Конференция DSE Fest — технично и понятно про data science для разработчиков. Смотри детали на сайте
×Закрыть

DOU Books: 5 книжок, які радить Микола Максименко, Research Lead у SoftServe

Від редакції: у рубриці DOU Books спеціалісти розповідають про 5 своїх улюблених книжок — ті, які змінюють світогляд та корисні читачам-колегам.

[Микола Максименко — Research Lead у компанії SoftServe, кандидат фізико-математичних наук. Займався наукою в Інституті комплексних систем Макса Планка (Німеччина) та в Інституті Вайцмана (Ізраїль). Цікавиться фізикою нейронних мереж]

Радити щось почитати — це завжди дуже відповідально. Хочеться поділитись чимось таким, про що той інший, швидше за все, не мав нагоди почути раніше. Тому замість того, щоб робити ще один список стандартних книжок про ІТ чи підручників з Machine/Deep Learning, я вирішив зібрати список знахідок, якими і сам колись тішився.

Albert-Laszlo Barabasi «Network Science»

«Network Science» від Ласло Барабаші — напевно, одна з перших книжок, яка доступно і цікаво показує, як соціальні явища, економіка, поширення вірусів, генетика та біологія можуть бути описані мовою фізики складних систем. Добрий приклад того, що Big Data не є універсальним молотком для всього, і в багатьох випадках хороше моделювання з перших принципів може дати набагато зрозуміліші результати.

Ще задовго до data-хайпу багато вчених досліджували динаміку процесів у соціальних, економічних та інших мережах, виходячи з фундаментальних взаємодій окремих агентів. Використовуючи такий bottom-up підхід, можна зрозуміти, наприклад, як саме з’являється самоорганізація в екосистемах і як на них впливати, щоб отримувати той чи інший результат у майбутньому. Наприклад, як змінити взаємодії в соцмережі, щоб зупинити поширення вірусу?

Книжка досить весело написана, але і не є дитячою. Іноді навіть трапляються справжні рівняння і графіки з наукових статей.

Peter J. Feibelman «A PhD Is Not Enough!: A Guide to Survival in Science»

У мене часто просять порад, куди піти навчатися в аспірантуру і чи варто це взагалі робити. Це стало особливо актуально у розрізі ML/AI, де PhD часто здається магічним ключиком до найкращих груп і цікавих задач в індустрії. Але часто люди не уявляють, наскільки складним є це питання, адже навіть у Кембриджі чи Гарварді можна робити тупикові дослідження, і місце тут явно не є визначальним.

У цій книжці дуже гарно розповідається, як стати успішним володарем PhD і не шкодувати про втрачений час, продовжити працювати в академічній науці чи використати свої знання в індустрії.

Clayton M. Christensen «The Innovator’s Dilemma: When New Technologies Cause Great Firms to Fail»

В українському перекладі — Клейтон Крістенсен «Дилема інноватора. Як нові технології нищать сильні компанії»

Книжка must-read для будь-кого, хто хоче говорити про інновації і R&D. Книга базується на серії наукових праць на тему підривних інновацій і добре розставляє на полички, що це таке, як їх відрізнити і як перед ними встояти. На перший погляд вона виглядає дещо застарілою, адже за основу взяті не зовсім свіжі дані ринків екскаваторів та жорстких дисків, але, як виявилось, описані тенденції є більш загальними і легко прослідковуються в більшості сучасних «проривних» продуктів.

Нещодавно книжка отримала і непоганий український переклад, а теорія підривних інновацій доступна також в короткій вижимці в недавньому Harvard Business Review.

Roger Penrose «The large, the small and the human mind»

В російському перекладі — Роджер Пенроуз «Большое, малое и человеческий разум»

Рано чи пізно хороші вчені починають писати популярні книжки. Інколи ці книжки не так далеко втекли від справжньої науки і їх можна знайти серед цілком фахових робіт у технічній бібліотеці. Так я натрапив на книжку Пенроуза та компанії і періодично почитував її в перервах на каву.

Мені тут сподобалась дискусія про квантові процеси в мозку і припущення, що його ефективність є результатом частково квантових обчислень. Хоча книжку писали достатньо давно, ця тема і досі є відкритою. Періодично можна почитати про механізми, які б могли забезпечувати квантові ефекти в нейронах при температурі тіла.

Petter Wittek «Quantum Machine Learning»

Щоб не боятися наступної AI-зими, пропоную сховатись під ковдру з книжечкою про Quantum Machine Learning і потроху придивлятись до нової хвилі AI. Не можу сказати, що мені дуже подобається саме ця книжка, але вона є непоганою першою спробою структурувати нову ділянку досліджень, яка досить швидко розвивається. Книжка є self-containing, і щоб її читати не обов’язково бути експертом в машинному навчанні чи квантовій механіці — перші розділи навчать як одному, так і іншому.


Сподіваюсь, що цей список стане корисним і пізнавальним. Але якщо для читання лонгрідів не завжди є час та натхнення, то для мене непоганою альтернативою виступають коротші тексти на Quanta Magazine чи MIT Technology Review.

Enjoy!

LinkedIn

7 комментариев

Подписаться на комментарииОтписаться от комментариев Комментарии могут оставлять только пользователи с подтвержденными аккаунтами.

Я пожалуй начну с Peter J. Feibelman “A PhD Is Not Enough!: A Guide to Survival in Science”.
Спасибо за наводку.

ох уж эти карьеристы... если б только не запись «софтсёрв» в вашем профиле))

Величезне дякую! Для мене це — найцікавіший наразі список з рекомендованих на цьому сайті книжок!

имхо автор выпендривается перед кругом знакомых))

До речі, останню книжку сам нещодавно знайшов і вже почав читати). Квантові компи+машинне навчання це буде наступний стрибок

Подписаться на комментарии