in eesti keeles

Mu magistriõpe ETH Zürichis kulmineerus magistritööga, mis omakorda lõppes töö kaitsmisega veidi enam kui kaks nädalat tagasi. Juhendan sel õppeaastal ise kaht lõputööd, mis annab mulle pildi vorstitegemisest teiselt poolt liini, seega jagan enne unustamist lühidalt, mida ma kogu protsessi käigus õppisin, ja loodan, et sellest on kasu tulevastele baka- ja magistritöötajatele.

Minu töö — väga üldiselt seletades — oli ühe masinõppe alamharu efektiivsemaks/turvalisemaks tegemisest. Täpsemalt tegelesin õpetaja tegevuse imiteerimisega (imitation learning): arvuti peab (inim)õpetaja ettenäitamise põhjal õppima mingit ülesannet lahendama. Üks viis seda teha on passiivne õppimine, kus õpilane vaatab õpetajat ja üritab siis teda jäljendada. Mina uurisin aktiivset lähenemist, kus õpilane segab vahele ja ütleb õpetajale, mida ta parasjagu teada tahab. Intuitsioon ütleb, et nii võiks õpilane suuta kiiremini õppida ning seda ma oma töös ka nägin. Ma ei saa avalikult väga spetsiifiline olla, sest magistritöö ise pole avalik (mu juhendajatel on plaan selle projektiga edasi tegeleda ja võib-olla publitseerida), aga üks-ühele võin sellest detailsemalt rääkida.

Üldised mõtted

Ilmselt kõige olulisemad valikud lõputöö juures on teema ja juhendaja. Need on tihedalt seotud, sest igal potentsiaalsel juhendajal on ring teemasid, mil ta on nõus juhendama. Kõige lihtsam viis need teemad üles leida on vaadata juhendaja kodulehte ja CV-d: mis artikleid ta on varem avaldanud, mida õpetanud, kus töötanud. Mõnikord on juhendajal üleval nimekiri teemadest, mille kohta ta rõõmuga lõputööd juhendaks.

Minu lähenemine oli natuke teistsugune. Otsustasin 2016. a. sügisel, et tahan teha lõputöö tehisintellekti turvalisuse (AI safety) alal ja hakkasin otsima sobivat juhendajat. Euroopa põhiline töö sel teemal käib Suurbritannias, aga sealt ma sobivat juhendajat ei leidnud. Otsisin siis ETH seest kõige rohkem turvalise tehisintellektiga seotud professori, kes saatis mu ühe doktorandi juurde; temast saigi mu juhendaja.

Tagantjärele vaadates oli ilmselt eksisamm, et läksin juhendaja juurde oma teemapakkumisega, mitte ei valinud mõnd tema väljapakutut. See tähendas tagantjärele tarkusena, et juhendaja oli veidi vähem huvitatud (minu töö ei olnud kriitiline osa millestki, mida tal vaja oli) ja et ta ei osanud mind nii palju aidata. Sain küll sellevõrra rohkem iseseisvust, aga vist liiga palju: magistritööks planeeritud kuuest kuust pea poole kulutasin ülesande täpsustamisele ja sõnastamisele.

Juba üsna alguses otsustasin, et magistritöö ei ole minu jaoks suur prioriteet. Pareto põhimõtte siin rakendamine ütleb, et 20% tööst annab 80% kasust (hindest), aga ma päris nii vähe tööd ka teha ei tahtnud. Kui saame sama ideed rakendada mitu korda, siis 20% x 20% = 4% tööst annab 80% x 80% = 64% kasust ja suvalisele töö kogusele üldistades saame järgneva tulemus/pingutus-graafiku:

Ma tegin otsuse, et tahan olla “50% tööst, 91% kasust” piirkonnas, sest ennustasin, et tulemus ei mõjuta mu elu eriti palju ning teaduslik väärtus on tööl tõenäoliselt niikuinii madal. Hea alus minu jaoks ideaalse pingutuse leidmiseks oli ka Nate Soaresi postitus “Half-assing it with everything you’ve got“.

Tagantjärele vaadates olin üsna hästi kalibreeritud: Toggli järgi tegin kokku 411 tundi produktiivset tööd, mis on 46% ETH ettekirjutatud mahust1. Kuude lõikes jaotus see nii:

ja päevade lõikes nii (see on paberkalender, mille tegin selleks, et saaksin tõmmata iga eduka päeva lõpus rahuldava rohelise risti):

Ma ei tea veel oma hinnet (ega tehniliselt isegi seda, kas sain läbi), aga tõenäoliselt tuli see madalam kui 90%. Mul pole sellest eriti kahju, sest lõpuks tegin ikkagi enam-vähem põnevat projekti, mille olin suures osas ise välja mõelnud, ning ei kulutanud selle peale liialt aega ega närve.

Spetsiifilised nõuanded

  • Tehnilistel aladel töö kirjutamiseks, eriti palju valemeid sisaldava töö puhul, soovitan LaTeXit.
  • Viidete ja kirjanduse haldamiseks on väga mugav Zotero (parim koos LaTeXiga).
  • Luke Muehlhauser annab häid praktilisi soovitusi, et end kiiresti uutesse teemadesse sisse lugeda.
  • Simon Peyton Jones annab häid praktilisi soovitusi hea töö kirjutamise protsessi kohta, eriti arvutiteaduses (video, slaidid).
  • Kuna paljud teadusartiklid ja õpikud on tasulised (hoolimata sellest, et töö on rahastatud maksumaksja poolt), ei mõista ma hukka vastavateemalist piraatlust — enamiku raamatuid leiab LibGenist ja teadusartikleid sci-hubist.
  • Igal nädalal kokkuvõtte kirjutamine on kasulik viis hoida enda jaoks järge, kui hästi parajasti graafikus oled. Sama kokkuvõtet saab (näiteks Google Docsis hoides) jagada juhendajaga, mis teeb tema töö lihtsamaks ja koosolekud produktiivsemaks.
  • Enda motivatsiooni hoidmiseks on kasulik iga päeva lõpus lühidalt kirja panna, mida sel päeval ära tegid või üritasid teha. Vastasel juhul võib tekkida tunne, et sa ei ole nädalaga midagi saavutanud, kuigi tegelikult tegid korralikult tööd.

Seotud:

Jaga:

FacebooktwitterlinkedintumblrmailFacebooktwitterlinkedintumblrmail

Märkused

  1. 30 EAP-d ehk 900 tundi

Lisa kommentaar

Comment