Стал замечать, что не имеющие между собой ничего общего вещи, которые я изучал и считал, что никогда мне не пригодятся, начинают собираться в кучу и дополнять друг друга вырисовывая общую картину. Это невероятно приятное ощущение.

Видимо в этом вся суть междисциплинарного подхода. Ты изучаешь что-то в одной области, применяешь разные инструменты и подходы, потом переходишь в другую и видишь ту же самую картину - просто сформулированную под другим углом, и с другими переменными.

Сегодня сидел и кодил в лабе, как вдруг мой приятель по работе подсаживается и просит меня посоветовать ему книги для саморазвития.

В общем, долго я думал и в течение дня какие мог книги ему порекомендовал - включая те, о которых я писал и сюда. Однако я давно сюда ничего не писал про книги, поэтому сегодня будет небольшой обзор литературы, которую я советую почитать.

Откроет этот небольшой список недавно опубликованная книга «Build: An Unorthodox Guide to Making Things Worth Making». Нереально полезный материал для прочтения любому, кто хочет делать карьеру в Tech. Я бы назвал это step-by-step guide/шпаргалка для основателей или начинающим в сфере технологий. Про самого Tony Fadell - автора книги - загуглите, легендарный мужик.

Как бы банально не звучала следующая цитата из книги, она меня подтолкнула на то, чтобы определиться с тем, что я хочу делать в ближайшие несколько лет.

«The best way to find a job you’ll love and a career that will eventually make you successful is to follow what you’re naturally interested in, then take risks when choosing where to work. Follow your curiosity rather than a business school playbook about how to make money. Assume that for much of your twenties your choices will not work out and the companies you join or start will likely fail. Early adulthood is about watching your dreams go up in flames and learning as much as you can from the ashes. Do, fail, learn. The rest will follow.»

Книга полна всякими полезными советами вне зависимости от вашей ступени на карьерной лестнице. Рекомендую.

Переходим к следующим книгам. Я уже упоминал, что у меня есть сильный интерес к сфере Neuroscience, поэтому я всё ещё читаю разные книги и слушаю подкасты на тему мозга, нейротехнологий и т.д. Я кстати делаю небольшие шаги в развитии в этом направлении. Спойлер: присоединяюсь к новой группе по исследованию, но об этом потом.

Не буду много расписывать о следующих книгах, но вкратце мне очень понравилась «Livewired: The Inside Story of the Ever-Changing Brain» by David Eagleman. Очень доходчиво и в полной мере рассказывает о нейропластичности мозга на основе многих примеров. Мне было особо интересно, потому что часто применялись примеры Brain-Machine Interfaces на реальных жизненных ситуациях.

Далее, крутая книга (я её слушал) под названием «Projections» от Karl Deisseroth. Он уже приходил как гость на Huberman Lab Podcast и к Lex Friedman, и меня заинтересовали его исследования в области психиатрии и optogenetics, поэтому решил почитать книгу. Вообще Карл крутой писатель, и было приятно слушать аудиокнигу с его повествованием.

Следующие книги: «How We Die» от Sherwin Nuland и «Do No Harm» от Henry Marsh. Было интересно почитать о том, что происходит в операционной палате хирургов.

По self-help, в этом году мне понравились «Everything is f*cked» от Mark Manson и «How to Not Die Alone» от Logan Ury. Книги помогли мне в неприятные для меня времена.

Из fiction «Project Hail Mary» от Andy Weir. Видел, что многие рекомендуют эту книгу. Интересная задумка и увлекательная история с элементами научных описаний.

Сейчас я читаю «Klara and the Sun», но даже не закончив её, я бы порекомендовал её как ещё один fiction к списку.

И напоследок, если вам хочется получить пищу для размышлений, то вчера я наткнулся на вот эту книгу: https://thenetworkstate.com/
Если вы интересуетесь блокчейн, или в целом новыми идеями, то думаю вам понравится.

Нежданчик

Выглядит прикольно, но что у него торчит за ухом?

Классная книга! Название не совсем точное, и больше подходит её альтернативное название «The Myths of Meritocracy».

Всегда приятно читать труды Gladwell-а. Если вам нужен объективный взгляд на систему образования США, то советую послушать (да, к сожалению доступна только в аудио версии). По моему мнению, он просто прошёлся и растоптался по всей системе образования США, показав какие изменения она должна понести.

После этого, я ещё почувствовал благодарность к тому, что у меня есть.

В общем, советую.

https://www.audible.com/pd?asin=B09X8B2ZDY

Пару дней назад, paper одного из наших PhD студентов приняли в мощный журнал Advanced Materials. Мне удостоилось стать со-автором этой статьи.

Что ж, я теперь могу считаться юным учёным 🤓.

https://scholar.google.com/citations?hl=en&user=vC2sauQAAAAJ

https://youtu.be/3EjtHs_lXnk

Кстати, NVIDIA A100 GPU про которые он говорил в самом начале видео, есть в нашей лабе. Ещё одна из крутых фич делать рисерч в универе - доступ к огромным компьютерным мощностям. На компе на котором я работаю стоит таких 4 по 40 GB RAM в каждой.

Про неё кстати отдельно снимал видос Linus Tech Tips: https://youtu.be/zBAxiQi2nPc

Алга Лехай, алга Казахстан! 🦅 🇰🇿

https://www2.lehigh.edu/news/lehigh-and-kazakh-universities-team-up-for-sustainable-impact

Давно не писал посты – был довольно напряжный, но продуктивный семестр. А пока я готовлю пост, подпишитесь на Чину: https://tttttt.me/nesummer88.
Он пишет куда чаще посты про Лехай и жизнь в Штатах

Закончился очередной семестр в универе (уже пятый), и пора подводить итоги/делиться новостями, поскольку я давно сюда ничего не писал.

В целом, этот семестр был самым продуктивным периодом за годы обучения в Lehigh.

Буду идти по порядку ниже.

Всё началось с того, что я получил offer в Amazon, а точнее Amazon Web Services в конце августа. Я был безгранично рад, так как шёл к этому очень долго. На момент получения оффера я уже подал в 80+ компаний на лето 2023.

Я думаю это событие очень хорошо повлияло на мою мотивацию и зарядило меня на весь последующий семестр. Я понял, что весь труд оправдывается, и для больших вещей в жизни нужны постепенные шаги. Но несмотря на это даже маленькая деталь и немного удачи может дать тот самый толчок на заветный результат.

После получения оффера я более менее расслабился, и поэтому мог обращать внимание на классы и своё здоровье. Классы, которые я брал в этом семестре были не из самых легких - по сути самые сложные которые я когда либо брал.

Я взял 5 CS курсов, 1 бизнес курс и 1 курс по журналистике (всего 1 кредит за позицию data editor). CS курсы которые я брал – это Design and Analysis of Algorithms (CSE 340), Software Engineering (CSE 216), Fundamentals of Machine Learning (CSE 326), Computer Vision (CSE 398), Blockchain Algorithms & Applications (CSE 242). Бизнес курс который я брал был Legal Environment of Business (LAW 201).

Обычно такой workload на 19 кредитов не берут, в особенности с таким большим количеством CS курсов. Но у меня была идея взять их как можно больше, чтобы набраться знаний к стажировке летом, и «почувствовать себя настоящим CS major».

Спойлер: я почувствовал.

Было очень много работы, но я получил от этого удовольствие и хороший experience. В курсах по машинному обучению, компьютерному зрению и блокчейну было немало проектов, которые я скорее всего добавлю себе в резюме. Еще один плюс этого: все мои последующие семестры look like a joke. В свой последний семестр я вообще могу быть part-time студентом.

По итогу семестра я получил все А, кроме LAW 201, где я получил В+ (как всегда бизнес всё портит). Это помогло мне поднять свой GPA до 3.81.

Самый классный курс был Computer Vision. Профессор которая преподавала вела самые интересные лекции которые я когда либо посещал в Lehigh. У нас было 5 programming assignments где надо было сделать image enhancement, image stitching, segmentation, objects classification с нуля на Python или MATLAB. До того как я взял этот класс, я думал что весь comp vision – это просто использование CNN. Однако, теперь вижу что есть много hand-crafted методов компьютерного зрения. В целом было интересно получить детальное представление о том, как развивалось компьютерное зрение и какие возможности есть в будущем.

На фотке, часть моего финального проекта, который помогает людям с ограниченными возможностями использовать клавиатуру с помощью eye-gaze.

Курс по машинному обучению был довольно полезным, но это не тот курс который стоит брать в Lehigh. Объяснения профессора –ужасные, и оставляют тебя более confused чем до лекции.

В целом, я научился многому через лекции Cornell профессора Killian Weinberger и MIT opencourseware. У обоих есть плейлисты лекций на YouTube, и это был самый лучший ресурс именно по фундаментам машинного обучения.

Под словом фундаменты я подразумеваю математическую часть, которую обычно не дают в популярных курсах от Andrew Ng и fast.ai. Они дают общую картину и интуитивное понимание машинного обучения. Хоть фундаменты довольно сложные, они показались мне очень интересными. Особенно SVM.

Есть много о чем рассказать, поэтому буду писать по мере возможности.

Окей, идём дальше. В принципе, про другие курсы особо рассказывать нечего. Если интересно, то задавайте вопросы.

Следующее, что было круто в этом семестре - это мои презентации по рисерчу на двух конференциях в Техасе. Они обе проходили в начале октября.

Первая - это Fast Machine Learning for Science Workshop 2022, которая проходила в Southern Methodist University Dallas, TX. Главная тема конференции - это использование машинного обучения в различных областях науки для более быстрого проведениях экспериментов и анализа данных. Это был очень humbling experience, так как я познакомился с многими крутыми исследователями и профессорами из Fermilab, Oak Ridge National Lab, CERN, Caltech, MIT и т.д.

Конференция проходила целых 4 дня, и я выступал во 2 день. Это было моё 6-ое выступление с моим проектом, и я думаю это было самое лучшее so far. После конференции я понял, что хотел бы делать PhD в будущем.

Если кому интересно, вот главная страница сообщества организовавшее конфу: https://fastmachinelearning.org

Вторая конференция была не сильно волнительная - Gulf Coast Undergraduate Research Symposium 2022 в Rice University. Я уже участвовал в ней в 2020 году, но тогда она была онлайн. Я был очень рад когда прошёл, так как отбор вроде был довольно серьезный.

Встретил много умных ребят, но чувствовал себя не в своей тарелке так как участвовал в секции Materials Science and Nanoengineering. Было прикольно, что профессоры универа относились к нам как к потенциальным студентам PhD. После презентации, один из профессоров даже предложила делать мне с ней исследование весной.

В целом мне очень понравился Хьюстон, и в особенности район Medical Center. Думаю Rice - это офигенное место для учёбы, в особенности если хочется делать research связанный с медицинской сферой.

Конечно же, отдельно спасибо тем, с кем я встретился в Хьюстоне. Классно провели время.