Václav Maixner: prg.ai Minor jde za hranice běžného, přidaná hodnota je nedocenitelná

Jakým způsobem ses sebevzdělával během studia a jaké zdroje ti k tomu napomáhaly? Sebevzděláváš se i nyní?

Mým oblíbeným zdrojem jsou články na Medium, ve kterých se člověk může dozvědět z každého oboru trochu. Oblast strojového učení je velmi široká a je dobré si průběžně udržovat základní přehled. Výhodou Medium je, že přečíst článek často netrvá déle než 10 minut, což je ideální na zabavení během dopravních přesunů Prahou. Teorii strojového učení mohou taky hezky osvěžit různá videa na YouTube. Hlavně jsem se ale věnoval materiálům z přednášek, které dominovaly většině mého času. V současnosti o tomto tématu rád čtu knihy. Na téměř každé téma se dá najít přehledová publikace, která má tu výhodu, že oproti článkům zabrousí do větší hloubky a představí více substantivních informací zasazených do širšího kontextu. Navíc má člověk většinou jistotu, že informace budou na rozdíl od článků na internetu kvalitní. Takže ano, věřím, že sebevzdělávání je nedílnou součástí tohoto oboru. Neustálá potřeba rozšiřovat obzory dělá tento obor tak dynamickým a zajímavým. 

Vystudoval jsi původně fyziku. Kudy vedla tvá cesta k AI?

Na bakaláři jsem se hodně věnoval programování a studentským projektům o modelování pohyblivých systémů organických polovodičů, což mě velmi bavilo. Na magistru pak přišel čas rozhodnout se o budoucím směřování. Tou dobou už jsem věděl, že mě akademická kariéra neláká. Zároveň jsem ale chtěl dělat něco, co bude mít blízko k fyzice a kde alespoň částečně využiji znalosti a dovednosti získané během studia. Přesně to jsem našel v data science. Líbil se mi hlavně přístup tohoto oboru – hledání souvislostí a zkoumání dat za účelem získání zajímavých vhledů. Přesně tahle kreativní část mě na fyzice bavila nejvíc a v data science jsem ji mohl aplikovat. Data science má navíc i tu výhodu, že člověk vidí výsledky své práce poměrně rychle, alespoň oproti akademickému výzkumu.

Co tě tedy nalákalo do prg.ai Minoru? Váhal jsi ze začátku nebo to pro tebe byla jasná volba? Měl bys nějaké rady a tipy pro studenty, kteří nad prg.ai Minorem váhají?

prg.ai Minor pro mě byl jasnou volbou. Sháněl jsem zrovna stáž, která by propojovala můj tehdejší obor – vodíkové palivové články – a strojové učení. Na stáž jsem nakonec kvůli prezenčnímu studiu vyjet nemohl, ale zato jsem objevil přihlášku do prg.ai Minoru. Vyplnil jsem ji v podstatě okamžitě, a odeslal ještě ten samý den. Doporučuju se přihlásit a zkusit si program na vlastní kůži. Hned na prvních setkáních se můžete dost dobře rozhodnout, jestli vás toto téma a komunita láká. Já jsem byl do oboru zapálený už od začátku, ale přidaná hodnota, kterou prg.ai Minor nabízí – komunita, meetupy, volnočasové přednášky – bylo to, co mě pro program nadchlo.

Nedílnou součástí prg.ai Minoru je možnost setkat se s podobně nadšenými lidmi se zájmem o technologie a AI. Kam tě toto posunulo?

Komunita byla jednou z nejlepších součástí programu. Volnočasové akce spolu se studenty různých oborů nám umožnily najít si nové kamarády, se kterými si můžeme sednout na přednášku, jít na meetup nebo řešit po večerech úkoly. 

Jakých zajímavých akcí a eventů jsi měl možnost se díky prg.ai Minoru zúčastnit?

Moje nejoblíbenější je přednášková série, kde firmy ukazují svoje řešení. Zástupci firem přijdou studentům Minoru ukázat problém z reálného světa a nastínit, jak se k němu v rámci firmy přistupovalo a co byly problémy po cestě. Dost se mi v tomhle líbila přednáška od Rossum. 

V rozhovoru pro Matfyz jsi zmínil, že jsi díky prg.ai Minoru dostal velice zajímavou pracovní nabídku od české firmy DataSentics, která se věnuje strojovému učení a datové analytice. Jak jsi příležitost objevil? Jak se dívali na certifikát a tvoje studium?

DataSentics jsou jedni z partnerů prg.ai, tudíž pro mě byli jednou z nejatraktivnějších možností. Líbily se mi hlavně jejich zajímavé projekty a po pohovoru mi bylo jasné, že si budeme vzájemně rozumět. Oslovil jsem je tehdy já, stejně jako všechny ostatní firmy, do kterých jsem se hlásil na pohovor. Certifikát mi přijde jako super položka v životopisu. Pokud se hlásíte na práci související s data science, je dobré ukázat alespoň nějakou zkušenost. Nemyslím si ale, že má kterýkoliv certifikát nějakou zásadní hodnotu sám o sobě. Mnohem podstatnější mi přijdou znalosti, které se člověk během kurzu naučí. Díky prg.ai Minoru jsem už měl nějaké znalosti a na pohovoru jsem je mohl ukázat. V tom vidím ten hlavní přínos – po absolvování prg.ai Minoru jsem už měl pro případného zaměstnavatele hodnotu. Kdybych se hlásil přímo z fyziky, tak by bylo náročnější dohnat tohle všechno samostudiem.

Jaká je tvá role ve firmě?

Působím na pozici Data Scientist. Řeším end-to-end machine learning projekty pro různé klienty – ať už to je detekce podvodů pro pojišťovnu nebo detekce vad v průmyslové výrobě. Kromě technických schopností to znamená taky umět komunikovat s klientem, řídit si projekt a účastnit se presale diskuzí s potenciálními novými klienty. Je to právě tahle šířka záběru, která mě na DataSentics baví. 

Na co tě prg.ai Minor připravil v pracovním prostředí a v práci, kterou děláš? 

Jak už jsem zmiňoval, tak jsou to hlavně znalosti. Ne nutně konkrétní znalosti modelů, ale hlavně celkový způsob uvažování nad problémy strojového učení – že potřebujeme určité množství kvalitních dat a že feature engineering i validace daného modelu jsou velmi důležitými kroky při vývoji. Tyhle koncepční znalosti se člověk nenaučí jen hraním se správnou knihovnou. Nedílnou součástí jsou také kontakty – v oboru data science se v Praze nepohybuje mnoho lidí a mít alespoň nějaké známosti se hodí.

Říkal sis někdy, že bys rád zůstal v akademii? Čím tě naopak lákala aplikační sféra?

Akademická sféra pro mě nikdy nebyla první volbou. Během bakaláře jsem se dostal k hodně zajímavému základnímu výzkumu, který mě nadchl a o akademické sféře jsem krátce uvažoval. Základní výzkum je krásná a obdivuhodná kariéra a je důležité, že se jí v Česku věnujeme. Nedokážu si ale představit, že bych se roky věnoval tématu, které nakonec nemusí přinést žádný užitek. Mě víc baví ta šířka záběru a proměnlivost v aplikační sféře, kdy si člověk může sáhnout na spoustu zajímavých věcí, byť se jde oproti výzkumu do menší hloubky. A zatím svého rozhodnutí nelituji.

Dokážeš si přece jen představit, že bys jednou působil na akademické půdě?

Třeba jednou ano. Dokážu si představit, že mi bude chybět možnost soustředit se dlouhodobě na jeden problém a dovést jeho řešení do úplného konce. Navíc by mě rozhodně bavilo učit, pokud bych měl co předat. Ale zatím jsem spokojený tam, kde jsem.