Я делаю дипломную работу под руководством профессора. Мы решили работать над каким-то доменом, скажем, «X», однако теперь он дает мне работу, связанную с каким-то другим доменом, скажем, «Y». И «X», и «Y» могут быть связаны с моей степенью, однако я хотел работать в области «X», и между «X» и «Y» нет никакой связи.
Мне очень трудно работать над чем-то, что меня не интересует. Мне нужны предложения от всех профессоров и студентов, что, по их мнению, мне следует делать?
Диссертация является частью моей степени, и у меня нет возможности оставить ее. Каким образом мне следует поговорить с профессором, чтобы он дал мне работу над доменом, который мы выбрали? Наша работа только началась (около 1 дня). Если у него нет на уме какой-либо темы, связанной с моей областью, я могу легко найти и предложить что-то интересное для работы.
Когда я делаю какую-то работу, которая мне интересна, я получаю от нее удовольствие, какой бы сложной она ни была, и у меня есть полное мужество, чтобы делать ее в одиночку. Но если мне это не интересно, то мне просто больно.
Чтобы быть более конкретным, «X» = AI и «Y» = Simulation. Теперь задача, которую мне поставили, такова: есть симуляция, написанная на одном языке, и я должен закодировать то же самое на другом языке. Это около 1000 строк кода. У меня нет знаний обоих языков (поскольку они не используются в ИИ (т.е. они не python или R)). Это языки моделирования и симуляции. Мне нужно перепроектировать код, написанный на одном языке, и перевести на другой. Я не понимаю, как эта работа связана с ИИ? Кроме того, диссертация связана с исследованиями, и я не понимаю, какое исследование я здесь делаю.
Есть три возможных ответа, которые я могу вам дать: конкретный ответ, основанный на информации, которую вы включили в конце своего поста, восходящий ответ, который, надеюсь, имеет смысл для вас на вашем нынешнем уровне академического опыта, и верхний ответ. вниз ответ, который имеет смысл для меня как (в начале карьеры) академика, но который может не иметь смысла для вас еще.
Реверс-инжиниринг кода — обычная задача в некоторых академических кругах. Часто я хочу использовать код другого человека, но мне нужно либо (а) полностью понять, как он работает, либо (б) немного изменить его, чтобы сделать что-то другое, что я хочу сделать. В таких ситуациях требуется реверс-инжиниринг.
Поэтому, скорее всего, вы занимаетесь настоящей академической работой, даже если это не совсем то, на что вы подписались, и вы обязательно узнаете что-то важное. Что приводит нас к...
Если вы не уверены, что узнаете что-то важное, выполняя эту задачу обратного проектирования, спросите своего профессора . Кажется, что цель вашей работы вам не ясна, и когда кто-то не уверен, почему он что-то делает, он, естественно, не получит от этого большого удовольствия.
Один из способов структурировать беседу с преподавателем — задать следующие три вопроса:
Будьте готовы читать столько же или меньше, сколько вам назначит профессор. Если ваш профессор вообще хороший профессор, он будет знать, что ваше понимание является ключом к достижению хороших результатов. Если ваш профессор не очень хороший - что ж, надеюсь, вы все равно сможете чему-то научиться. Что приводит меня к...
С точки зрения давнего исследователя, студент бакалавриата часто мало знает об интересующей его области. Высшее образование посвящено тому, что мы знаем, а академические исследования посвящены тому, чего мы не знаем, и объем знаний, которым вы должны обладать даже для того, чтобы уметь задавать хорошие вопросы , часто оказывается на удивление большим.
Это имеет последствия. Например, большая часть академической работы выглядит на удивление низкопробной. Это похоже на изучение старых статей, изучение скучных техник, повторение старых экспериментов — и да, реинжиниринг существующего кода. Таким образом, то, что ваш профессор дал вам, может стать основой для вашей будущей работы, которую вы пока не цените.
Большая часть академической работы, особенно значимой, также на удивление междисциплинарна. Вы упомянули, что не видите связи между ИИ и симуляцией. Но концепции моделирования — выборка, эргодичность, энтропия, автокорреляция и даже свободная энергия — жизненно важны для машинного обучения. На практическом уровне многие современные группы, раздвигающие границы машинного обучения, делают это для решения задач моделирования — например, команда AlphaFold в Google. Таким образом, то, что делает ваш профессор, может также позволить вам установить неожиданные связи, которые дадут вам конкурентное преимущество.
Так что не удивляйтесь, если вы работаете над чем-то, что не похоже на вашу основную сферу интересов — это не только может происходить время от времени, но и должно происходить, если вы вообще хотите быть эффективным исследователем в будущем. Конечно, я не могу просить вас принять это на веру, и работа вашего профессора состоит в том, чтобы хотя бы частично убедить вас в том, что то, что вы делаете, стоит того.
Но если у вас есть четко определенная цель с четко определенным значением и четко определенный способ ее достижения, то вам следует хотя бы некоторое время поработать над ней, прежде чем беспокоиться о том, что она не имеет отношения к вашему будущему.
Предполагая, что ваш профессор имеет некоторый опыт как в X, так и в Y, есть одна возможность:
возможно, ваш профессор пытается построить основу для X с точки зрения Y.
Или может быть какой-то проект, который связывает X и Y.
1 день слишком рано протестовать против того, что вы оба решили одно, а теперь вас просят сделать что-то другое.
Пожалуйста, подождите некоторое время. Я не могу сказать, сколько это разумное время, но я бы подождал две недели, а потом посмотрел, получится или нет. Затем я спрашивал профессора, по какой причине он просит вас сделать Y вместо X.
Майк
Шерн Рен Футболка
Майк
Майк