Как стать автором
Обновить
85
0
Александр @AlexPet

Ph.D., Scientific expert, Research Manager

Отправить сообщение

Спасибо за подробную обратную связь!

О1 не связана формально, но очень и очень близка фактически. Почему я так считаю? Критерии те же. И если с запасом проходишь на О1, с EB1 по доказательной части тупо копипаст.

Да, нужно иметь компанию, которая помогает. Более того, мне назначили того же юриста. В итоге мне стоило только оплатить медицинские расходы.

Вялотекущая работа над документами у меня заняла примерно месяца два-три со сдачей анализов и прививками (основное время - это ожидание ответа адвоката), после подачи до получения гринкарты 6 месяцев.

А вот по поводу семьи и одиночества соглашусь полностью. В США надо заезжать со своим самоваром, особенно если не студент а квалифицированный рабочий.

Подождём более уверенного ответа комьюнити. Пока боюсь интереса особого нет :)

И согласен и не согласен одновременно.

Подвешенное состояние давит. Считаешь себя человеком второго сорта. 100%.

При этом россиянам с О1 получить гринкарту очень просто. После её получения выдыхаешь и пересматриваешь свое отношение.

Переходить нелегально границу - это быть куда в более подвешенном состоянии. И таймлаг до момента получения того дохода, который получаешь сразу, "из коробки", при легальном переезде, будет немалым.

Ситуация с Европой не думаю что сильно лучше.

Лично моё мнение - если есть работа в США (как минимум не хуже чем на Родине) - то ехать стоит. Если вся мысль заканчивается на "перееду в США а там разберусь", то сразу же возникают всякие мутные схемы и тп. Кальсонные гномы из Южного парка. Я категорически против такого подхода, не мой путь.

Могу дополнить, что после публикации любой вакансии в первый же день подаются несколько десятков человек (и большинство не требует спонсорства для визы\переезда).

Сейчас надеемся закрыть вакансию, которой несколько месяцев. Так вот, судя по внутреннему трекеру, обработано больше тысячи заявок. Причем это не холодный рекрутерский поиск, это в основном подачи людей - выпускников вузов и аспирантуры, жертв сокращений, и прочее.

Так что обстановка сложная. Если ты топовый разработчик - то тебе везде рады. А если ступенькой ниже - то ситуация плачевная. Кто не первый - тот последний.

Да, удачно (наверное) совпало. А потом начались массовые увольнения, у нас в компании в т.ч. И не получилось по разным причинам посодействовать с переездом талантливым ребятам :(

Спасибо. Небольшое графоманство есть, не спорю, но глядя на свои потуги по поиску информации два-три года назад - я решил написать как можно более подробно. The devil is in the details.

На всякий случай, поменял на LN.

O1A. Об этом будет в следующей публикации.

Было бы замечательно. Нет, это я просто обозначил неопределённость - как писатели говорят "в городе Н". Но получилось двусмысленно, согласен. Яне подумал про римские цифры.

Даже на собеседование не пригласили :(

Упс, это про Бельгию :) сейчас поправлю.

Вообще есть идея записывать лекции. Также в открытом доступе слайды лежат. А вот в режиме онлайн (zoom) — пока непонятно как. Там максимум 200 слушателей, и почти полностью забито SHARE-студентами. А когда будем в пост-коронавирусную эпоху вживую в лекционных аудиториях читать, то даже не знаю…
Дополню ответ ivan_7:
1) Подать заявление в Отделение магистерского и дополнительного образования мехмата МГУ
Контакты
Руководитель отделения – заместитель декана М. Ю. Попеленский.
Аудитория: 1324 Главного корпуса МГУ.
Сайт отделения: master.math.msu.ru.
Телефон: +7 (495) 939-39-29.

2) Продублировать заявление и написать нам на
почту
SHARE соб-ка intsys.msu.ru


Вообще, к нам иногда ходят т.н. вольнослушатели. Но поскольку проход в МГУ пропускной, им нужно делать себе пропуска (мы пробовали через кафедру, но это долго и в целом кафедра не заинтересована брать на себя ответственность за посторонних людей). Ну и дипломов никаких не будет об окончании. А так — почему не ходить и не слушать.
Что же касается официального зачисления на SHARE, то тут скорее нет, чем да. Это программа исключительно на данный момент для студентов-аспирантов-свежих выпускников.
Мне кажется, это в любом RnD так. Просто уметь программировать мало.
Могу сказать про RnD Huawei, который сидит у нас на м. Владыкино. Можно устроиться консультантом (на временный договор) или стажером еще даже будучи студентом, но получить хорошую должность и з\п без в\о от серьезного вуза, а еще лучше ученой степени (больше половины, на мой взгляд — кандидаты и доктора наук) — просто невозможно. И да, китайцы еще бОльшие формалисты, чем многие наши госучреждения.
Как говаривал мой преподаватель по линейной алгебре, тензор — это просто набор чисел, изменяющихся по определенному закону. И это действительно так. Остальное — уже формулы, векторы-ковекторы, тензорные произведения и свертки и прочее.
Я так понимаю, вы имеете в виду данную вариацию метода PSO, поскольку в остальных входные параметры из R^n. Мне не нравится подход в стиле «погрузим дискретные значения в непрерывную область, все посчитаем, в конце затолкаем опять в конечную» — в случае с градиентным спуском у меня это плохо работало. Более того, если целевая функция определена исключительно на дискретном пространстве, нужно каждую итерацию (например) округлять значения, а это накладно и вообще мне не по душе :)
Но вообще конкретно с PSO такой вариант не пробовал, может, и получится.
Когда у нас конечное, дискретное, но при этом очень большое пространство входных параметров (как, например, здесь), то лучше метода Монте-Карло не существует. А еще и целевая функция не непрерывная. Тут, по-моему, вообще сложно говорить о градиентных методах.
ГА нам предлагает, по сути, управляемый Монте-Карло. Чем и хорош.
Да нету там магии никакой. За коммерчески успешными реализациями LDPC-кодов (жесткие диски, теперь вот флешки хотят подключать) стоит огромная рутинная работа.

Если вкратце, то суть такова: это линейный код с разреженной матрицей (это важно, поскольку хранить на контроллерах плотную матрицу в мильён элементов не получится), причем даже разреженность обычно регулярная. Линейный — значит проверка осуществляется тупым перемножением проверочной матрицы на входной сигнал. Но поскольку при чтении обязательно вмешивается физика процесса (процессы намагничивания-размагничивания, межсимвольная интерференция, дрожание считывающей головки и пр), то обычно каждый бит (набор битов) — это не хард-значение 0\1, а некое действительное число (то самое софт-значение из статьи), т.н. log-likelihood ratio, LLR, логарифм отношения правдоподобия, это если по-русски. Вот с этими действительным значениями обычно и работают алгоритмы. Например, Витерби.

Но со всеми плюсами у этих кодов есть один, но неприятный минус — наличие т.н. error fllor, а именно существует такая неприятная ситуация, когда при увеличении SNR сигнала ошибка не уменьшается. Правда, это ошибка настолько мала (10 в минус 20 что ли для жестких дисков, ну или где-то такие порядки), что заметить ее или просимулировать практически невозможно. И вот здесь в бой вступает тяжелая статистическая артиллерия в виде importance sampling, предложенная Коулом.

Собственно, вся работа над этими кодами по большей части распадается на две части:
— придумывание самого кода (порождающей\проверочной матрицы);
— придумывание хороших алгоритмов для работы с софт-значениями LLR.
Зачастую еще применяют дополнительное кодирование на входе кода с нужными характеристиками, а также различный интерливинг, но это уже по вкусу :)

Вот, собственно, и вся внутренняя кухня (походите по ссылкам, если интересно), которую следует давать айтишникам, а не та рекламная простынка из поста (автор, ничего личного ;)).

Информация

В рейтинге
Не участвует
Откуда
Москва, Москва и Московская обл., Россия
Зарегистрирован
Активность

Специализация

Специалист
Machine learning
Deep Learning
Neural networks
Computer vision
Reinforcement learning