Σήμερα εγκαινιάζουμε ένα επιστημονικό βραβείο με το όνομα Ilya Segalovich . Θα απονεμηθεί για επιτεύγματα στον τομέα της επιστήμης των υπολογιστών. Προπτυχιακοί και μεταπτυχιακοί φοιτητές ή να ορίσει επιστημονικούς επόπτες. Οι βραβευθέντες θα επιλεγούν από εκπροσώπους της ακαδημαϊκής κοινότητας και της Yandex. Τα κύρια κριτήρια επιλογής: δημοσιεύσεις και παρουσιάσεις σε συνέδρια, καθώς και συμβολή στην ανάπτυξη της κοινότητας.
Η πρώτη τελετή βράβευσης θα γίνει τον Απρίλιο. Στο πλαίσιο του βραβείου, οι νέοι επιστήμονες θα λάβουν 350 χιλιάδες ρούβλια και επιπλέον, θα μπορούν να πάνε σε ένα διεθνές συνέδριο, να εργαστούν με έναν μέντορα και να υποβληθούν σε πρακτική άσκηση στο ερευνητικό τμήμα Yandex. Οι επιστημονικοί επόπτες θα λάβουν 700 χιλιάδες ρούβλια.
Με αφορμή την έναρξη του βραβείου, αποφασίσαμε να μιλήσουμε εδώ στο Habré για τα κριτήρια επιτυχίας στον κόσμο της επιστήμης των υπολογιστών. Ορισμένοι αναγνώστες του Habr είναι ήδη εξοικειωμένοι με αυτά τα κριτήρια, ενώ άλλοι μπορεί να έχουν λανθασμένη εντύπωση για αυτά. Σήμερα θα γεφυρώσουμε αυτό το χάσμα - θα θίξουμε όλα τα κύρια θέματα, συμπεριλαμβανομένων άρθρων, συνεδρίων, συνόλων δεδομένων και μεταφοράς επιστημονικών ιδεών σε υπηρεσίες.
Για τους επιστήμονες του κλάδου της πληροφορικής, βασικό κριτήριο επιτυχίας είναι η δημοσίευση της επιστημονικής τους εργασίας σε ένα από τα κορυφαία διεθνή συνέδρια. Αυτό είναι το πρώτο «σημείο ελέγχου» για την αναγνώριση της εργασίας του ερευνητή. Για παράδειγμα, στον τομέα της μηχανικής μάθησης γενικά, διακρίνονται το Διεθνές Συνέδριο για τη Μηχανική Μάθηση (ICML) και το Συνέδριο για τα Συστήματα Επεξεργασίας Νευρωνικών Πληροφοριών (NeurIPS, πρώην NIPS). Υπάρχουν πολλά συνέδρια σε συγκεκριμένους τομείς της ML, όπως η όραση υπολογιστή, η ανάκτηση πληροφοριών, η τεχνολογία ομιλίας, η αυτόματη μετάφραση κ.λπ.
Γιατί να δημοσιεύσετε τις ιδέες σας
Οι άνθρωποι που απέχουν πολύ από την επιστήμη των υπολογιστών μπορεί να έχουν την εσφαλμένη αντίληψη ότι είναι καλύτερο να κρατούν μυστικές τις πιο πολύτιμες ιδέες και να προσπαθούν να επωφεληθούν από τη μοναδικότητά τους. Ωστόσο, η πραγματική κατάσταση στον τομέα μας είναι ακριβώς το αντίθετο. Η εξουσία ενός επιστήμονα κρίνεται από τη σημασία των έργων του, από το πόσο συχνά αναφέρονται τα άρθρα του από άλλους επιστήμονες (citation index). Αυτό είναι ένα σημαντικό χαρακτηριστικό της καριέρας του. Ένας ερευνητής ανεβαίνει στην επαγγελματική κλίμακα, γίνεται περισσότερο σεβαστός στην κοινότητά του, μόνο εάν παράγει με συνέπεια ισχυρή εργασία που δημοσιεύεται, γίνεται διάσημος και αποτελεί τη βάση για το έργο άλλων επιστημόνων.
Πολλά κορυφαία άρθρα (ίσως τα περισσότερα) είναι το αποτέλεσμα της συνεργασίας μεταξύ ερευνητών σε διαφορετικά πανεπιστήμια και εταιρείες σε όλο τον κόσμο. Μια σημαντική και πολύ πολύτιμη στιγμή στην καριέρα ενός ερευνητή είναι όταν του δίνεται η ευκαιρία να βρει και να κοσκινίσει μόνος του ιδέες με βάση την εμπειρία του - αλλά ακόμα και μετά από αυτό, οι συνάδελφοί του συνεχίζουν να του παρέχουν ανεκτίμητη βοήθεια. Οι επιστήμονες βοηθούν ο ένας τον άλλον να αναπτύξουν ιδέες, να γράφουν άρθρα σε συνεργασία - και όσο μεγαλύτερη είναι η συνεισφορά του επιστήμονα στην επιστήμη, τόσο πιο εύκολο είναι για αυτόν να βρει ομοϊδεάτες.
Τέλος, η πυκνότητα και η διαθεσιμότητα των πληροφοριών είναι πλέον τόσο μεγάλη που διαφορετικοί ερευνητές καταλήγουν ταυτόχρονα σε πολύ παρόμοιες (και πραγματικά πολύτιμες) επιστημονικές ιδέες. Εάν δεν δημοσιεύσετε την ιδέα σας, κάποιος άλλος θα τη δημοσιεύσει σχεδόν σίγουρα για εσάς. Ο «νικητής» συχνά δεν είναι αυτός που σκέφτηκε την καινοτομία λίγο νωρίτερα, αλλά αυτός που τη δημοσίευσε λίγο νωρίτερα. Ή - αυτός που κατάφερε να αποκαλύψει την ιδέα όσο το δυνατόν πληρέστερα, καθαρά και πειστικά.
Άρθρα και σύνολα δεδομένων
Έτσι, ένα επιστημονικό άρθρο χτίζεται γύρω από την κύρια ιδέα που προτείνει ο ερευνητής. Αυτή η ιδέα είναι η συνεισφορά του στην επιστήμη των υπολογιστών. Το άρθρο ξεκινά με μια περιγραφή της ιδέας, διατυπωμένη σε λίγες προτάσεις. Ακολουθεί μια εισαγωγή που περιγράφει το φάσμα των προβλημάτων που επιλύθηκαν με τη βοήθεια της προτεινόμενης καινοτομίας. Η περιγραφή και η εισαγωγή είναι συνήθως γραμμένες σε απλή γλώσσα που είναι κατανοητή από ένα ευρύ κοινό. Μετά την εισαγωγή, είναι απαραίτητο να επισημοποιηθούν τα προβλήματα που παρουσιάζονται στη μαθηματική γλώσσα και να εισαχθεί αυστηρή σημειογραφία. Στη συνέχεια, χρησιμοποιώντας τις εισαγόμενες σημειώσεις, πρέπει να δημιουργήσετε μια σαφή και περιεκτική δήλωση της ουσίας της προτεινόμενης καινοτομίας και να εντοπίσετε τις διαφορές από προηγούμενες, παρόμοιες μεθόδους. Όλες οι θεωρητικές δηλώσεις πρέπει είτε να υποστηρίζονται από αναφορές σε προηγούμενα συγκεντρωμένα στοιχεία είτε να αποδεικνύονται ανεξάρτητα. Αυτό μπορεί να γίνει με κάποιες υποθέσεις. Για παράδειγμα, μπορείτε να δώσετε μια απόδειξη για την περίπτωση που υπάρχει άπειρος όγκος δεδομένων εκπαίδευσης (μια προφανώς ανέφικτη κατάσταση) ή είναι εντελώς ανεξάρτητα μεταξύ τους. Προς το τέλος του άρθρου, ο επιστήμονας μιλά για τα πειραματικά αποτελέσματα που κατάφερε να λάβει.
Προκειμένου οι κριτές που προσλαμβάνονται από τους διοργανωτές του συνεδρίου να έχουν περισσότερες πιθανότητες να εγκρίνουν μια εργασία, πρέπει να έχει ένα ή περισσότερα χαρακτηριστικά. Ένας βασικός παράγοντας που αυξάνει τις πιθανότητες έγκρισης είναι η επιστημονική καινοτομία της προτεινόμενης ιδέας. Συχνά, η καινοτομία αξιολογείται σε σχέση με ήδη υπάρχουσες ιδέες - και το έργο της αξιολόγησής της δεν πραγματοποιείται από τον κριτικό, αλλά από τον ίδιο τον συγγραφέα του άρθρου. Ιδανικά, ο συγγραφέας θα πρέπει να πει λεπτομερώς στο άρθρο για τις υπάρχουσες μεθόδους και, αν είναι δυνατόν, να τις παρουσιάσει ως ειδικές περιπτώσεις της μεθόδου του. Έτσι, ο επιστήμονας δείχνει ότι οι αποδεκτές προσεγγίσεις δεν λειτουργούν πάντα, ότι τις γενίκευσε και πρότεινε μια ευρύτερη, πιο ευέλικτη και επομένως πιο αποτελεσματική θεωρητική διατύπωση. Εάν η καινοτομία είναι αναμφισβήτητη, τότε διαφορετικά οι κριτικοί αξιολογούν το άρθρο όχι τόσο επιλεκτικά - για παράδειγμα, μπορεί να κάνουν τα στραβά μάτια στα φτωχά αγγλικά.
Για να ενισχυθεί η καινοτομία, είναι χρήσιμο να συμπεριληφθεί μια σύγκριση με υπάρχουσες μεθόδους σε ένα ή περισσότερα σύνολα δεδομένων. Κάθε ένα από αυτά θα πρέπει να είναι ανοιχτό και αποδεκτό στο ακαδημαϊκό περιβάλλον. Για παράδειγμα, υπάρχει η αποθήκη εικόνων ImageNet και βάσεις δεδομένων ιδρυμάτων όπως το Modified National Institute of Standards and Technology (MNIST) και το CIFAR (Canadian Institute for Advanced Research). Η δυσκολία είναι ότι ένα τέτοιο «ακαδημαϊκό» σύνολο δεδομένων συχνά διαφέρει στη δομή περιεχομένου από τα πραγματικά δεδομένα με τα οποία ασχολείται ο κλάδος. Διαφορετικά δεδομένα σημαίνει διαφορετικά αποτελέσματα της προτεινόμενης μεθόδου. Οι επιστήμονες που εργάζονται εν μέρει για τον κλάδο προσπαθούν να το λάβουν υπόψη και μερικές φορές εισάγουν δηλώσεις αποποίησης όπως "στα δεδομένα μας το αποτέλεσμα είναι αυτό και αυτό, αλλά στο δημόσιο σύνολο δεδομένων - αυτό και αυτό".
Συμβαίνει ότι η προτεινόμενη μέθοδος είναι εντελώς «προσαρμοσμένη» σε μια ανοιχτή βάση δεδομένων και δεν λειτουργεί σε πραγματικά δεδομένα. Μπορείτε να καταπολεμήσετε αυτό το κοινό πρόβλημα ανοίγοντας νέα, πιο αντιπροσωπευτικά σύνολα δεδομένων, αλλά συχνά μιλάμε για ιδιωτικό περιεχόμενο που οι εταιρείες απλά δεν έχουν το δικαίωμα να ανοίξουν. Σε ορισμένες περιπτώσεις, πραγματοποιούν (μερικές φορές περίπλοκη και επίπονη) ανωνυμοποίηση δεδομένων - αφαιρούν τυχόν θραύσματα που παραπέμπουν σε ένα συγκεκριμένο άτομο. Για παράδειγμα, τα πρόσωπα και οι αριθμοί στις φωτογραφίες διαγράφονται ή γίνονται δυσανάγνωστα. Επιπλέον, προκειμένου το σύνολο δεδομένων όχι μόνο να είναι διαθέσιμο σε όλους, αλλά να γίνει πρότυπο μεταξύ των επιστημόνων για το οποίο είναι βολικό να συγκρίνονται ιδέες, είναι απαραίτητο όχι μόνο να το δημοσιεύσετε, αλλά και να γράψετε ένα ξεχωριστό αναφερόμενο άρθρο σχετικά με αυτό και τα πλεονεκτήματά του.
Είναι χειρότερο όταν δεν υπάρχουν ανοιχτά σύνολα δεδομένων στο θέμα που μελετάται. Τότε ο κριτής μπορεί να αποδεχθεί μόνο τα αποτελέσματα που παρουσιάζονται από τον συγγραφέα σχετικά με την πίστη. Θεωρητικά, ο συγγραφέας θα μπορούσε ακόμη και να τα υπερεκτιμήσει και να μείνει απαρατήρητη, αλλά σε ένα ακαδημαϊκό περιβάλλον αυτό είναι απίθανο, καθώς έρχεται σε αντίθεση με την επιθυμία της συντριπτικής πλειοψηφίας των επιστημόνων να αναπτύξουν την επιστήμη.
Σε διάφορους τομείς της ML, συμπεριλαμβανομένης της όρασης υπολογιστή, είναι επίσης σύνηθες να επισυνάπτονται σύνδεσμοι σε κώδικα (συνήθως στο GitHub) με άρθρα. Τα ίδια τα άρθρα είτε περιέχουν πολύ λίγο κώδικα είτε είναι ψευδοκώδικες. Και εδώ, πάλι, προκύπτουν δυσκολίες αν το άρθρο είναι γραμμένο από ερευνητή εταιρείας, και όχι από πανεπιστήμιο. Από προεπιλογή, ο κώδικας που έχει γραφτεί σε μια εταιρεία ή εκκίνηση ονομάζεται NDA. Οι ερευνητές και οι συνάδελφοί τους πρέπει να εργαστούν σκληρά για να διαχωρίσουν τον κώδικα που σχετίζεται με την ιδέα που περιγράφεται από εσωτερικά και σίγουρα κλειστά αποθετήρια.
Η πιθανότητα δημοσίευσης εξαρτάται επίσης από τη συνάφεια του επιλεγμένου θέματος. Η συνάφεια υπαγορεύεται σε μεγάλο βαθμό από τα προϊόντα και τις υπηρεσίες: εάν μια εταιρεία ή μια startup ενδιαφέρεται να δημιουργήσει μια νέα υπηρεσία ή να βελτιώσει μια υπάρχουσα βάσει μιας ιδέας από ένα άρθρο, αυτό είναι ένα πλεονέκτημα.
Όπως ήδη αναφέρθηκε, οι εργασίες της πληροφορικής σπάνια γράφονται μόνες. Αλλά κατά κανόνα, ένας από τους συγγραφείς ξοδεύει πολύ περισσότερο χρόνο και προσπάθεια από τους άλλους. Η προσφορά του στην επιστημονική καινοτομία είναι η μεγαλύτερη. Στη λίστα των συγγραφέων, ένα τέτοιο άτομο αναφέρεται πρώτα - και στο μέλλον, όταν αναφέρονται σε ένα άρθρο, μπορούν μόνο να τον αναφέρουν (για παράδειγμα, "Ivanov et al" - "Ivanov και άλλοι" μεταφρασμένο από τα λατινικά). Ωστόσο, εξαιρετικά πολύτιμες είναι και οι συνεισφορές άλλων - διαφορετικά είναι αδύνατο να βρεθείς στη λίστα των συγγραφέων.
Διαδικασία αναθεώρησης
Οι εργασίες συνήθως παύουν να γίνονται δεκτές αρκετούς μήνες πριν από το συνέδριο. Μετά την υποβολή ενός άρθρου, οι αξιολογητές έχουν 3-5 εβδομάδες για να το διαβάσουν, να το αξιολογήσουν και να το σχολιάσουν. Αυτό συμβαίνει σύμφωνα με το σύστημα single blind, όταν οι συγγραφείς δεν βλέπουν τα ονόματα των κριτικών, ή το double blind, όταν οι ίδιοι οι κριτές δεν βλέπουν τα ονόματα των συγγραφέων. Η δεύτερη επιλογή θεωρείται πιο αμερόληπτη: αρκετές επιστημονικές εργασίες έχουν δείξει ότι η δημοτικότητα του συγγραφέα επηρεάζει την απόφαση του κριτή. Για παράδειγμα, μπορεί να θεωρήσει ότι ένας επιστήμονας με μεγάλο αριθμό ήδη δημοσιευμένων άρθρων αξίζει a priori υψηλότερη βαθμολογία.
Επιπλέον, ακόμη και στην περίπτωση του double blind, ο κριτής πιθανότατα θα μαντέψει τον συγγραφέα εάν εργάζεται στον ίδιο τομέα. Επιπλέον, κατά τη στιγμή της αναθεώρησης, το άρθρο μπορεί ήδη να δημοσιευθεί στη βάση δεδομένων arXiv, το μεγαλύτερο αποθετήριο επιστημονικών εργασιών. Οι διοργανωτές του συνεδρίου δεν το απαγορεύουν, αλλά προτείνουν τη χρήση διαφορετικού τίτλου και διαφορετικής περίληψης στις δημοσιεύσεις για το arXiv. Αλλά αν το άρθρο δημοσιεύτηκε εκεί, δεν θα είναι δύσκολο να το βρείτε.
Υπάρχουν πάντα αρκετοί κριτικοί που αξιολογούν ένα άρθρο. Σε έναν από αυτούς ανατίθεται ο ρόλος του μετακριτικού, ο οποίος πρέπει μόνο να αναθεωρήσει τις ετυμηγορίες των συναδέλφων του και να πάρει την τελική απόφαση. Εάν οι αναθεωρητές διαφωνούν σχετικά με το άρθρο, ο μετα-κριτικός μπορεί επίσης να το διαβάσει για πληρότητα.
Μερικές φορές, μετά την εξέταση της βαθμολογίας και των σχολίων, ο συγγραφέας έχει την ευκαιρία να συζητήσει με τον κριτικό. υπάρχει ακόμη και η ευκαιρία να τον πείσετε να αλλάξει την απόφασή του (ωστόσο, ένα τέτοιο σύστημα δεν λειτουργεί για όλα τα συνέδρια και είναι ακόμη λιγότερο δυνατό να επηρεαστεί σοβαρά η ετυμηγορία). Στη συζήτηση, δεν μπορείτε να αναφερθείτε σε άλλες επιστημονικές εργασίες, με εξαίρεση αυτές που αναφέρονται ήδη στο άρθρο. Μπορείτε μόνο να «βοηθήσετε» τον κριτικό να κατανοήσει καλύτερα το περιεχόμενο του άρθρου.
Συνέδρια και περιοδικά
Τα άρθρα της πληροφορικής υποβάλλονται συχνότερα σε συνέδρια παρά σε επιστημονικά περιοδικά. Αυτό συμβαίνει επειδή οι δημοσιεύσεις σε περιοδικά έχουν απαιτήσεις που είναι πιο δύσκολο να ικανοποιηθούν και η διαδικασία αξιολόγησης από ομοτίμους μπορεί να διαρκέσει μήνες ή και χρόνια. Η επιστήμη των υπολογιστών είναι ένας πολύ γρήγορος τομέας, επομένως οι συγγραφείς συνήθως δεν είναι πρόθυμοι να περιμένουν τόσο πολύ για τη δημοσίευση. Ωστόσο, ένα άρθρο που έχει ήδη γίνει δεκτό για το συνέδριο μπορεί στη συνέχεια να συμπληρωθεί (για παράδειγμα, παρουσιάζοντας πιο λεπτομερή αποτελέσματα) και να δημοσιευτεί σε ένα περιοδικό όπου οι περιορισμοί χώρου δεν είναι τόσο αυστηροί.
Εκδηλώσεις στο συνέδριο
Η μορφή παρουσίας των συγγραφέων εγκεκριμένων άρθρων στο συνέδριο καθορίζεται από τους κριτές. Εάν το άρθρο λάβει το πράσινο φως, τότε σας εκχωρείται πιο συχνά ένα περίπτερο αφίσας. Η αφίσα είναι μια στατική διαφάνεια με περίληψη του άρθρου και εικόνες. Ορισμένες αίθουσες συνεδριάσεων είναι γεμάτες με μεγάλες σειρές από περίπτερα με αφίσες. Ο συγγραφέας περνά σημαντικό μέρος του χρόνου του κοντά στην αφίσα του, επικοινωνώντας με επιστήμονες που ενδιαφέρονται για το άρθρο.
Μια ελαφρώς πιο έγκυρη επιλογή συμμετοχής είναι μια αστραπιαία συζήτηση. Εάν οι κριτικοί θεωρούν το άρθρο άξιο μιας γρήγορης αναφοράς, δίνονται στον συγγραφέα περίπου τρία λεπτά για να μιλήσει σε ένα ευρύ κοινό. Από τη μια πλευρά, μια αστραπιαία συζήτηση είναι μια καλή ευκαιρία να πείτε για την ιδέα σας όχι μόνο σε όσους ενδιαφέρθηκαν για την αφίσα με δική τους πρωτοβουλία. Από την άλλη πλευρά, οι προορατικοί επισκέπτες της αφίσας είναι πιο προετοιμασμένοι και πιο βυθισμένοι στο συγκεκριμένο θέμα σας από τον μέσο ακροατή στην αίθουσα. Επομένως, σε μια γρήγορη αναφορά, πρέπει ακόμα να έχετε χρόνο για να ενημερώσετε τους ανθρώπους.
Συνήθως, στο τέλος της αστραπιαίας ομιλίας τους, οι συγγραφείς ονομάζουν τον αριθμό της αφίσας, ώστε οι ακροατές να μπορούν να τον βρουν και να κατανοήσουν καλύτερα το άρθρο.
Η τελευταία, πιο διάσημη επιλογή είναι μια αφίσα συν μια ολοκληρωμένη παρουσίαση της ιδέας, όταν δεν υπάρχει πλέον καμία ανάγκη να βιαστείτε να πείτε την ιστορία.
Αλλά φυσικά, οι επιστήμονες - συμπεριλαμβανομένων των συγγραφέων εγκεκριμένων άρθρων - έρχονται στο επόμενο συνέδριο όχι μόνο για να επιδειχθούν. Πρώτον, τείνουν να βρίσκουν αφίσες που σχετίζονται με τον τομέα τους για προφανείς λόγους. Και δεύτερον, είναι σημαντικό για αυτούς να επεκτείνουν τον κατάλογο των επαφών τους για τους σκοπούς της κοινής ακαδημαϊκής εργασίας στο μέλλον. Αυτό δεν είναι κυνήγι - ή, τουλάχιστον, το πρώτο του στάδιο, το οποίο τουλάχιστον ακολουθείται από μια αμοιβαία επωφελή ανταλλαγή ιδεών, εξελίξεις και κοινή εργασία σε ένα ή περισσότερα άρθρα.
Ταυτόχρονα, η παραγωγική δικτύωση σε ένα κορυφαίο συνέδριο είναι δύσκολη λόγω της παντελούς έλλειψης ελεύθερου χρόνου. Εάν, μετά από μια ολόκληρη μέρα σε παρουσιάσεις και σε συζητήσεις σε αφίσες, ο επιστήμονας έχει διατηρήσει τις δυνάμεις του και έχει ήδη ξεπεράσει το jet lag, τότε πηγαίνει σε ένα από τα πολλά πάρτι. Φιλοξενούνται από εταιρείες - ως αποτέλεσμα, τα πάρτι έχουν συχνά πιο κυνηγετικό χαρακτήρα. Ταυτόχρονα, πολλοί καλεσμένοι τα χρησιμοποιούν καθόλου για να βρουν μια νέα δουλειά, αλλά, πάλι, για δικτύωση. Το βράδυ δεν υπάρχουν άλλες αναφορές και αφίσες - είναι πιο εύκολο να "πιάσετε" τον ειδικό που σας ενδιαφέρει.
Από την ιδέα στην παραγωγή
Η επιστήμη των υπολογιστών είναι ένας από τους λίγους κλάδους όπου τα συμφέροντα των εταιρειών και των startups συνδέονται στενά με το ακαδημαϊκό περιβάλλον. Το NIPS, το ICML και άλλα παρόμοια συνέδρια προσελκύουν πολλούς ανθρώπους από τη βιομηχανία, όχι μόνο από τα πανεπιστήμια. Αυτό είναι χαρακτηριστικό για τον τομέα της επιστήμης των υπολογιστών, αλλά αντίστροφα για τις περισσότερες άλλες επιστήμες.
Από την άλλη πλευρά, δεν είναι όλες οι ιδέες που παρουσιάζονται στα άρθρα αμέσως προς τη δημιουργία ή τη βελτίωση των υπηρεσιών. Ακόμη και μέσα σε μία εταιρεία, ένας ερευνητής μπορεί να προτείνει στους συναδέλφους της υπηρεσίας μια ιδέα που είναι πρωτοποριακή για τα επιστημονικά πρότυπα και να λάβει άρνηση να την εφαρμόσει για διάφορους λόγους. Ένα από αυτά έχει ήδη αναφερθεί εδώ - αυτή είναι η διαφορά μεταξύ του συνόλου "ακαδημαϊκών" δεδομένων στο οποίο γράφτηκε το άρθρο και του πραγματικού συνόλου δεδομένων. Επιπλέον, η υλοποίηση μιας ιδέας μπορεί να καθυστερήσει, να απαιτήσει μεγάλο όγκο πόρων ή να βελτιώσει μόνο έναν δείκτη με κόστος επιδείνωσης άλλων μετρήσεων.
Η κατάσταση σώζεται από το γεγονός ότι πολλοί προγραμματιστές είναι λίγοι ερευνητές. Παρακολουθούν συνέδρια, μιλούν την ίδια γλώσσα με ακαδημαϊκούς, προτείνουν ιδέες, μερικές φορές συμμετέχουν στη δημιουργία άρθρων (για παράδειγμα, γράφοντας κώδικα) ή ακόμη ενεργούν ως συγγραφείς οι ίδιοι. Εάν ένας προγραμματιστής είναι βυθισμένος στην ακαδημαϊκή διαδικασία, παρακολουθεί ό,τι συμβαίνει στο ερευνητικό τμήμα, με μια λέξη - εάν επιδείξει μια αντίθετη κίνηση προς τους επιστήμονες, τότε ο κύκλος μετατροπής των επιστημονικών ιδεών σε νέες δυνατότητες υπηρεσίας συντομεύεται.
Ευχόμαστε σε όλους τους νέους ερευνητές καλή επιτυχία και σπουδαία επιτεύγματα στο έργο τους. Εάν αυτή η ανάρτηση δεν σας είπε τίποτα νέο, τότε μπορεί να έχετε ήδη δημοσιεύσει σε ένα κορυφαίο συνέδριο. Εγγραφείτε για τον εαυτό σας και ορίστε επιστημονικούς επόπτες.
Πηγή: www.habr.com