Studujeme!

22 Feb 2016

Je to tak. My tady opravdu i studujeme! Mezi vším tím seznamováním, prohlížením památek, sportováním, vařením a tancováním si sem tam najdeme čas i na školu. Abyste si nemysleli, že kecáme, tak vám v tomhle článku řekneme něco o dánském školství, o naší škole a o předmětech, které tady studujeme.

Naše škola, University of Copenhagen, nemá samostatnou fakultu informatiky, takže spadáme pod přírodovědeckou fakultu. To ale vůbec nevadí, protože jedna z jejích kateder se věnuje informatice a tím pádem je tady dostatek informatických předmětů. Univerzita má několik kampusů po celé Kodani. Přírodovědecká fakulta má sídlo v severním kampusu (Østerbro H3Q1A0G5), který je blízko našich kolejí. Do školy jezdíme na kole přes park. Cesta nezabere ani patnáct minut.

Naše škola

Během Welcome weeku nás všichni strašili, že budeme číst tuny knížek a psát eseje. Věrohodnost těchto tvrzení zvyšoval fakt, že v každém kampusu mají několik rozsáhlých knihoven, například v severním kampusu máme knihovny v budovách T2V5J2B2A4H5V5Q1 a L4J5Q2G5T7J2. Naštěstí se to ukázalo jako fáma. Studium informatiky je pořád hlavně o programování, i když je pravda, že sem tam něco málo musíme přečíst nebo napsat.

V Dánsku nemají známky A-F, ale používají velmi sofistikovanou sedmiúrovňovou stupnici hodnocení. Za nejlepší výkon získáte dvanáct bodů, za dobrý deset a tak dál, až za nedostatečný výkon nula bodů. Stupnice má dokonce dva stupně failnutí, takže pokud jste úplně marní, získáte mínus tři body.

Největší rozdíl oproti studiu na FI je ten, že máme pouze dva předměty. Zato ale pořádně velké (každý za 7 a půl kreditu). Tyhle dva kurzy budeme mít jen do půlky semestru a v druhé polovině budeme mít další dva. Na FI míváme kolem deseti předmětů a člověk tak musí neustále přepínat, tady se můžeme pořádně soustředit na jedno téma. Zatím nám to přijde fajn, ale FI má taky svoje výhody, například umožňuje větší diverzitu a získáme širší záběr znalostí. Na FI si můžu zapsat nějakou dvoukreditovou “bokovku”, která mě zajímá, i když jde mimo mé zaměření, to tady nejde.

Taky je tady mnohem větší důraz na práci doma, takže ve škole trávíme jenom dva a půl dne týdně. Přednášky jsou interaktivnější, vyučující s námi pořád komunikuje a snaží se, abychom na důležité myšlenky přišli sami, místo toho, aby nám je prostě řekl. Cvičení probíhají tak, že si samostatně děláme na projektech a když máme s něčím problém, tak se zeptáme cvičícího. U toho si povídáme, svačíme a kdykoliv odejdeme. Celkově jsou předměty dost prakticky orientované, takže se od prvního momentu zdokonalujeme a učíme něco užitečného.

Přednáškovka Y3H1N5G4T1K5V5

Prvním naším předmětem je V5Y3Q2X3K1N1L2Y2 Metody analýzy dat, ve kterém si hrajeme s daty v Pythonu, vizualizujeme, testujeme hypotézy, aplikujeme na ně strojové učení a tak. Během semestru budeme mít pět projektů, které vždy vyžadují něco naprogramovat a napsat k tomu report. Závěrečná zkouška pak bude zase ve formě úkolu, na jehož vypracování budeme mít několik dní. První projekt, který jsme už odevzdali, se zabýval analýzou objemu plic kuřáků a nekuřáků. Navzdory očekávání byl průměrný objem plic kuřáku v našich datech větší než objem plic nekuřáků, a to dokonce statisticky významně (což jsme ověřili pomocí dvouvýběrového t-testu). Další analýzou dat jsme odhalili příčinu: v našich datech bylo hodně malých dětí, kteří jsou všichni nekuřáci, ale přitom mají malý objem plic. Kouření je pouze jedním z faktorů ovlivňujících objem plic, roli hraje i věk, hmotnost a další parametry.

Objem plic kuřáků a nekuřáků. Červená čára značí medián, modrý obdélník polovinu subjektů.

Naším druhým předmětem je W4A1T5 Web Science, což je tak obecný název, že si pod ním nelze nic představit, ale v podstatě jde zase o práci se spoustou dat (získaných z webu), zpracování přirozeného jazyka, strojové učení a doporučovací systémy. Takže rozhodně pro nás dost zajímavé a relevantní. Ani tento předmět nemá klasickou závěrečnou zkoušku, známka se určí z dvou projektů, které vypracujeme v průběhu semestru. Kromě toho budeme anonymně hodnotit projekty spolužáků a kvalita poskytnuté zpětné vazby taky ovlivní naši známku. Cílem prvního projektu je reprodukovat výzkum o predikci míry očkování v dalších letech. K predikci používáme jednak data o očkování v minulosti a jednak četnost hledání informací o různých vakcínách na Googlu.

Bezva věc je, že se tady všude povaluje spousta tabulí (na chodbě, v kantýně, na záchodu V4W5Z1U1E4J2). Nemohli jsme se ubránit jednu z nich využít a zadokazovat si všemi oblíbenou třetí Riceovu větu. Šlo o tabuli A3X3M1R1H3N1 v místnosti M3G2Q1X3P4Q4 (nebo možná to byla místnost M3H1P2X3P4T1, ale to je úplně jedno).

Důkaz třetí Riceovy věty