DOU Books: 5 книжок, які радить Микола Максименко, Research Lead у SoftServe

Albert-Laszlo Barabasi «Network Science»

«Network Science» від Ласло Барабаші — напевно, одна з перших книжок, яка доступно і цікаво показує, як соціальні явища, економіка, поширення вірусів, генетика та біологія можуть бути описані мовою фізики складних систем. Добрий приклад того, що Big Data не є універсальним молотком для всього, і в багатьох випадках хороше моделювання з перших принципів може дати набагато зрозуміліші результати.

Ще задовго до data-хайпу багато вчених досліджували динаміку процесів у соціальних, економічних та інших мережах, виходячи з фундаментальних взаємодій окремих агентів. Використовуючи такий bottom-up підхід, можна зрозуміти, наприклад, як саме з’являється самоорганізація в екосистемах і як на них впливати, щоб отримувати той чи інший результат у майбутньому. Наприклад, як змінити взаємодії в соцмережі, щоб зупинити поширення вірусу?

Книжка досить весело написана, але і не є дитячою. Іноді навіть трапляються справжні рівняння і графіки з наукових статей.

Peter J. Feibelman «A PhD Is Not Enough!: A Guide to Survival in Science»

У мене часто просять порад, куди піти навчатися в аспірантуру і чи варто це взагалі робити. Це стало особливо актуально у розрізі ML/AI, де PhD часто здається магічним ключиком до найкращих груп і цікавих задач в індустрії. Але часто люди не уявляють, наскільки складним є це питання, адже навіть у Кембриджі чи Гарварді можна робити тупикові дослідження, і місце тут явно не є визначальним.

У цій книжці дуже гарно розповідається, як стати успішним володарем PhD і не шкодувати про втрачений час, продовжити працювати в академічній науці чи використати свої знання в індустрії.

Clayton M. Christensen «The Innovator’s Dilemma: When New Technologies Cause Great Firms to Fail»

В українському перекладі — Клейтон Крістенсен «Дилема інноватора. Як нові технології нищать сильні компанії»

Книжка must-read для будь-кого, хто хоче говорити про інновації і R&D. Книга базується на серії наукових праць на тему підривних інновацій і добре розставляє на полички, що це таке, як їх відрізнити і як перед ними встояти. На перший погляд вона виглядає дещо застарілою, адже за основу взяті не зовсім свіжі дані ринків екскаваторів та жорстких дисків, але, як виявилось, описані тенденції є більш загальними і легко прослідковуються в більшості сучасних «проривних» продуктів.

Нещодавно книжка отримала і непоганий український переклад, а теорія підривних інновацій доступна також в короткій вижимці в недавньому Harvard Business Review.

Roger Penrose «The large, the small and the human mind»

В російському перекладі — Роджер Пенроуз «Большое, малое и человеческий разум»

Рано чи пізно хороші вчені починають писати популярні книжки. Інколи ці книжки не так далеко втекли від справжньої науки і їх можна знайти серед цілком фахових робіт у технічній бібліотеці. Так я натрапив на книжку Пенроуза та компанії і періодично почитував її в перервах на каву.

Мені тут сподобалась дискусія про квантові процеси в мозку і припущення, що його ефективність є результатом частково квантових обчислень. Хоча книжку писали достатньо давно, ця тема і досі є відкритою. Періодично можна почитати про механізми, які б могли забезпечувати квантові ефекти в нейронах при температурі тіла.

Petter Wittek «Quantum Machine Learning»

Щоб не боятися наступної AI-зими, пропоную сховатись під ковдру з книжечкою про Quantum Machine Learning і потроху придивлятись до нової хвилі AI. Не можу сказати, що мені дуже подобається саме ця книжка, але вона є непоганою першою спробою структурувати нову ділянку досліджень, яка досить швидко розвивається. Книжка є self-containing, і щоб її читати не обов’язково бути експертом в машинному навчанні чи квантовій механіці — перші розділи навчать як одному, так і іншому.