Tuần này, tôi vinh dự được nói chuyện với Petar Veličković, một nhà khoa học nghiên cứu tại và là giảng viên liên kết tại Đại học Cambridge. Trong cuộc thảo luận hấp dẫn này, Petar chia sẻ những hiểu biết sâu sắc về nền tảng học vấn của anh ấy, quá trình chuyển đổi của anh ấy sang máy học, giá trị của việc theo đuổi bằng tiến sĩ trong lĩnh vực này, v.v., bao gồm cả việc xây dựng thuật toán dự đoán thời gian di chuyển của Map! DeepMind Google Cuộc hành trình của Petar bắt đầu ở Serbia, nơi anh theo học một trường trung học chuyên về toán học. Với chương trình giảng dạy tập trung vào toán học, khoa học máy tính và vật lý, ông đã phát triển một nền tảng vững chắc trong các môn học này. Sau đó, anh theo đuổi bằng đại học về khoa học máy tính và bằng tiến sĩ về học máy tại Đại học Cambridge. Mối quan tâm ban đầu của Petar là lập trình, đặc biệt là các thuật toán cổ điển và lập trình cạnh tranh. Tuy nhiên, thông qua hành trình học tập của mình, anh đã khám phá ra niềm đam mê nghiên cứu của mình. Một kỳ thực tập kỹ thuật phần mềm đã giúp anh ấy nhận ra rằng nghiên cứu cho phép anh ấy giải quyết các vấn đề chưa được giải quyết và đưa ra những đóng góp sáng tạo. Nhận thức này đã khiến anh khám phá các cơ hội thực tập theo định hướng nghiên cứu và cuối cùng theo đuổi bằng tiến sĩ về học máy. Trong thời gian học Tiến sĩ, Petar đã nắm lấy cơ hội nghiên cứu sâu và mở rộng ranh giới của lĩnh vực của mình. Ông nhấn mạnh rằng một bằng tiến sĩ thành công không chỉ là trở thành một chuyên gia trong một lĩnh vực cụ thể—nó dạy khả năng thích ứng và khả năng khám phá những hướng đi mới. Anh ấy cũng nhấn mạnh tầm quan trọng của mạng lưới, sự hợp tác và những mối quan hệ lâu dài mà anh ấy đã tạo ra trong quá trình học tiến sĩ. Giải quyết mối quan tâm về chuyên môn hóa, Petar nhấn mạnh rằng bằng tiến sĩ không giới hạn triển vọng tương lai của một người. Nó đóng vai trò như một tấm vé vào cửa, thể hiện khả năng kiên trì và tạo ra công việc hướng tới mục tiêu nghiên cứu. Ông nhấn mạnh rằng các xu hướng nghiên cứu thay đổi nhanh chóng và bằng tiến sĩ trang bị cho các cá nhân những kỹ năng để thích ứng và khám phá nhiều con đường khác nhau. Hơn nữa, Petar bác bỏ quan niệm sai lầm rằng bằng tiến sĩ là một yêu cầu để trở nên xuất sắc trong ngành. Mặc dù bằng tiến sĩ mang lại kinh nghiệm quý báu cho các nhà khoa học nghiên cứu, kỹ sư và các vai trò tương tự khác, nhưng nó không cần thiết cho tất cả mọi người. Lĩnh vực AI chào đón các cá nhân có nền tảng và kinh nghiệm đa dạng. Với rào cản gia nhập thấp và sự sẵn có của kiến thức chuyên ngành, một người có thể tham gia vào nghiên cứu tiên tiến mà không cần học máy hoặc giáo dục khoa học máy tính chính thức. máy học Petar Veličković cung cấp những hiểu biết sâu sắc có giá trị về hành trình học tập của anh ấy, bản chất biến đổi của một tiến sĩ và bối cảnh phát triển của nghiên cứu AI. Kinh nghiệm của anh ấy là nguồn cảm hứng cho các nhà nghiên cứu đầy tham vọng, cho thấy tầm quan trọng của sự tò mò, khả năng thích ứng và theo đuổi các giải pháp sáng tạo. Để có thêm kiến thức và hiểu biết sâu sắc, hãy nhớ nghe toàn bộ cuộc phỏng vấn với Petar Veličković trên , hoặc . Spotify Apple Podcasts YouTube Khám phá con đường hấp dẫn của Petar và hiểu sâu hơn về thế giới nghiên cứu AI tại một công ty tuyệt vời như Deepmind. Khám phá những thách thức mà anh ấy phải đối mặt, những khám phá mà anh ấy đã thực hiện và tác động mà anh ấy hình dung cho tương lai (ví dụ: AGI!). Xem video https://youtu.be/l2cj0-HTCC4?embedable=true&transcript=true
