История о том, как после четырех лет бакалавриата на МатМехе СПбГУ я впервые почувствовал себя умным. После бакалавриата я хотел поступать в магистратуру ВШЭ, так как там была интересная мне программа, связанная с исследованием мозга, и мне готовы были предоставить финансирование моих исследований. Но на всякий случая я подавался еще в ИТМО, потому что мужчине в России подаваться на одну магистратуру недальновидно, даже если высок шанс поступления.

  Я подал заявку в ИТМО на программу Big Data and Machine Learning. Проводился вступительный экзамен, на котором задают один математический вопрос и один вопрос про программирование. Вопросы известны заранее, но так как я не стремился поступить в ИТМО, я пролистал их в последний день до экзамена, поняв, что любой математический вопрос нетрудный, но есть несколько вопросов о программировании, на которые я точно не отвечу хорошо. На экзамене мне попался довольно скучный вопрос про аппроксимацию функций и вопрос про паттерны проектирования. Про первое я что-то рассказал, но блеснуть умом не удалось, а о паттернах проектирования я узнал за день до экзамена, сказал несколько определений, а потом признался, что больше ничего не знаю.

  В целом на этом могли закончиться экзамен и мое поступление в ИТМО. Я понял, что не впечатлил комиссию и сказал: “А давайте я расскаже вам что-нибудь про то, в чем я разбираюсь”. Они согласились, и я начал рассказывать про анализ данных и язык программирования R, а также про текущие тогда академические проекты, в которых участвовал. По ходу беседы они задавали вопросы про анализ данных и программирование, на которые я удачно отвечал.

  По итогу ВСТУПИТЕЛЬНОГО экзамена сначала один, а потом второй члены комиссии предложили стать моими научными руководителями. Через несколько дней я узнал, что получил сто баллов из ста за вступительный экзамен, а также рекомендацию к поступлению. При этом стоит понимать, что это один из ведущих университетов в моей области, и на поступление претендовало много людей.

  Я не умею доказывать теоремы, потому что мне это не интересно, и мне не интересно доказывать теоремы, потому что я не умею их доказывать. Из-за этого ко мне на МатМехе относились как ко студенту с интеллектуальными способностями ниже среднего, если не хуже. Но ИТМО мне дал понять, что на самом деля я довольно ценный специалист. Просто я не подходил под формат МатМеха.

  Я бы хотел в будущем курировать исследовательскую группу и делать это в своем стиле. Здесь я буду писать себе советы на будущее. Мое мнение и мои предпочтения субъективны и не являются критикой знакомых мне людей и структур. Область моих научных инетересов ограничена, и пишу я только о ней.

  Масштаб ”руководитель и подопечный”:

1. Лучше без подопечного, чем со слабым подопечным. Я считаю, что цель научного руководителя – направлять и развивать уже существующие стремления и знания в человеке, а не мотивировать и обучать незаинтересованного, или недисциплинированного, или слабого знаниями человека.

2. Нет достаточного финансирования для комфортной жизни подопечного – не ожидай много. Ты, скорее, его вдохновитель, чем руководитель в этом случае. Может быть, он будет работать еще в другом месте или жить бедно и некомфортно.

3. Начинай курировать специалиста только в своей исследовательской области. Невозможно быть научным руководителем у человека, который делает другую науку. Ему будет трудно расти в своей области без помощи более опытного специалиста, а ты не сможешь правильно оценивать процесс и результаты его работы.

4. Регулярно обсуждай работу подопечного с ним. Это позволит тебе быть осведомленным о его продвижении, а ему будет полезно слушать твои советы и мнение. Также он не будет себя ощущать одиноким с темой, которую ты, скорее всего, ему сам и дашь.

5. Невозможно успешно заниматься неинтересной исследовательской темой. Если кому-то неинтересна тема, которую ты предлагаешь, предлагай другую задачу или ищи другого исполнителя. Наука – это про вдохновение, нет желания – нет креативности и результативности.

6. Человек не может эффективно одновременно выполнять несколько проектов, в которых он основной исполнитель. Он будет все делать медленно и непродуктивно, вероятно, он будет недоволен своей работой из-за необходимости постоянно переключаться с одной задачи на другую и невозможности погружения в процесс.

7. У каждого подопечного есть пространство личного выбора, размер которого зависит от его опыта и конкретных условий деятельности.

  Масштаб “руководитель и исследовательская группа”:

1. Все люди, которых ты курируешь, должны заниматься пересекающимися темами. Нужно, чтобы вокруг коллектива создавалась научная школа. Знания и навыки любого одного сотрудника должны быть полезны кому-то в коллективе.

2. Будь реальным ученым. Если ты только и занимаешься нетворкингом, поиском финансирования и причислением себя к интеллектуальному труду своих соавторов, то в лучшем случае ты просто менеджер.

3. Сотрудников должно быть столько, чтобы ты как минимум мог уделять час в неделю каждому. Иначе их научные результаты имеют малое к тебе отношение.

4. Исследовательских тем должно быть столько, чтобы ты как минимум мог уделять час в неделю каждой. Иначе продвижение в них имеет малое к тебе отношение.

5. При формировании списка литературы на этапе написания итогового текста, над которым работало несколько человек, все участники работы должны предоставить свою базу данных источников в чистом и удобном формате, например biblatex.

6. Необходимы регулярные общие встречи офлайн для обсуждения как личных, так и общих проектов, интересных профессиональных тем и статей. Это делает коллектив более цельным и влечет лучшее сотрудничество.

  На моем потоке на МатМехе СПбГУ среди примерно пятидесяти прикладных математиков было три выделяющихся умом студента, между которыми и остальными учениками заметно ощущалась разница в способности воспринимать абстрактный материал. СЕ не была одной из них. Но по окончанию бакалавриата у нее была статья первым автором в Chaos, а у трех гениев – нет. 🙂

  СЕ занимается кибернетикой в области нейронаук. Может быть, это была бы моя научная область, выбрав я кафедру теоретической кибернетики вместо кафедры статистического моделирования на третьем курсе, отдав предпочтение дифференциальным уравнением и теории управления вместо теории вероятностей и статистики.

  В отличии от тех трех студентов СЕ отличалась старательностью и академической инициативностью. Кажется, она уже на втором курсе выбрала кафедру и исследовательскую область, что нетривиально для прикладного математика на МатМехе. Обычно в силу большого числа разнообразных фундаментальных дисциплин, перетекающих друг в друга в течении первых трех лет, студенты делают выбор кафедры на третьем курсе, а тему дипломной работы выбирают на третьем или четвертом курсе. Я же вообще сменил тему дипломной работы в середине четвертого года.

  Также СЕ повезло с заметившим ее старания научным руководителем, который является одним из ведущих специалистов своей области. Он направлял ее научные интересы, выступал инициатором участия в конференциях и написания статей. Это неописуемо важно для студента в начале его академической карьеры.

  ДП была одним из лучших преподавателей в моей жизни и в некотором-то смысле центральным сотрудником моей кафедры на МатМехе СПбГУ из-за большого объема преподаваемых курсов, интенсивного взаимодействия со студентами и вовлеченности в деятельность кафедры. Научные интересы ДП: прикладная статистика, анализ временных рядов и методы Монте-Карло.

  Моей группе ДП преподавала несколько дисциплин, связанных со статистикой, и программирование на C++. Вспоминая ее методы, могу сказать, что наводящими вопросами ей как будто удавалось залезть к студенту в голову, лучше него понять его мысли и надавить на слабые места в понимании предмета. У нее был довольно индивидуальный подход преподавания, поэтому ни один студент не избегал множества вопросов на каждой паре. Бывало, что я сидел по шесть часов за одной партой с ДП на зачетах. Это было связано с тем, что я не мог на что-то ответить, а для получения зачета студент должен знать хотя бы все, что у него спросят, поэтому приходилось что-то выводить и доказывать самостоятельно, если это было не понято во время лекций и семинаров.

  Так как преподаватели не обсуждали со студентами свою научную деятельность, я могу ошибаться в своих суждениях. Мне казалось, что ДП когда-то придумала довольно удачный метод разделения временных рядов на тренд, сезонность и шум, после чего занималась только им и смежными темами: математическое обоснование метода с точки зрения чистой и прикладной математики, написание пакетов для R под этот метод. У нее очень хорошие публикационные результаты, поэтому мне кажется, это пример отличного ученого одной темы.

  ЛЕ был моим научным руководителем на последних курсах МатМеха СПбГУ. На тот момент он преподавал множество курсов на МатМехе, преподавал в Институте биоинформатики, курировал исследовательскую группу в Центре алгоритмической биоинформатики и вел активную научную деятельность. Спектр его научных интересов так широк, что я ограничусь общими словами: прикладная статистика и теория вероятностей, программирование и алгоритмическая биоинформатика.

  Он был настолько отвратительным научным руководителем, насколько я средненьким студентом. Кажется, он не видел во мне достойного его времени студента, поэтому игнорировал и ожидал самостоятельности. За весь бакалавриат я дважды был на комиссии, то есть меня дважды могли отчислить, и оба раза я попадал на нее из-за дисциплин ЛЕ.

  Несмотря на все это, я многому научился у него. Помимо того, что он демонстрировал поразительные публикационные результаты, он поражал своей продуктивностью, образованностью, широтой и глубиной знаний, остротой и ясностью ума. Из-за прямой и краткой манеры общения, которая многим не нравилась, большой рабочей нагрузки и выдающихся ума и навыков он походил на робота. Он мне нравился, еще когда я учился в СПбГУ, я понимал, что в будущем буду на него похож в некоторой степени.

  К сожалению для меня, судя по тому как он быстро и точно мыслит, половина его академического успеха обусловлена врожденными талантами. К счастью для меня, другую половину я могу объяснить. Помимо усердности и увлеченности могу выделить три вещи.

  Во-первых, он начал заниматься алгоритмической биоинформатикой в момент, когда эта область стала очень актуальна фармакологическим компаниям и другим околомедицинским структурам, которые начали активно стимулировать эту научную область. То есть здесь играет важную роль правильный выбор темы исследовательской деятельности.

  Во-вторых, разрабатывая новый метода анализа данных, он и его команда реализовывали метод в виде программного продукта, который потом активно использовали другие ученые, ссылаясь на него в их статьях. Таким образом, для ученого довольно полезно не останавливаться на исключительно исследовательском результате, а развивать его до чего-то прикладного и полезного другим людям.

  В-третьих, кажется, он нашел хорошую методологию ведения исследовательской деятельности, учитывая особенности его научной область. Для него есть люди равные ему, с которыми он пишет статьи, книги, код. А есть те, кто работают на него, и, скоре всего, он рассматривает их как ремесленников. Пока я работал над магистерской работой, я понял, что одно дело – придумать алгоритм или метод, другое дело – реализовать его в коде. Если в будущем, моя деятельность будет предполагать написание больших программ, то мне точно понадобится помощь программистов, чтобы оставаться в первую очередь исследователем.