#mentoring #people

Путь мастера: EX или education experience

Подумалось написать про то, как тяжело становится мастером — во-первых, надо постоянно что-то изучать, тратить силы, не тупить на месте;

Еще тяжелее — помочь другим достичь “мастерства”

Когда я говорю “мастерство” — это не совсем тоже самое, что “просто” выучить что-то новое; я пытаюсь показать сознательно стремление стать способным достичь более крутого результата в условной метрике [любой: количество, качество, etc]

С тем предположением, что это приносит в жизни кратно больше блага — людям вокруг и тебе лично — чем если просто “поддерживать” существующее положение дел [сохранять статус кво]

Пример “метрики”

Научиться жать от груди не 100кг, а 120кг [метрика: вес]; научиться решать задачу не линейной моделью, а через deep learning [метрика: уровень complexity системы]; организовать бюджет так, чтобы даже в кассовый разрыв были деньги [метрика: избыточность];

Метрики разные — количественные или качественные; высокоуровневые или локальные; и не уверен, что всегда строго важно осознавать, в чем именно растет мастерство — хотя для меня самого как-то стало интуитивным задавать вопрос “на чем именно я сейчас фокусируюсь”, “в чем я хочу достичь progressio”

Стимулы освоения нового

Из опыта инженерии два класса, как обычно люди совершенствуются в чем-то [или просто изучают новое] — с точки зрения стимула к тому, чтобы пойти и начать изучать:

1. Реактивный подход: встретил триггер ака “надо сделать поставленную задачу” — изучаю что-то для их решения с разной степенью глубины: от “скопировать вставить” до “разобраться в матчасти” — применяю на практике — получаю профит — [опционально] рассказываю об этом другим [выступления, внутренний knowledge шеринг, менторство] и тем самым подкрепляю позитивно себя
2. Проактивный подход: задумался о том, что привлекает мое внимание прямо сейчас — сгенерировал_а себе триггер сам_а — здесь задумался, как “автономный процесс” в виде у меня есть хобби и в нем постояно что-то новое, так и я сознательно выбираю путь мастерства и ищу несовершенства, пробую подвинуть грань возможного

У каждого класса свои недостатки: технические и не технических области знаний

Не техническим путям чуть проще и чуть сложнее одновременно — с одной стороны, триггеры везде развивать твой major: конфликты, тупики, страхи, etc. — технические таланты здесь достаточно часто игнорят “какая польза? какой смысл?”, сидят в статусе “кво” — с другой стороны, major сильно более абстрактный, тяжелее измерить прогресс и успехи;

Делать 996 взмахов на горе Фуджи — не обязано быть скучным

Подумал, что часто в голове для себя геймфицирую процесс обучения — например, раскладываю его на цели обучения, которые называю “миссиями” [так сильно интереснее]

Есть верхнеуровневая миссия для обучения

большое или высокоуровневое; оно должно сквозь время множить возможности, личное и общее благо; в нем должно быть интересно продвигаться — как в Diablo IV проходить основной сюжет;

Например: cделать так, чтобы появилась избыточная экспертиза в релевантных у нас в Датастеп доменах. Например: NLP [обработка естественного языка], LLM [языковых моделях], т.д.

Есть локальная миссия

выбирай какую нибудь слабую “мета-точку” или “реальную-точку” - и придумывай, как оптимизировать, как продвинуться дальше, чем уже было? Локальную миссию можно синхронизировать с текущим раскладом, например с приоритетами личными, сообщества или бизнеса.

Мета-точка

“не тестируем альтернативные модели” или “боимся пойти поотлаживать параметры в моделях” или “не умеем повышать качество Х”

Реальная-точка

1. Языковая модель на больших документах даёт непредсказуемые ответы - каждый раз по разному [=> разбираемся, как делают другие => разбираемся, как у нас работает => думаем, какие существуют фундаментальные подходы чтобы улучшить у нас => …]
2. Классификатор Номенклатур умеет в конечное кол-во параметров — как сделать так, чтобы на невиданных классах он перформил “предсказуемо”? Отсюда рождается пакет мини-квестов/вопросов, которые я пойду исследовать:
   1. Какие фундаментальные классы решений есть в задаче “определения кол-ва параметров” есть?
   2. → Какие современные подоходы есть — подходы, с учетом появления разных технологий, исследований и прочего?
   3. → Существует ли решение, умеющее в обобщенную задачу распознавания параметров? Если нет, то почему?

Запоздалые размышления для меня

не технические — это не физики, не химики, не программисты, не механики, etc — любые специализации, где “померять” результат работы напрямую либо тяжело либо не нужно [психология, искусство, переговоры, управление, etc]

---