Hat, fene tudja. Tippre minden egyes Tensorflow fejlesztore jut vagy 100 (esetleg 1000), aki csak hasznalja, lehet, hogy o maga nem is fejleszto, hanem mondjuk kiserleti fizikus, aki GiB nagysagrendu meresi adatbol probal valami hasznosat kinyerni. A Tensorflow fejlesztonek itt lehet hasznos az informatika PhD, talan meg egy matematika PhD is pluszban, de ha jol csinaljak, akkor a felhasznalonak mar nem kell (legfeljebb a sajat szakteruletebol, mondjuk kiserleti fizikabol). Es kb. minden teruleten azt fogod talalni, hogy van par ember, aki karbantartja az adott libet, es van egy par nagysagrenddel tobb, aki csak hasznalja. Ahogy a Tensoflow fejlesztok jelentos resze sem ert a kernelhez meg libc-hez meg amikre meg epit, csak hasznalja.
Par eve a ceges termekbe kellett egy kinaiul is tudo kezirasfelismero (kinai karaktert, latint, es arab szamokat is kellett tudnia). Megtanulhattam volna kinaiul, szerezhettem volna matek PhD-t, meg mehettem volna kulon machine learning tanfolyamra (mondjuk ehhez valamennyire ertek), de ido- es koltseghatekonyabb volt licencelni egy kinai ceg termeket, ami pont ezt tudta. Persze a beepiteset igy is meg kellett oldanunk (meg elotte valami tesztappot osszedobtam hozza, hogy a kinai vezeto ki tudja probalni jo lesz-e), de osszessegeben napokat, es nem eveket vett igenybe. Ja, es a licenckoltseg is a fejlesztesi koltseg toredeke, ami az ugyfelnek fontos. (mondjuk a fejleszteshez+teszteleshez par kinai karaktert igy is megtanultam)
Fejlesztunk egy tobb robotbol allo rendszert. Tudod mi benne a legbonyolultabb matematika? Egy admittancia-szabalyzo, par szorzasbol es osszeadasbol all, es kb. dimenzionkent szamolhato (gyakorlatilag rugoerot meg csillapitast szamol). A UR persze szamol inverz kinematikat, de tolunk csak a kivant pozicio (meg par egyeb adat) kell, a csuklok szoget mar o talalja ki. Ha inverz kinematika algoritmus fejlesztesevel foglalkoznank, akkor hasznos lenne egy csomo ehhez kapcsolodo matek, de igy nem kell. Cserebe nem irunk belole publikaciokat, csak siman hasznalhato. A gyakorlatban.
Keszitettunk/felujitottunk tobb CNC marot meg esztergat. A szabalyzasra PID-ek vannak, kulon az aramra, sebessegre, poziciora, persze tengelyenkent kulon-kulon kell. Nekem infon anno 2 felev kapcsolodo matekos targyam volt (Jelek es rendszerek, meg Szabalyozastechnika, a jelenlegi kulon Bsc+Msc rendszerben nem tudom mi maradt belole), az ehhez szukseges egyeb matekos alapozo targyakat nem szamitva. A gepesz/mechatronikai mernok kollegaimnak persze ennel tobb. Egyikuk nagyon szerette ezt a temakort, ugyhogy a PIDek beallitasa neki jutott. Tudod hogy csinalta? Beirt szamokat (jo, persze nem hasrautesre, de kb. 10 perc alatt elmagyarazod mi alapjan), es idovel jo lett. Amikor egy masik gepnel eloszor megprobalta ugy, ahogy tanulta, sokkal rosszabb lett az eredmeny (csunya nemlinearitasok vannak, meg egy csomo olyan parameter, amit nem tudsz, de kene).
Keszitettunk egy rendszert, ami neuronokrol jovo elektromos jeleket mer es dolgoz fel. A feladat egyik reszere nem volt jol mukodo library. Megkertem a fonokomet, hogy valasszon valamilyen algoritmust ra (o ertett a biologiahoz, nem en, jobban meg tudja itelni a szakmai publikaciokat), erre kaptam tole egy publikaciot, az abban levo algoritmust implementaltam, es ennyi (kicsit jobban parameterezhetore csinaltam, az eredeti az FPGA-s implementacio miatt elegge kotott volt). Beiratkozhattam volna en is a Hopkinsra, de koltseghatekonyabb volt megkerdezni ot (meg amugy is az o fejeben volt a pontos feladat). Persze kereshettem volna en is a publikaciok kozott, vagy kitalalhattam volna sajatot, de valoszinuleg rosszabb eredmenyt adott volna. (meg nem a sajat publikacio volt a cel)
A technologia, nyelv, es egyebek tanitasanak szerintem van haszna. BME-n nekem meg tanitottak az akkor mar teljesen elavult Z80 alapveto szerkezetet. Tanithattak volna a legujabb Intelt is, csak a hallgatok jelentos reszenek egesz eleteben nem lesz ra szuksege, az a maradek par meg ugyis megtanulja az akkori csucstechnikat. De pl. C programozast is celszeru tanitani, mert egyreszt hasznos, masreszt ha mar ismersz n nyelvet, egy n+1.-et mar nem ugy tanulsz, hogy mi az a valtozo, hanem ugy, hogy oke, itt ez a szintaxisa, ilyen tipusok vannak, haladjunk! Az Euler integralas eleg egyszeru, annak meg Bsc-n is mennie kene. Ja, es - ha azonos a teglalapok alapja - en a magassagokat adnam ossze, es a vegen szoroznam be az alappal, ugy hatekonyabb lesz. Ha nem tanitasz semmi gyakorlati dolgot (pl. programozni), akkor kikerul egyetemrol 0 hasznos tudassal, es mar fel sem veszik arra a helyre, ahol 20 evvel kesobb hasznalhatna azt a rengeteg matekot (addigra el is felejti).
Sok dologra hasznos lehet a PhD, de nagyon sok helyen favagasra van szukseg, amire a BProf teljesen jo. Nem fogsz egy doktorral napi 8 oraban Wordpress sablonokat keszittetni, mert egyreszt nem koltseghatekony, masreszt egy het alatt megunna, es felmondana. Ja, es a legtobb munkahely nem egyszemelyes, ha sok matekos problema van, fel kell venni egy matematikust (vagy ha egyszemelyes, vagy nincs olyan nagyon sok, de idonkent elojon, meg mindig ki lehet adni a feladat matekos reszeit masnak). Kutatasra, sok matekra akkor van szukseg, ha valami teljesen ujat kell alkotni (vagy meglevo dolgot tovabbfejleszteni), es akkor is csak arra a kis reszre, ahol nincs jol mukodo, es felhasznalhato megoldas. Az osszes tobbinel elo kell venni a pottyoslabda-katalogust.
(fyi: spec. mat. gimiben eleg jo voltam matek es fizika versenyeken, es utana BME Infot vegeztem, meg osztatlan kepzesen (par valaszthato matek meg fizika targgyal), szoval nincs problemam a matekkal)