι να γινεται σωστη συνεργασια πανεπιστημιων και εταιρειων που στην ελλαδα δεν θεωρω πως γινεται. Το chatgpt παντως που το εχουμε τωρα αν δεν υπηρχαν και τα 2 δεν θα το ειχαμε. Οποτε αυτοι της openai οντως κανουν κατι μοναδικο το ιδιο και στην meta ai.