ఈ రోజు మనం ఇలియా సెగలోవిచ్ పేరు మీద శాస్త్రీయ అవార్డును ప్రారంభిస్తున్నాము . ఇది కంప్యూటర్ సైన్స్ రంగంలో సాధించిన విజయాలకు ప్రదానం చేయబడుతుంది. అండర్ గ్రాడ్యుయేట్ మరియు పోస్ట్ గ్రాడ్యుయేట్ విద్యార్థులు లేదా శాస్త్రీయ పర్యవేక్షకులను నామినేట్ చేయండి. గ్రహీతలను అకాడెమిక్ కమ్యూనిటీ మరియు యాన్డెక్స్ ప్రతినిధులు ఎన్నుకుంటారు. ప్రధాన ఎంపిక ప్రమాణాలు: సమావేశాలలో ప్రచురణలు మరియు ప్రదర్శనలు, అలాగే సంఘం అభివృద్ధికి సహకారం.
తొలి అవార్డు వేడుక ఏప్రిల్‌లో జరగనుంది. అవార్డులో భాగంగా, యువ శాస్త్రవేత్తలు 350 వేల రూబిళ్లు అందుకుంటారు మరియు అదనంగా, వారు అంతర్జాతీయ సమావేశానికి వెళ్లగలరు, గురువుతో కలిసి పని చేయవచ్చు మరియు Yandex పరిశోధన విభాగంలో ఇంటర్న్‌షిప్ చేయగలుగుతారు. శాస్త్రీయ పర్యవేక్షకులు 700 వేల రూబిళ్లు అందుకుంటారు.
అవార్డును ప్రారంభించిన సందర్భంగా, కంప్యూటర్ సైన్స్ ప్రపంచంలో విజయానికి సంబంధించిన ప్రమాణాల గురించి హబ్రేలో ఇక్కడ మాట్లాడాలని మేము నిర్ణయించుకున్నాము. కొంతమంది హబ్ర్ రీడర్‌లకు ఈ ప్రమాణాలు ఇప్పటికే బాగా తెలుసు, మరికొందరు వాటి గురించి తప్పుడు అభిప్రాయాన్ని కలిగి ఉండవచ్చు. ఈ రోజు మనం ఈ అంతరాన్ని భర్తీ చేస్తాము - కథనాలు, సమావేశాలు, డేటాసెట్‌లు మరియు శాస్త్రీయ ఆలోచనలను సేవలలోకి బదిలీ చేయడంతో సహా అన్ని ప్రధాన అంశాలపై మేము టచ్ చేస్తాము.
కంప్యూటర్ సైన్స్ రంగంలోని శాస్త్రవేత్తల కోసం, అత్యుత్తమ అంతర్జాతీయ సమావేశాలలో ఒకదానిలో వారి శాస్త్రీయ పనిని ప్రచురించడం విజయానికి ప్రధాన ప్రమాణం. పరిశోధకుడి పనిని గుర్తించడానికి ఇది మొదటి "చెక్ పాయింట్". ఉదాహరణకు, సాధారణంగా మెషిన్ లెర్నింగ్ రంగంలో, ఇంటర్నేషనల్ కాన్ఫరెన్స్ ఆన్ మెషిన్ లెర్నింగ్ (ICML) మరియు కాన్ఫరెన్స్ ఆన్ న్యూరల్ ఇన్ఫర్మేషన్ ప్రాసెసింగ్ సిస్టమ్స్ (NeurIPS, గతంలో NIPS) ప్రత్యేకించబడ్డాయి. కంప్యూటర్ విజన్, ఇన్ఫర్మేషన్ రిట్రీవల్, స్పీచ్ టెక్నాలజీ, మెషిన్ ట్రాన్స్‌లేషన్ మొదలైన ML యొక్క నిర్దిష్ట రంగాలపై అనేక సమావేశాలు ఉన్నాయి.
మీ ఆలోచనలను ఎందుకు ప్రచురించండి
కంప్యూటర్ సైన్స్‌కు దూరంగా ఉన్న వ్యక్తులు అత్యంత విలువైన ఆలోచనలను గోప్యంగా ఉంచడం మరియు వాటి ప్రత్యేకత నుండి లాభం పొందడానికి ప్రయత్నించడం మంచిదనే అపోహ కలిగి ఉండవచ్చు. అయితే మన క్షేత్రంలో వాస్తవ పరిస్థితులు అందుకు విరుద్ధంగా ఉన్నాయి. ఒక శాస్త్రవేత్త యొక్క అధికారం అతని రచనల యొక్క ప్రాముఖ్యతను బట్టి నిర్ణయించబడుతుంది, అతని వ్యాసాలను ఇతర శాస్త్రవేత్తలు ఎంత తరచుగా ఉదహరించారు (అనులేఖన సూచిక). ఇది అతని కెరీర్‌లో ముఖ్యమైన లక్షణం. ఒక పరిశోధకుడు వృత్తిపరమైన నిచ్చెన పైకి కదులుతాడు, అతని సంఘంలో మరింత గౌరవం పొందుతాడు, అతను స్థిరంగా ప్రచురించబడిన, ప్రసిద్ధి చెందిన మరియు ఇతర శాస్త్రవేత్తల పనికి ఆధారం అయిన బలమైన రచనలను రూపొందించినట్లయితే మాత్రమే.
అనేక అగ్ర కథనాలు (బహుశా చాలా వరకు) ప్రపంచంలోని వివిధ విశ్వవిద్యాలయాలు మరియు కంపెనీలలోని పరిశోధకుల మధ్య సహకారం యొక్క ఫలితం. పరిశోధకుడి కెరీర్‌లో ఒక ముఖ్యమైన మరియు చాలా విలువైన క్షణం ఏమిటంటే, అతను తన అనుభవం ఆధారంగా తన స్వంత ఆలోచనలను కనుగొని, జల్లెడ పట్టే అవకాశాన్ని పొందడం - అయితే దీని తర్వాత కూడా, అతని సహచరులు అతనికి అమూల్యమైన సహాయాన్ని అందిస్తూనే ఉన్నారు. శాస్త్రవేత్తలు ఒకరికొకరు ఆలోచనలను పెంపొందించుకోవడంలో, సహకారంతో కథనాలు రాయడంలో సహాయపడతారు - మరియు విజ్ఞాన శాస్త్రానికి శాస్త్రవేత్త ఎంత ఎక్కువ సహకారం అందిస్తారో, అతను ఆలోచనాపరులను కనుగొనడం అంత సులభం.
చివరగా, సమాచారం యొక్క సాంద్రత మరియు లభ్యత ఇప్పుడు చాలా గొప్పది, వివిధ పరిశోధకులు ఏకకాలంలో చాలా సారూప్యమైన (మరియు నిజంగా విలువైన) శాస్త్రీయ ఆలోచనలతో ముందుకు వచ్చారు. మీరు మీ ఆలోచనను పబ్లిష్ చేయకుంటే, మీ కోసం వేరొకరు దానిని ఖచ్చితంగా పబ్లిష్ చేస్తారు. "విజేత" తరచుగా కొంచెం ముందుగా ఆవిష్కరణతో వచ్చిన వ్యక్తి కాదు, కానీ కొంచెం ముందుగా ప్రచురించిన వ్యక్తి. లేదా - ఆలోచనను వీలైనంత పూర్తిగా, స్పష్టంగా మరియు నమ్మకంగా వెల్లడించగలిగిన వ్యక్తి.
కథనాలు మరియు డేటాసెట్‌లు
కాబట్టి, పరిశోధకుడు ప్రతిపాదించిన ప్రధాన ఆలోచన చుట్టూ ఒక శాస్త్రీయ కథనం నిర్మించబడింది. ఈ ఆలోచన కంప్యూటర్ సైన్స్‌కు అతని సహకారం. వ్యాసం కొన్ని వాక్యాలలో రూపొందించబడిన ఆలోచన యొక్క వివరణతో ప్రారంభమవుతుంది. దీని తర్వాత ప్రతిపాదిత ఆవిష్కరణ సహాయంతో పరిష్కరించబడిన సమస్యల పరిధిని వివరించే పరిచయం ఉంటుంది. వివరణ మరియు పరిచయం సాధారణంగా విస్తృత ప్రేక్షకులకు అర్థమయ్యే సరళమైన భాషలో వ్రాయబడతాయి. పరిచయం తర్వాత, గణిత భాషలో అందించిన సమస్యలను అధికారికీకరించడం మరియు కఠినమైన సంజ్ఞామానాన్ని పరిచయం చేయడం అవసరం. అప్పుడు, ప్రవేశపెట్టిన సంజ్ఞామానాలను ఉపయోగించి, మీరు ప్రతిపాదిత ఆవిష్కరణ యొక్క సారాంశం యొక్క స్పష్టమైన మరియు సమగ్ర ప్రకటనను సృష్టించాలి మరియు మునుపటి, సారూప్య పద్ధతుల నుండి తేడాలను గుర్తించాలి. అన్ని సైద్ధాంతిక ప్రకటనలు తప్పనిసరిగా గతంలో సంకలనం చేయబడిన సాక్ష్యాల సూచనల ద్వారా మద్దతు ఇవ్వాలి లేదా స్వతంత్రంగా నిరూపించబడాలి. ఇది కొన్ని అంచనాలతో చేయవచ్చు. ఉదాహరణకు, అనంతమైన శిక్షణ డేటా (స్పష్టంగా సాధించలేని పరిస్థితి) ఉన్నప్పుడు లేదా అవి ఒకదానికొకటి పూర్తిగా స్వతంత్రంగా ఉన్నప్పుడు మీరు కేసుకు రుజువు ఇవ్వవచ్చు. వ్యాసం ముగింపులో, శాస్త్రవేత్త అతను పొందగలిగిన ప్రయోగాత్మక ఫలితాల గురించి మాట్లాడాడు.
కాన్ఫరెన్స్ నిర్వాహకులు రిక్రూట్ చేసిన సమీక్షకులు పేపర్‌ను ఆమోదించే అవకాశం ఎక్కువగా ఉండాలంటే, అది తప్పనిసరిగా ఒకటి లేదా అంతకంటే ఎక్కువ లక్షణాలను కలిగి ఉండాలి. ఆమోదం అవకాశాలను పెంచే కీలక అంశం ప్రతిపాదిత ఆలోచన యొక్క శాస్త్రీయ వింత. తరచుగా, ఇప్పటికే ఉన్న ఆలోచనలకు సంబంధించి కొత్తదనం అంచనా వేయబడుతుంది - మరియు దానిని అంచనా వేసే పని సమీక్షకుడిచే నిర్వహించబడదు, కానీ వ్యాస రచయిత స్వయంగా. ఆదర్శవంతంగా, రచయిత ఇప్పటికే ఉన్న పద్ధతుల గురించి వ్యాసంలో వివరంగా చెప్పాలి మరియు వీలైతే, వాటిని తన పద్ధతి యొక్క ప్రత్యేక సందర్భాలుగా ప్రదర్శించాలి. అందువలన, శాస్త్రవేత్త అంగీకరించిన విధానాలు ఎల్లప్పుడూ పని చేయవని చూపిస్తుంది, అతను వాటిని సాధారణీకరించాడు మరియు విస్తృత, మరింత సౌకర్యవంతమైన మరియు అందువల్ల మరింత ప్రభావవంతమైన సైద్ధాంతిక సూత్రీకరణను ప్రతిపాదించాడు. కొత్తదనం కాదనలేనిది అయితే, సమీక్షకులు కథనాన్ని అంత ఆకర్షణీయంగా కాకుండా అంచనా వేస్తారు - ఉదాహరణకు, వారు పేలవమైన ఇంగ్లీషుపై దృష్టి సారిస్తారు.
కొత్తదనాన్ని బలోపేతం చేయడానికి, ఒకటి లేదా అంతకంటే ఎక్కువ డేటాసెట్‌లలో ఇప్పటికే ఉన్న పద్ధతులతో పోలికను చేర్చడం ఉపయోగకరంగా ఉంటుంది. వాటిలో ప్రతి ఒక్కటి విద్యా వాతావరణంలో బహిరంగంగా మరియు అంగీకరించబడాలి. ఉదాహరణకు, ఇమేజ్‌నెట్ ఇమేజ్ రిపోజిటరీ మరియు సవరించిన నేషనల్ ఇన్‌స్టిట్యూట్ ఆఫ్ స్టాండర్డ్స్ అండ్ టెక్నాలజీ (MNIST) మరియు CIFAR (కెనడియన్ ఇన్‌స్టిట్యూట్ ఫర్ అడ్వాన్స్‌డ్ రీసెర్చ్) వంటి ఇన్‌స్టిట్యూట్‌ల డేటాబేస్‌లు ఉన్నాయి. ఇబ్బంది ఏమిటంటే, అటువంటి “విద్యాపరమైన” డేటాసెట్ తరచుగా పరిశ్రమ వ్యవహరించే వాస్తవ డేటా నుండి కంటెంట్ నిర్మాణంలో భిన్నంగా ఉంటుంది. విభిన్న డేటా అంటే ప్రతిపాదిత పద్ధతి యొక్క విభిన్న ఫలితాలు. పరిశ్రమ కోసం పాక్షికంగా పని చేసే శాస్త్రవేత్తలు దీనిని పరిగణనలోకి తీసుకోవడానికి ప్రయత్నిస్తారు మరియు కొన్నిసార్లు "మా డేటాలో ఫలితం అలాంటిది మరియు అలాంటిది, కానీ పబ్లిక్ డేటాసెట్‌లో - అలాంటిది మరియు అలాంటిది" వంటి నిరాకరణలను చొప్పించడానికి ప్రయత్నిస్తారు.
ప్రతిపాదిత పద్ధతి పూర్తిగా ఓపెన్ డేటాబేస్కు "అనుకూలమైనది" మరియు నిజమైన డేటాపై పని చేయదు. మీరు కొత్త, మరింత ప్రాతినిధ్య డేటాసెట్‌లను తెరవడం ద్వారా ఈ సాధారణ సమస్యను ఎదుర్కోవచ్చు, కానీ తరచుగా మేము కంపెనీలకు తెరవడానికి హక్కు లేని ప్రైవేట్ కంటెంట్ గురించి మాట్లాడుతున్నాము. కొన్ని సందర్భాల్లో, వారు డేటా యొక్క అనామకీకరణను (కొన్నిసార్లు సంక్లిష్టంగా మరియు శ్రమతో కూడుకున్నది) నిర్వహిస్తారు - వారు నిర్దిష్ట వ్యక్తిని సూచించే ఏవైనా శకలాలు తొలగిస్తారు. ఉదాహరణకు, ఫోటోగ్రాఫ్‌లలోని ముఖాలు మరియు సంఖ్యలు తొలగించబడతాయి లేదా అస్పష్టంగా ఉంటాయి. అదనంగా, డేటాసెట్ అందరికీ అందుబాటులో ఉండటమే కాకుండా, ఆలోచనలను పోల్చడం సౌకర్యంగా ఉండే శాస్త్రవేత్తలలో ప్రమాణంగా మారడానికి, దానిని ప్రచురించడమే కాకుండా, దాని గురించి ప్రత్యేకంగా ఉదహరించిన కథనాన్ని వ్రాయడం కూడా అవసరం. అది మరియు దాని ప్రయోజనాలు.
అధ్యయనం చేయబడుతున్న అంశంలో ఓపెన్ డేటాసెట్‌లు లేనప్పుడు ఇది అధ్వాన్నంగా ఉంటుంది. అప్పుడు సమీక్షకుడు విశ్వాసంపై రచయిత అందించిన ఫలితాలను మాత్రమే ఆమోదించగలరు. సిద్ధాంతపరంగా, రచయిత వాటిని ఎక్కువగా అంచనా వేయగలడు మరియు గుర్తించబడకుండా ఉండగలడు, కానీ విద్యాపరమైన వాతావరణంలో ఇది అసంభవం, ఎందుకంటే ఇది విజ్ఞాన శాస్త్రాన్ని అభివృద్ధి చేయాలనే మెజారిటీ శాస్త్రవేత్తల కోరికకు విరుద్ధంగా ఉంటుంది.
కంప్యూటర్ విజన్‌తో సహా MLలోని అనేక ప్రాంతాల్లో, కథనాలతో కోడ్‌కి (సాధారణంగా GitHubకి) లింక్‌లను జోడించడం కూడా సాధారణం. వ్యాసాలు చాలా తక్కువ కోడ్‌ను కలిగి ఉంటాయి లేదా సూడోకోడ్‌గా ఉంటాయి. మరియు ఇక్కడ, మళ్ళీ, వ్యాసం ఒక సంస్థ నుండి పరిశోధకుడిచే వ్రాయబడితే మరియు విశ్వవిద్యాలయం నుండి కాకుండా ఇబ్బందులు తలెత్తుతాయి. డిఫాల్ట్‌గా, కార్పొరేషన్ లేదా స్టార్టప్‌లో వ్రాసిన కోడ్ NDA అని లేబుల్ చేయబడింది. అంతర్గత మరియు ఖచ్చితంగా మూసివేయబడిన రిపోజిటరీల నుండి వివరించబడిన ఆలోచనకు సంబంధించిన కోడ్‌ను వేరు చేయడానికి పరిశోధకులు మరియు వారి సహోద్యోగులు కష్టపడి పని చేయాల్సి ఉంటుంది.
ఎంచుకున్న అంశం యొక్క ఔచిత్యంపై కూడా ప్రచురణ అవకాశం ఆధారపడి ఉంటుంది. ఔచిత్యం ఎక్కువగా ఉత్పత్తులు మరియు సేవల ద్వారా నిర్దేశించబడుతుంది: ఒక కార్పొరేషన్ లేదా స్టార్టప్ కొత్త సేవను నిర్మించడానికి లేదా కథనంలోని ఆలోచన ఆధారంగా ఇప్పటికే ఉన్న సేవను మెరుగుపరచడానికి ఆసక్తి కలిగి ఉంటే, అది ప్లస్ అవుతుంది.
ఇప్పటికే చెప్పినట్లుగా, కంప్యూటర్ సైన్స్ పేపర్లు చాలా అరుదుగా ఒంటరిగా వ్రాయబడతాయి. కానీ నియమం ప్రకారం, రచయితలలో ఒకరు ఇతరులకన్నా ఎక్కువ సమయం మరియు కృషిని గడుపుతారు. శాస్త్రీయ వినూత్నతకు ఆయన చేసిన కృషి గొప్పది. రచయితల జాబితాలో, అటువంటి వ్యక్తి మొదట సూచించబడతాడు - మరియు భవిష్యత్తులో, ఒక కథనాన్ని సూచించేటప్పుడు, వారు అతనిని మాత్రమే పేర్కొనగలరు (ఉదాహరణకు, "ఇవనోవ్ మరియు ఇతరులు" - "ఇవనోవ్ మరియు ఇతరులు" లాటిన్ నుండి అనువదించబడింది). అయితే, ఇతరుల రచనలు కూడా చాలా విలువైనవి - లేకపోతే రచయితల జాబితాలో ఉండటం అసాధ్యం.
సమీక్ష ప్రక్రియ
కాన్ఫరెన్స్‌కు చాలా నెలల ముందు పేపర్లు సాధారణంగా ఆమోదించబడవు. ఒక కథనాన్ని సమర్పించిన తర్వాత, సమీక్షకులు దానిని చదవడానికి, మూల్యాంకనం చేయడానికి మరియు వ్యాఖ్యానించడానికి 3-5 వారాల సమయం ఉంటుంది. సింగిల్ బ్లైండ్ సిస్టమ్ ప్రకారం ఇది జరుగుతుంది, రచయితలు సమీక్షకుల పేర్లను చూడనప్పుడు లేదా డబుల్ బ్లైండ్‌లు, సమీక్షకులు స్వయంగా రచయితల పేర్లను చూడనప్పుడు. రెండవ ఎంపిక మరింత నిష్పక్షపాతంగా పరిగణించబడుతుంది: రచయిత యొక్క ప్రజాదరణ సమీక్షకుడి నిర్ణయాన్ని ప్రభావితం చేస్తుందని అనేక శాస్త్రీయ పత్రాలు చూపించాయి. ఉదాహరణకు, పెద్ద సంఖ్యలో ఇప్పటికే ప్రచురించబడిన కథనాలను కలిగి ఉన్న శాస్త్రవేత్త అధిక రేటింగ్‌కు అర్హుడు అని అతను పరిగణించవచ్చు.
అంతేకాకుండా, డబుల్ బ్లైండ్ విషయంలో కూడా, సమీక్షకుడు అదే రంగంలో పనిచేస్తే రచయితను ఊహించవచ్చు. అదనంగా, సమీక్ష సమయంలో, వ్యాసం ఇప్పటికే శాస్త్రీయ పత్రాల అతిపెద్ద రిపోజిటరీ అయిన arXiv డేటాబేస్లో ప్రచురించబడవచ్చు. కాన్ఫరెన్స్ నిర్వాహకులు దీనిని నిషేధించరు, కానీ వారు arXiv కోసం ప్రచురణలలో వేరే శీర్షికను మరియు వేరే సారాంశాన్ని ఉపయోగించమని సిఫార్సు చేస్తున్నారు. కానీ అక్కడ కథనాన్ని పోస్ట్ చేసినట్లయితే, దానిని కనుగొనడం ఇంకా కష్టం కాదు.
ఒక కథనాన్ని మూల్యాంకనం చేసే అనేక మంది సమీక్షకులు ఎల్లప్పుడూ ఉంటారు. వారిలో ఒకరికి మెటా-రివ్యూయర్ పాత్ర కేటాయించబడింది, అతను తన సహోద్యోగుల తీర్పులను మాత్రమే సమీక్షించి తుది నిర్ణయం తీసుకోవాలి. సమీక్షకులు కథనంపై ఏకీభవించనట్లయితే, మెటా-సమీక్షకుడు కూడా దాన్ని సంపూర్ణత కోసం చదవగలరు.
కొన్నిసార్లు, రేటింగ్ మరియు వ్యాఖ్యలను సమీక్షించిన తర్వాత, రచయిత సమీక్షకుడితో చర్చలోకి ప్రవేశించే అవకాశం ఉంది; తన నిర్ణయాన్ని మార్చుకోమని అతనిని ఒప్పించే అవకాశం కూడా ఉంది (అయితే, అటువంటి వ్యవస్థ అన్ని సమావేశాలకు పని చేయదు మరియు తీర్పును తీవ్రంగా ప్రభావితం చేయడం కూడా తక్కువ సాధ్యమే). చర్చలో, మీరు ఇప్పటికే వ్యాసంలో ప్రస్తావించబడిన వాటిని మినహాయించి, ఇతర శాస్త్రీయ రచనలను సూచించలేరు. మీరు వ్యాసంలోని కంటెంట్‌ను బాగా అర్థం చేసుకోవడానికి సమీక్షకుడికి మాత్రమే "సహాయం" చేయగలరు.
సమావేశాలు మరియు పత్రికలు
కంప్యూటర్ సైన్స్ కథనాలు శాస్త్రీయ పత్రికల కంటే సమావేశాలకు ఎక్కువగా సమర్పించబడతాయి. ఎందుకంటే జర్నల్ పబ్లికేషన్స్ అవసరాలను తీర్చడం చాలా కష్టం మరియు పీర్ రివ్యూ ప్రక్రియకు నెలలు లేదా సంవత్సరాలు పట్టవచ్చు. కంప్యూటర్ సైన్స్ చాలా వేగంగా కదిలే రంగం, కాబట్టి రచయితలు సాధారణంగా ప్రచురణ కోసం ఎక్కువసేపు వేచి ఉండరు. ఏదేమైనప్పటికీ, కాన్ఫరెన్స్ కోసం ఇప్పటికే ఆమోదించబడిన ఒక కథనానికి అనుబంధంగా (ఉదాహరణకు, మరింత వివరణాత్మక ఫలితాలను అందించడం ద్వారా) మరియు స్థల పరిమితులు అంత కఠినంగా లేని పత్రికలో ప్రచురించవచ్చు.
సదస్సులో కార్యక్రమాలు
కాన్ఫరెన్స్‌లో ఆమోదించబడిన కథనాల రచయితల ఉనికి యొక్క ఆకృతి సమీక్షకులచే నిర్ణయించబడుతుంది. కథనానికి గ్రీన్ లైట్ ఇచ్చినట్లయితే, మీకు చాలా తరచుగా పోస్టర్ స్టాండ్ కేటాయించబడుతుంది. పోస్టర్ అనేది కథనం మరియు దృష్టాంతాల సారాంశంతో కూడిన స్టాటిక్ స్లయిడ్. కొన్ని సమావేశ గదులు పోస్టర్ స్టాండ్ల పొడవాటి వరుసలతో నిండి ఉన్నాయి. రచయిత తన పోస్టర్ దగ్గర తన సమయంలో గణనీయమైన భాగాన్ని గడుపుతాడు, వ్యాసంపై ఆసక్తి ఉన్న శాస్త్రవేత్తలతో కమ్యూనికేట్ చేస్తాడు.
పాల్గొనడానికి కొంచెం ప్రతిష్టాత్మకమైన ఎంపిక మెరుపు చర్చ. సమీక్షకులు కథనాన్ని శీఘ్ర నివేదికకు అర్హమైనదిగా భావిస్తే, విస్తృత ప్రేక్షకులతో మాట్లాడటానికి రచయితకు మూడు నిమిషాల సమయం ఇవ్వబడుతుంది. ఒక వైపు, వారి స్వంత చొరవతో పోస్టర్‌పై ఆసక్తి చూపిన వారికి మాత్రమే కాకుండా మీ ఆలోచన గురించి చెప్పడానికి మెరుపు చర్చ మంచి అవకాశం. మరోవైపు, చురుకైన పోస్టర్ సందర్శకులు హాల్‌లోని సగటు శ్రోతల కంటే మీ నిర్దిష్ట అంశంలో మరింత సిద్ధమయ్యారు మరియు మరింత మునిగిపోతారు. అందువల్ల, శీఘ్ర నివేదికలో, వ్యక్తులను తాజాగా తీసుకురావడానికి మీకు ఇంకా సమయం ఉండాలి.
సాధారణంగా, వారి మెరుపు సంభాషణ ముగింపులో, రచయితలు పోస్టర్ నంబర్‌కు పేరు పెట్టారు, తద్వారా శ్రోతలు దానిని కనుగొని, కథనాన్ని బాగా అర్థం చేసుకోగలరు.
చివరి, అత్యంత ప్రతిష్టాత్మకమైన ఎంపిక పోస్టర్ మరియు ఆలోచన యొక్క పూర్తి స్థాయి ప్రెజెంటేషన్, కథను చెప్పడానికి తొందరపడాల్సిన అవసరం లేనప్పుడు.
అయితే, శాస్త్రవేత్తలు - ఆమోదించబడిన వ్యాసాల రచయితలతో సహా - ప్రదర్శించడానికి మాత్రమే కాకుండా తదుపరి సమావేశానికి వస్తారు. మొదట, వారు స్పష్టమైన కారణాల కోసం వారి రంగానికి సంబంధించిన పోస్టర్‌లను కనుగొంటారు. మరియు రెండవది, భవిష్యత్తులో ఉమ్మడి విద్యా పని కోసం వారి పరిచయాల జాబితాను విస్తరించడం వారికి చాలా ముఖ్యం. ఇది వేట కాదు - లేదా, కనీసం, దాని మొదటి దశ, కనీసం ఒకటి లేదా అంతకంటే ఎక్కువ కథనాలపై పరస్పర ప్రయోజనకరమైన ఆలోచనలు, పరిణామాలు మరియు ఉమ్మడి పని మార్పిడిని అనుసరించడం.
అదే సమయంలో, మొత్తం ఖాళీ సమయం లేకపోవడం వల్ల టాప్ కాన్ఫరెన్స్‌లో ఉత్పాదక నెట్‌వర్కింగ్ కష్టం. ఒక రోజంతా ప్రెజెంటేషన్లలో మరియు పోస్టర్లలో చర్చలలో గడిపిన తర్వాత, శాస్త్రవేత్త తన బలాన్ని నిలుపుకుని, అప్పటికే జెట్ లాగ్‌ను అధిగమించినట్లయితే, అతను అనేక పార్టీలలో ఒకదానికి వెళ్తాడు. వారు కార్పొరేషన్లచే హోస్ట్ చేయబడతారు - ఫలితంగా, పార్టీలు తరచుగా ఎక్కువ వేట పాత్రను కలిగి ఉంటాయి. అదే సమయంలో, చాలా మంది అతిథులు కొత్త ఉద్యోగాన్ని కనుగొనడానికి వాటిని ఉపయోగించరు, కానీ మళ్లీ నెట్‌వర్కింగ్ కోసం. సాయంత్రం ఎక్కువ నివేదికలు మరియు పోస్టర్లు లేవు - మీకు ఆసక్తి ఉన్న నిపుణుడిని "క్యాచ్" చేయడం సులభం.
ఆలోచన నుండి ఉత్పత్తి వరకు
కార్పొరేషన్లు మరియు స్టార్టప్‌ల ఆసక్తులు విద్యా వాతావరణంతో బలంగా ముడిపడి ఉన్న కొన్ని పరిశ్రమలలో కంప్యూటర్ సైన్స్ ఒకటి. NIPS, ICML మరియు ఇతర సారూప్య సమావేశాలు కేవలం విశ్వవిద్యాలయాల నుండి మాత్రమే కాకుండా పరిశ్రమ నుండి చాలా మందిని ఆకర్షిస్తాయి. ఇది కంప్యూటర్ సైన్స్ రంగానికి విలక్షణమైనది, కానీ చాలా ఇతర శాస్త్రాలకు విరుద్ధంగా ఉంటుంది.
మరోవైపు, కథనాలలో అందించబడిన అన్ని ఆలోచనలు వెంటనే సేవలను సృష్టించడం లేదా మెరుగుపరచడం వైపు వెళ్లవు. ఒక కంపెనీలో కూడా, ఒక పరిశోధకుడు శాస్త్రీయ ప్రమాణాల ద్వారా పురోగతి సాధించే ఆలోచనను సేవ నుండి సహోద్యోగులకు ప్రతిపాదించవచ్చు మరియు అనేక కారణాల వల్ల దానిని అమలు చేయడానికి నిరాకరించవచ్చు. వాటిలో ఒకటి ఇప్పటికే ఇక్కడ ప్రస్తావించబడింది - ఇది వ్యాసం వ్రాసిన “అకడమిక్” డేటా సెట్ మరియు నిజమైన డేటా సెట్ మధ్య వ్యత్యాసం. అదనంగా, ఒక ఆలోచన అమలు ఆలస్యం కావచ్చు, పెద్ద మొత్తంలో వనరులు అవసరమవుతాయి లేదా ఇతర కొలమానాలు క్షీణించే ఖర్చుతో ఒక సూచికను మాత్రమే మెరుగుపరచవచ్చు.
చాలా మంది డెవలపర్లు తమను తాము పరిశోధకులలో ఒక బిట్ అనే వాస్తవం ద్వారా పరిస్థితి సేవ్ చేయబడింది. వారు సమావేశాలకు హాజరవుతారు, విద్యావేత్తలతో ఒకే భాష మాట్లాడతారు, ఆలోచనలను ప్రతిపాదిస్తారు, కొన్నిసార్లు వ్యాసాల సృష్టిలో పాల్గొంటారు (ఉదాహరణకు, కోడ్ రాయడం) లేదా రచయితలుగా కూడా వ్యవహరిస్తారు. డెవలపర్ అకడమిక్ ప్రాసెస్‌లో మునిగితే, పరిశోధనా విభాగంలో ఏమి జరుగుతుందో, ఒక్క మాటలో చెప్పాలంటే - అతను శాస్త్రవేత్తల పట్ల ప్రతిఘటనను ప్రదర్శిస్తే, శాస్త్రీయ ఆలోచనలను కొత్త సేవా సామర్థ్యాలుగా మార్చే చక్రం కుదించబడుతుంది.
యువ పరిశోధకులందరికీ వారి పనిలో అదృష్టం మరియు గొప్ప విజయాలు సాధించాలని మేము కోరుకుంటున్నాము. ఈ పోస్ట్ మీకు కొత్తగా ఏమీ చెప్పనట్లయితే, మీరు ఇప్పటికే అగ్ర కాన్ఫరెన్స్‌లో ప్రచురించి ఉండవచ్చు. కోసం నమోదు చేసుకోండి మీరే మరియు శాస్త్రీయ పర్యవేక్షకులను నామినేట్ చేయండి.
మూలం: www.habr.com