Studium na Saarlandské univerzitě - zimní semestr

Po 4 týdnech výuky je čas na menší zhodnocení zdejší výuky. Nejprve teda můj background:

Jsem student třetího ročníku bakaláře na ČVUT FELu, program Otevřená Informatika, obor informatika a počítačové vědy. Mohu s jistou nadsázkou tvrdit, že jsem v té lepší polovině. Zhruba chápu věci, co by měl průměrný FELák chápat. Programování a všechnu vyšší matematiku jsem se naučil ve škole. Na rozdíl od Brňáků, kterým to cpali v jeslích. Občas mi něco jde o něco hůř, občas to mám snažší, ale celkově se studiem držím krok bez větších komplikací. Nejsem teda excelentní vědec jako někteří elitnější studenti, ale taky to neflákám. Prostě střední třída.

Náhodný výhled z informatické budovy

Na Saarlandské univerzitě jsem si na zimní semestr vybral tři předměty: Machine Learning, Pattern and Speech recognition a Theory of distributed systems. Všechny pokročilejší (tedy víc než calculus 101) kurzy tu jsou v angličtině, kterou zdejší profesoři ovládají výborně. Po zkušenostech z FELu jsem byl velmi příjemně překvapen.

  1. Machine Learning je za 9 kreditů, má týdně dvě přednášky a jedno cvičení. Je to spíše pro magistry s dostatečným matematickým aparátem. Musím přiznat, že mi s jedním kurzem statistiky, analýzy a lingebry (s docela slušnými výsledky) docela trvalo se chytnout a ani teď si nejsem jist, jestli prolezu zkouškou. Každý týden jsou domácí úkoly a dělají se ve skupinách. Většinou tam něco počítáte/derivujete/dokazujete, programování tu je méně. Konvexní programování jsem nedělal ještě vůbec (to jsem teoreticky měl dělat tenhle rok v Česku), takže jsem měl co dohánět. Pro -normální- bakaláře spíše nevhodné, pokud nejste skutečně dobří. Nebo matfyzáci. OI by v tomhle potřebovala asi další 3 semestry matematiky. Naprostá většina mého týdnu padá na tohle.
  2. Pattern and Speech recognition je naopak místy fakt lehký. 6 kreditů, jedna přednáška a jedno nepovinné cvičení. Vzhledem k tomu, že musí spoustu matiky opakovat pro lingvisty bez počítačového/matematického základu, jsem se ze začátku flákal. Úkoly jsou podstatně snažší a spíše praktického charakteru. Letos se programuje v Matlabu a Pythonu, takže není absolutně žádný problém to sledovat i se základní znalostí z PR1/PR2. Tohle by měl zvládnout i druhák OI. Klakow a jeho přednášky jsou sice zmatené (pokud jste neuměli statistiku předtím, tak se jí tady nenaučíte..), ale dost možná tu ani ty základy nepotřebujete. Haha lingvisti. Cílem kurzu je vytvořit funkční rozpoznávač řeči.
  3. Theory of distributed systems je pokročilý kurz, kde se převážně diskutuje. Úkoly jsou teoretické (haha), bez programování. Nejlépe se řeší -jak jinak- diskusí ve skupině. Tady leží kámen úrazu, protože můj tým je naprosto neschopný. Už dvakrát jsem to musel vypracovat a odevzdat sám, což byl neskutečný stres. Úkoly jsou doslova dělané tak, aby je nešlo udělat o samotě. Na každém cvičení se shrne přednáška a pak se prezentují řešení úkolů - Všechno dělají studenti, cvičící přímo odmítá něco vypravovat a jenom moderuje diskusi a případně něco dovysvětluje. Probíráme distribuované algoritmy a dokazujeme dolní hranice výpočtů (nebo naopak jsme ukázali, že v čistě asynchronním systému nelze dosáhnout konsensu mezi uzly). Většinou se nastíní nějaký problém a při jeho řešení vznikaj nesmírně elegantní algoritmy. Ve skutečném světě jsou pro běžné programátory spíše na nic, ale existují výborné aplikace mimo jiné v embedded systémech.
Jak jsem řekl, úkoly se dělají převážně ve skupinách. Na ML tým trošku brzdím, na PSR to je velmi vyvážené a Tods tahám sám. Zajímavostí je, že cvičící tu jsou studenti, co kurz už jednou udělali (většinou ti, co měli výborné známky). Teoreticky to je skvělý nápad, protože jsou nám studenti blíž a mohou to líp vysvětlit. V praxi to ale vypadá tak, že drmolí vypracovaná řešení z papíru a odpovídají zmateně. Přišlo mi, že ostřílený učitel by spíš věděl kde jsou největší problémy, protože už viděl nějaké množství retardovaných studentů.

Ale je vtipné, když vaši cvičící z pattern and speech recognition potkáte na přednášce z machine learningu.

Co se týče školního systému, mají stránku lsf.uni-saarland.de, které ale říkají HISPOS, což absolutně nedává smysl. Na začátku roku strašili, že se tam všichni studenti musí zapisovat na zkoušky, ale jako erasmáci to řešit nemusíte. Stačí se dohodnout s učitelem, že chcete potvrzení. Zajímavostí je, že tu jsou první přednášky introdukční, takže se vyplatí chodit na všechny a až pak si vybrat, co chcete studovat. Na FELu jste si museli závazně zapsat věci v KOSu a ze zajímavě znějícího předmětu se mohla vyklubat mrdka.

Komentáře

Populární příspěvky z tohoto blogu

Asian Squad

Vázání knih

Dormking