گفتم بیام یه کمی راجع به درسام توضیح بدم.
قبلا گفتم که چهارتا درس دارم. درسی که خودم خیلی ازش خوشم میاد Artificial Intelligenceه (هوش مصنوعی). استاد این درسه یه استاد جوونه (Thorsten Joachims) که قبل اینکه بیام اینجا مقاله‌هاش رو خونده بودم و اصلا باورم نمی‌شد که انقدر جوون باشه. درس خیلی پایه‌ایه و من هم قبلا تو Yale که بودم سر کلاسش نشسته بودم ولی خب یه نکته جالب همینه که از این مبحث گسترده (به جز چیزای خیلی پایه) این دو تا استاد هرکدوم قسمت‌هایی رو انتخاب می‌کنن و تاکید می‌کنن که کار خودشونه. مثلا این استاده خب چون خودش یه قسمت عمده کارش روی دسته‌بندی متن‌هاست حتما تو هر مبحثی یه مثال هم از کاربرد اون روش تو دسته‌بندی متن‌ها می‌زنه.
چیزی که خیلی خوشم میاد تو این درسه اینه که خیلی منظم و مرتب تنظیم شده. تمریناش همه خیلی واضح و مشخص گفته شدند. همیشه آسون نیستند ولی می‌دونی که باید رو چی فکر کنی و به چی برسی.
– یه درس دیگه‌ام Information Retrieval ه. در واقع کل درس در مورد روش‌های searchه. از روش‌های خیلی کلاسیک شروع کردیم که اتفاقا از همین دانشگاه خودمون شروع شده تا این روزا که داریم در مورد google می‌خونیم. این کلاس علاوه بر کلاس درس که استاد درس می‌ده یه کلاس بحث هم داره. هر هفته یه مقاله رو تعیین می‌کنه که باید بخونیم و بعد میایم سر کلاس و بعد استاد سوال می‌پرسه و ما باید دست بلند کنیم و جواب بدیم. هرکسی که جواب بده اسمش رو علامت می‌زنن و یک سوم نمره کلاس شرکت تو این کلاسه. به همین خاطر باید حتما بخونی مقاله‌ها رو و حرف بزنی. مقاله‌هاش خیلی تکنیکی نیستند و بیشتر مقاله‌هایی هستند که تحول اساسی ایجاد کردند. مثلا همین مقاله اصلی گوگلی‌ها.
این درسه ولی تمریناش خیلی اعصاب خوردکنند. یه تمرین می‌ده اصلا معلوم نیست چی به چیه و چی می‌خواد و می‌گه درست و غلط نداره و باید خودتون یه چیزی فکر کنید و تو گزارشش بنویسید. به نظر خیلی حرف خیلی خوبی میاد. ولی مساله اینه که اگه یه چیز مزخرف هم بنویسی که تهش کار کنه نمره رو می‌گیری و آخرش هم نمی‌فهمی که کار خوب چی بود.
– یه درس دیگه‌ام اسمش خیلی طولانیه! (Empirical Methods in Machine Learning & Data Mining) از اسمش هم معلومه که از تئوری هیچ خبری توش نیست و همش راجع به نکاتیه که بهش برمی‌خوری تو یه آزمایش واقعی. تو یه درس تئوری machine learning هیچ وقت به این فکر نمی‌کنی که حالا اگه تو داده‌هات یه سری از عددها وارد نشده بودن چی‌کار باید بکنی. ولی اینجا همش بحث همین ریزه‌کاری‌هاست. تمرین‌هاش هم پدردربیار. اونم برای کسی مثل من که به عمرم کار تجربی نکرده‌ام. تو این درسه حسابی با بچه‌های مهندسی هم‌دردی می کنم. این که برنامه رو بنویس که درست کار کنه و ایناش به کنار. بعد باید روی بیست‌هزارتا داده اجراش کنی اونم نه یه بار و دوبار. هی اجرا کن و نتیجه رو نگاه کن، صد تا پارامتر رو تغییر بده تا یک صدم نتیجه بهتر شه و حالا از اول.
– و اما درسی که اصلا ازش خوشم نمی‌یاد! Database Management Systems. این درسه برای من که مهندسی نبودم کلمه به کلمه‌اش جدیده. بدبختی اینه این درس علاوه بر خود قسمت اصلی یه قسمت تمرین هم داره که یه برنامه گنده Database Management System رو هر دفعه یه تیکه‌ایش رو حذف می‌کنن و ما باید اونو بنویسیم جوری که با بقیه قسمت‌ها کار کنه. شب‌های تحویل این درسه که می‌شه صدبار به خودم فحش می‌دم که چرا این درس رو برداشتم و عجب غلطی کردم و بعدش که به خیر می‌گذره می‌گم باز خوبه یه چیزی یاد گرفتم!