تجربه تحصیل دیتا ساینس در کانــادا

سلام. من هم خوشحالم که امروز در خدمتتان هستم. امیدوارم صحبت‌هایمان مفید واقع شود.

بله. حتماً. من ملیکه احقاقی هستم. من لیسانسم را در رشته‌ی کامپیوتر اینجیرینگ که همان مهندسی کامپیوتر می‌شود، از دانشگاه تهران گرفتم و الآن دانشجوی مستر دانشگاه تورنتو هستم. کانسرتنیشنی که رویش کار می‌کنم دیتا ساینس و ان‌ال‌پی است. انشاءالله از سال دیگر هم کارم را در این حوزه شروع می‌کنم که الآن در پروسه‌ی اپلیکیشنش بودیم. بله این‌چنین بوده.

بله. حتماً. واقعیتش این است که دیتا ساینس چیزی است که مجزای از کامپیوتر ساینس یا ستیستیکس نمی‌شود بهش نگاه کرد؛ و خب رشته‌ای است که به‌خصوص در کانادا، این روزها اگر شما مثلاً سایت ایندید را چک کنید، جاب‌هوستینگ‌هایی که انجام می‌شود، خیلی‌هایشان مثلاً در حوزه‌ی دیتا ساینس است. گاهی اوقات یک فکر اشتباهی می‌شود. اینکه یک چیزی است که ما قرار است با دیتا کار بکنیم و مشخص نیست که دقیقاً دارد چه اتفاقی در این رشته می‌افتد. من همیشه می‌گویم دیتا ساینس مثل اینترسکشن سه رشته است که معمولاً کسانی که از لیسانس محض می‌آیند، حالا ستیستیکس و این‌ها، می‌توانند خیلی راحت این رشته را ادامه دهند. از طرف دیگر، بخش خیلی بزرگی از دیتا ساینس از ماشین لرنینگ ساخته می‌شود. کسانی که با پایه‌ی کامپیوتر ساینس می‌آیند، باز هم می‌تواند برایشان خیلی انتخاب خوبی باشد؛ و خب نمی‌گویم در حد یک سافتور دولوپمنت، ولی تا حدودی به پروگرمینگ احتیاج دارد. کلاً به نظر من کسی که بیاید ارشد کامپیوتر ساینس هم بخواند می‌تواند در این رشته کار کند. به خاطر اینکه اینترسکشن این سه‌تاست. تنها تفاوتی که به‌طور خاص می‌توانم در مورد دانشگاه تورنتو بگویم حالا دانشگاه‌های دیگر را نمی‌دانم یه‌مقدار تمرکز بیشتری است که روی قسمت نفع قضیه می‌گذارند؛ و اگرنه، قسمت کامپیوترش معمولاً این مدلی است که شما یک‌سری کورس برمی‌دارید از مثل ستیستیکس و الجبرا، علاوه بر آن، مثلاً مارک و مدل و چیزهای این‌طوری. بعدازآن طرف هم شما می‌توانید یک‌سری درس‌ها را در زمینه‌ی هوش مصنوعی بردارید که پایه‌اش ماشین لرنینگ دیکرتینک و این‌ها می‌شود. معمولاً خیلی وقت‌ها آدم‌ها بعدازاینکه با تکنیک‌های دیتا ساینس آشنا می‌شوند، خیلی‌ها گرایش پیدا می‌کنند که خب حالا که پایه‌هایمان را ساختیم، روی شاخه‌ی هوش مصنوعی کار کنیم؛ که حالا می‌شود روی ویژن کار کرد؛ یعنی علاوه بر این‌ها، می‌روند یک کورس ان‌ال‌پی یا ویژن برمی‌دارند و چیزهای این‌چنینی و در این حوزه کار می‌کنند. این چیزی است که رشته هست. می‌گویم، کاملاً ترکیب این سه تاست که هرکدامش خیلی زمان می‌برد. اگر یک نفر بگوید من ماشین لرنینگ اینجینیر خوبی‌ام، شاید کمتر زمان ببرد تا اینکه بگوید من به دیتا ساینس احاطه دارم؛ و حالا می‌گویم، ترندی است و خیلی شغل برایش زیاد است. ولی مشکلش این است که وقتی شما، به‌عنوان یک دیتا ساینتسیت، می‌خواهی وارد کار شوی، خیلی از جاها ازتان پی‌اچ‌دی می‌خواهند، خیلی از جاها ازتان مستر می‌خواهند؛ چرا؟ چون آن بیسیک باید ساخته شده باشد؛ یعنی شما نه‌تنها باید یک پروگرامر خوب باشی، یعنی باید کسی باشی که بتوانی خوب دیتا را آنالیز بکنی، ویژوالایز بکنی، اینترپرت کنی، حالا علاوه بر همه‌ی این‌ها، بیایی یک‌سری الگوریتم‌های ماشین لرنینگ به کار ببری و این‌ها. معمولاً لول کار بالای لیسانس است. من خودم در لیسانس، تجربه‌ی خیلی از این کورس‌ها را نداشتم. مگر اینکه خب کسی دو برابر کار کند تا بتواند برایش آماده شود. این چیز کلی است که از رشته می‌توانم بگویم. بازار کار خیلی خوبی دارد، درعین‌حال، معمولاً یک‌چیزی که ایندریت می‌شود، خیلی در آن رقابت پیش بیاد. من می‌بینم که ما هم الآن اینجا کسانی را داریم که از فیزیک آمده‌اند، از اقتصاد آمده‌اند، از رشته‌های این‌چنینی آمده‌اند و گرایش به آن وجود دارد. خیلی خوب می‌تواند اپلای شود. مثلاً شنیده بودم یک نفر تز معماری‌اش ترکیب با ماشین لرنینگ بود. می‌تواند در جاهای مختلف کار شود. ولی به نظر من، درست است که ترندی است، ولی درعین‌حال رشته‌ای است که خیلی کار می‌برد و جذابیت‌های خاص خودش را دارد. شاخه‌های خیلی مختلفی دارد که می‌شود رویش کار کرد. من اینجا استادی را می‌شناسم که تخصصی دیتا ویژوالیزیشن کار می‌کند، یعنی فقط با فرانتنت کار می‌کند، دیتا را ویژوالایز می‌کند، چارت‌های مختلف... روش‌های خیلی جالبی دارد. یکی هست که دیتا ساینتیست است، ولی بیشتر مثلاً بلد است با دیتا منیجمنت کار بکند. اگر کسی دوست دارد، نباید اشتباه به دیتا ساینس بیاید. اصلاً حوزه‌ی مختلفی است. کسی که خیلی جدی می‌خواهد روی الگوریتم‌ها، یا روی آبتومیزیشن کار کند، یا الگوریتم‌های ماشین لرنینگ کار کند، قطعاً باید سی‌اس اپلای کند. می‌شود گفت دیتا ساینس از هرکدام یک چیزهایی می‌چیند، ولی به عمق هیچ‌کدام از این‌ها نمی‌رود. این اتفاقی است که اینجا می‌افتد. من دارم فوقم را تمام می‌کنم. گرایش من بعد از آن، به این شد که ان‌ال‌پی را بیشتر کار کنم. ابزار خیلی خوبی است. این یک چیز کلی‌ای بود که می‌توانم در موردش بگویم.

بله. حتماً. من فکر می‌کنم پارسال مهرماه پروسه‌ی اپلای را شروع کردم و چند تا دانشگاه مختلف اپلای کردم. هدف من فقط کانادا بود و جای دیگه‌ای را اپلای نکردم. پروسه اینجوری است که یک‌سری پرتال‌های دانشگاه هست که اینستراکشن‌هایشان را باید بخوانید. معمولاً آدمی که می‌داند که می‌خواهد اپلای کند، به‌خصوص بعضی‌ها، هم‌زمان با لیسانسشان یا فوقشان دارند اپلای می‌کنند. ترجیحاً اگر یک تابستان خالی دارید و می‌دانید سال بعدش می‌خواهید اپلای کنید، به لحظه‌های آخر نیندازید؛ یعنی تافل، آیلتس، جی‌آرای یا هرچه را که لازم است، ترجیحاً بگیرید، چون ممکن است دفعه‌ی اول نمره‌ی خوبی را که بخواهید نگیرید. و اینکه در آن زمان اپلای اگر مدارکتان آماده باشد، خیلی استرستان کمتر می‌شود. مثلاً من خودم این زمان را نداشتم و تابستانش هم اینترنشیپ رفته بودم. مجبور بودم در بازه‌ی خیلی کوتاهی همه‌ی این کارها را بکنم. ولی اگر واقعاً این فرصت را دارید، چون دو سال هم تا تاریخ انقضایش فکر می‌کنم فاصله هست، هم برای آیلتس و هم برای تافل، خب این‌ها را اول باید داشته باشید.

بله. نگاه می‌کنند که شما آخرین مدرکتان از کجا بوده است. آن دانشگاه اگر انگلیسی‌زبان نباشد، معمولاً تافل یا آیلتس را می‌خواهند که خب شامل من هم می‌شد. در مورد جی‌آر‌ای بگویم. نسبت به آمریکا خیلی جی‌آرای واقعاً لازم نیست. در دانشگاه‌هایی که من اپلای کردم، فکر می‌کنم فقط واترلو جی‌آرای می‌خواست و مک‌گیل. آن هم یک جورهایی، در رقابت خیلی زیاد جی‌آرای را می‌خواهند که سلکشن انجام دهند. آن فورسی که دانشگاه‌های آمریکایی دارند، اینجا وجود ندارد. من برای یوافتیو، هم برای انرسیش اپلای کرده بودم، هم برای انرسی که الآن رشته‌ی خودم است؛ هیچ‌کدام جی‌آرای اصلاً بهشان نرسید و مشکلی پیش نمی‌آید. اما حتماً نگاه بکنید، اگر واقعاً مثلاً روی واترلو تمرکز دارید، واترلو می‌خواهد. فکر می‌کنم سی‌اسش می‌خواهد، اما دیتا ساینسش نمی‌خواهد. نگاه بکنید. تافل را یک‌ماهه یا دوماهه می‌شود خواند، اما جی‌آرای، به‌خصوص اگر آدم لول زبانش سوسو باشد، باز هم به لول زبان ربط ندارد. وکب خیلی زیادی می‌خواهد که فکر می‌کنم پنج شش ماه لازم است تا آن عددهای خیلی بالا را آدم بتواند به‌عنوان اسکورش بگیرد. این‌ها چیزهایی می‌شود که باید داشته باشید. در کنارش، معدل و همه‌ی این‌ها را آماده می‌کنید و وارد پروسه‌ی اپلای می‌شوید. در مرحله‌ی اول که چیز خاصی نیست. فقط یک پرتال است که مرحله‌به‌مرحله جلو می‌روید و اطلاعات شخصی‌تان را می‌دهید، بعد مثلاً رزومه‌تان را آپلود می‌کنید. کارنامه‌تان ترجمه‌شده باید آپلود شود. لزومی ندارد موقع اپلای کارنامه‌تان کامل شده باشد. می‌دانند که ممکن است شما هنوز درستان را تمام نکرده باشید؛ اما وقتی‌که ثبت‌نام می‌کنید، بهتان یک ددلاینی می‌دهند تا کارنامه‌ی رسمی به دستشان برسد. دانشگاه‌هایی که من اپلای کردم به کارنامه‌ی آفیشیال احتیاج نداشتند؛ یعنی من فقط ترجمه‌شده برایشان فرستادم. همین بود. و اینکه حالا دانشگاه به دانشگاه فرق دارد. یک بحث خیلی مهم این است که شما استاد پیدا کنید. شانستان را چند برابر می‌کند. نکته این است که مثلاً دانشگاه‌های تورنتو، اصلاً استادها قبل از اینکه شما پذیرش بگیرید اجازه نمی‌دهند باهاشان مصاحبه بکنید. یکی دو نفر به من اجازه دادند؛ اما مثلاً واترلو و یوبی‌سی که من پارسال اپلای کردم، قبلش با من مصاحبه کردند و من اصلاً به اعتبار آن‌هایی که اصلاً من را قبول کرده بودند دانشگاه قبول شدم. ولی چه تورنتو، چه هر دانشگاه دیگری، با اینکه ازتان قبول نمی‌کنند، این قضیه قابل‌انکار نیست که اگر استادی واقعاً شما را بخواهد، شانس شما چند برابر می‌شود و معمولاً شما وقتی با ایمیل دانشگاه خودشان بهشان ایمیل نزنی، به‌ندرت بهتان جواب می‌دهند. برای همین، من خودم اینجوری بودم که روزی بیست تا سی تا جوری برایشان ایمیل می‌فرستادم که هشت صبح به دستشان رسیده باشد؛ یعنی بالای لیست ایمیلشان بیاید. من که مثلاً ممکن بود هفته‌ای صد تا دویست تا ایمیل به استادهای مختلف بزنم، ممکن بود سه نفر بهم جواب بدهند؛ یعنی ناامید نشوید. یک چیزی است که روتین است. نه اینکه ازخودراضی باشند، یا فاشیست باشند، خیلی وقتشان پر است. خیلی‌هایشان فیلتر می‌کنند که فقط ایمیل‌هایی را که از دامین دانشگاه خودشان می‌آید جواب می‌دهند. برای همین، سعی کنید دانشگاه‌های مختلف و استادهای مختلف را به‌صورت چرخشی از تایم‌های خیلی زود، مثلاً مهرماه و آبان ماه شروع کنید برایشان ایمیل بزنید. این پروسه‌ی اپلای بود. بعد هم که دیگر کارهای اداری‌اش طبق آن فرم دانشگاه، یعنی پرتابل‌هایشان را که دنبال بکنید، خودش می‌گوید باید چه کار کنید. همه‌ی دانشگاه‌ها ریکاملتر می‌خواهند که حالا بین دو و سه تاست و معمولاً می‌گویند اگر سه تاست، معمولاً سه تاست، می‌گویند حداقل دو تایش باید آکادمیک باشد؛ که ترجیحاً از استاد باشد بهتر است تا یک آدمی که دانشجوی پی‌اچ‌دی یا مستر است. خیلی ریکاملترها مهم است. وقتی شما در لیسانس تی‌ای یک نفر می‌شوید، حتماً تحقیق بکنید. چون آدم وقتی در ایران تی‌ای می‌شود، داوطلبانه است؛ یعنی عملاً داری آن کار را هم به خاطر علاقه‌ات انجام می‌دهی، هم اگر هدفت گرفتن ریکاملتر از آن استاد بود، یک‌جوری وقتت تلف می‌شود، اگر آن آدم اهل ریکام دادن نباشد. ما دو سه تا استاد در دانشگاه تهران داشتیم که بدون هماهنگی ریکام منفی به یک دانشجو می‌دادند و کاملاً شانس آن دانشجو را در آن دانشگاه از بین می‌بردند. حتماً در مورد این موضوع تحقیق بکنید، یعنی اگر کسی تی‌ای آن آدم بوده و با ریکام آن آدم اپلای کرده است، بپرسید و ببینید چه جوری است. اینقدر آدم‌های بی‌مسئولیت بودند که مثلاً من می‌گفتم ددلاین ریکاملترها فلان روز است و فردایش برای من می‌فرستادند؛ یعنی این مشکلات هست. ببینید تی‌ای چه کسی می‌شوید و از چه کسی می‌خواهید ریکام بگیرید. حتماً اینکه زبان طرف خوب باشد خودش مهم است؛ یعنی ممکن است آن ریکام کاملاً برعکس برای شما عمل کند. ترجیحاً استادی که آنجا، در آن کشور خاص درس‌خوانده، سایتیشین بالایی دارد، خیلی می‌تواند خوب باشد. باز هم اگر کسی ایران هم‌درس خوانده باشد، نظر مثبتی داشته باشد و دلایل قانع‌کننده بیاورد، ارزشمند است؛ تا اینکه فقط بگوید این دانشجوی خوبی است. اگر این رفتنش را بهتان بدهد، خودتان متنی برایش آماده بکنید، خیلی می‌تواند کمک‌کننده‌تر باشد. این‌ها چیزهایی بود که در اپلای مهم است. می‌گویم، شما وقتی یکجایی اپلای بکنید، خودش راهنمایی‌تان می‌کند. مرحله‌به‌مرحله جلو می‌روید و همه‌ی این‌ها را از شما می‌خواهد و در مرحله‌ی بعدی هم ازتان SOP می‌خواند که در فارسی بهش انگیزه نامه می‌گویند. این خیلی خیلی می‌تواند در یک‌سری دانشگاه مهم باشد. اینجا مرکزهایی به‌نام ولکام سنتر برای مهاجرهای جدید وجود دارد. من چند سال پیش با یکی‌شان صحبت کردم. یک آقای اروپایی بود که یادم نمی‌آید کجایی بود، گفت: «من معدل لیسانسم موقع اپلای خوب نبود. بعد وقتی‌که می‌خواستم اپلای کنم، سیزده صفحه SOP نوشتم و با سیزده صفحه SOP و آن تزی که در ذهنم بود دانشگاه قبول‌شده بودم؛ چون واقعاً معدلم معدلی نبود که به کف آنجا برسد و اینقدر SOP من برای این‌ها جالب بود که بر اساس آن تز من را تعریف کردند و من دانشگاه قبول شدم.» یعنی اینقدر SOP می‌تواند مهم باشد. سعی کنید تمپلیت دنبال نکنید، این‌ها یک‌سری اپلیکیشین‌هایی مثل ترنیتینگ دارند که قشنگ نشان می‌دهد که شما از تمپلیت استفاده کرده‌اید، چند درصد استفاده کرده‌اید، چند نفر دیگر اینقدر جمله با شما اشتراک دارند... این تأثیر منفی می‌گذارد. ترجیحاً سعی کنید جملات خودتان باشد. لانگ‌ترم گلتان چیست؛ شرت‌ترم گلتان چیست (اهداف بلندمدت و کوتاه مدت)؛ چه بک‌گراند اکسپرینسی داشتید؛ چرا این دانشگاه برایتان خوب است؛ اگر به این دانشگاه بیایید، دوست دارید روی چه چیزی کار کنید؛ آیا استاد خاصی موردنظرتان است. طولانی نباشد، اما هم خودتان را پرزنت بکند و هم دقیقاً مشخص کند چرا این دانشگاه برایتان خوب است. اصلاً چه‌کاره‌اید و چرا آمده‌اید اینجا؟ آمده‌اید اینجا فوق بگیرید، دنبال آکادمیک اکسپرینس خیلی بلند مدتی آمده‌اید؟ همه‌ی این‌ها را مشخص بکنید، شفاف و با جمله‌بندی‌های خوب. حتماً چند بار ادیتش کنید و رویش تایم بگذارید، یک هفته، دو هفته، دو ماه. حتی اگر از الآن می‌دانید برای سال دیگر می‌خواهید اپلای کنید، می‌توانید روی تک‌تک این چیزهایی که گفتم کار بکنید. فکر نمی‌کنم چیز دیگری لازم باشد. یکی هم که همان سی‌وی است که آن هم باز سعی کنید خیلی مرتب، کوتاه، یک‌صفحه‌ای، اسکیل‌هایتان را نشان بدهد، تجربیاتتان، اینکه کجا درس خوانده‌اید. نیاز نیست ده صفحه باشد. واقعاً وقت ندارند. چند هزار نفر ممکن است در یک‌سری از این دانشگاه‌ها اپلای کنند. من یادم است یوبی‌سی که اپلای می‌کردم، یک استاد دو تا دانشجو می‌گرفت و نزدیک هشتصد نفر برای آن دو دانشجوی یک استاد اپلای کرده بودند. برای همین، خیلی باید سعی کنید مختصر اثر بگویید و سعی کنید خیلی خوب خودتان را پرزنت کنید؛ که آن آدم در یک صفحه بفهمد که این آدم همانی است که من می‌خواهم. برای اینترویو دعوتتان کنند. اینترویو یک مرحله‌ی خیلی خوب است که اگر شانسش بهتان داده شود و توان پرزنت کردن خودتان را داشته باشید، به آن هدف خیلی نزدیک می‌شوید. ولی خب می‌گویم، باید از دانشگاه‌های مختلف و استادهای مختلف عقب‌نشینی نکنید. اپلای بکنید. اگر کمی هم فیلد کاری طرف با آنچه واقعاً دوست دارید فاصله داشت، ولی شانس قبولی‌تان را بالا می‌بُرد، ارزشش را دارد که حداقل یک ایمیل برایش بفرستید.

من پارسال دانشگاه‌های مختلف اپلای کرده بودم، یوبی‌سی، واترلو و یوآوتی. یک لیست داشتم، همین‌جور می‌خواستم بروم دانشگاه‌های مختلف را اپلای کنم. چون ددلاین این‌ها بسته به رنکینگشان است. معمولاً رنکینگ‌های بالاتر را باید زودتر اپلای کرد؛ یعنی حواستان هم باشد. همیشه ددلاین‌ها را چک بکنید، میس نکنید. چون حداقل تجربه‌ی من نشان داده است که وقتی دیر می‌کنید، امکان دارد که رزومه‌تان را دیرتر چک کنند و شانستان پایین می‌آید. من دانشگاه تورنتو را انتخاب کردم. چون یکی اینکه خب خانواده‌ی من اینجا در تورنتو زندگی می‌کردند. ولی من خب این معیارها برایم مهم نیست؛ یعنی اینکه دانشگاه چقدر خوب باشد خیلی برایم مهم بود. این رشته‌ی خاصی که دانشگاه تورنتو دارد ارائه می‌دهد، در دانشگاه‌های دیگر ارائه نمی‌شود. آن هم MACAC است که بهش Applied Computing می‌گویند. الآن نمی‌دانم این رشته دقیقاً چه کانسرنتریشن‌هایی را جدیداً می‌گیرند. ولی به این صورت است که Applied Computing یعنی شما applied research انجام می‌دهید؛ یعنی ریسرچی که قرار است به‌عنوان تز نهایی‌تان انجام بدهید، به‌جای اینکه در لب دانشگاه باشد، در کمپانی‌های پارتنرشان انجام می‌دهید. حالا می‌تواند کمپانی باشد، یا یک‌سری لب‌های صنعتی؛ که معمولاً یک آکادمیک سوپروایزر از دانشگاه به شما اساین می‌کنند و یک اینداستریال سوپروایزر که در خود همان شرکت است؛ که قطعاً شما باید تضمینی ریسرچ انجام بدهید؛ یعنی آن شرکت حق ندارد software developement خاص ازتان بخواهد و خیلی‌هایشان اصلاً هدفشان پابلیش کردن مقاله در آخر است هست. ولی در MAC ساده شما در لب کار می‌کنید. شاید ریسرچش سنگین‌تر باشد، ولی خب تجربه‌ی کار دیگر ندارید. این رشته خب فقط اینجا بود که شاخه‌ی دیتا ساینس را هم اختصاصی داشت، یعنی Applied Computing یک دیتا ساینس دارد، یک کامپیوتر ساینس دارد. یکی هم دانشگاه واترلو بود که می‌گویم، بین این دو تا هم این قضیه‌ی کار بود، هم اینکه در تورنتو است. یک خوبی دانشگاه واترلو این است که رسماً یک رشته‌ی دیتا ساینس به‌صورت مجزا دارد؛ یعنی شما وارد رشته‌ی کامپیوتر ساینس نمی‌شوید که بهتان چند تا کورس بدهند. به‌صورت جدا دانشگاه واترلو مستر دیتا ساینس دارد. آن هم دوساله است. همان پروسه‌ی تز و این‌ها را دارد. استادهایی دارد که دقیقاً در این حوزه کار می‌کنند. فکر می‌کنم خود دانشگاه واترلو خیلی انتخاب خوبی است و احساس من این است که شانس قبولی‌اش یک جاهایی بالاتر از دانشگاه تورنتو است. دانشگاه تورنتو هم به خاطر اینکه در تورنتو است، هم اینکه یک مقداری سر استادانش شلوغ‌تر است، بهتان وقت بیشتری برای مصاحبه و پرزنت‌کردن می‌دهند. در دانشگاه واترلو، ازنظر رنکینگ مهندسی‌اش در کانادا، خیلی‌ها اعتقاد دارند یک‌جورهایی دانشگاه واترلو دانشگاه شریف کانادا محسوب می‌شود. اعتقاد دارند در یک‌سری چیزهای مهندسی خیلی قوی کار می‌کند. اعتقادها فرق می‌کند. بعضی‌ها می‌گویند دانشگاه تورنتو تئوری‌اش قوی‌تر است، آکادامیک‌تر است. ولی دانشگاه واترلو صنعتی‌تر است. شما لیسانس را هم که ببینی، لیسانس دانشگاه تورنتو کواپ‌هایش خیلی محدود است. ولی در واترلو من شنیده‌ام سوییچ می‌شود. یک ترم در میان، شما کواپ می‌روید؛ یعنی یک ترم درس می‌خوانید، یک ترم کواپ می‌روید. خیلی دانشگاهش به صنعت متصل است. دانشگاه یوبی‌سی هم من اپلای کردم و آن هم بهم شانس درواقع مصاحبه را دادند. فقط مشکل یوبی‌سی این است که کمی هزینه‌ی شهرش بالاست، یعنی نسبت به تورنتو و واترلو؛ یعنی بخواهم مقایسه بکنم، زندگی در واترلو کم‌هزینه‌تر از تورنتو است، بعد می‌شود ونکوور؛ یعنی شاید پرهزینه‌ترین شهر کانادا محسوب می‌شود. ولی خب تنها جا در کاناداست که برف و سرما را ندارد. این خوبی را دارد. آنجا یک دانشگاه دیگر هم هست، سایمون فریزر. خیلی از دوستانم به آنجا رفته‌اند. آن هم دانشگاه خیلی خوبی است. ولی خب من اطلاعات دقیق درباره‌ی فضایش ندارم.

دانشگاه ما در این رشته‌ی خاص سلف‌فاندد است. ولی چون ما دامستیک هستیم، دولت خودش هزینه‌ی تحصیلی‌مان را می‌دهد. برای ما دولت اوسک کاور می‌کند. بعد یک گرنت و لونی بهمان می‌دهند. برای کسی که اینترنشنال را اپلای می‌کند، چون این رشته سلف‌فاندد است، اصلاً آن گرنت‌هایی که آن‌ها دارند را ما نمی‌توانیم اپلای کنیم. آن‌ها شانس خیلی گرنت‌های بیشتر دارند. اما من شنیده‌ام رشته‌ی ام‌اس‌تی کامل فول‌فاند قبول می‌کند. در مورد دانشگاه تورنتو نمی‌دانم، ولی در مورد دانشگاه واترلو، من یادم است که وقتی دیتا ساینسش را قبول شدم، یک اسکالرشیپ بود که مسابقه‌ای بود که به ۱۱۰ نفر آن اسکالرشیپ را می‌دادند. خب آن اسکالرشیپ ... بود که هفده‌هزار دلار بود که من مجبور شدم آن را بهشان برگردانم. چون نمی‌خواستم به آنجا بروم. فکر می‌کنم ۲۷-۲۸ هزار دلار را هم خودشان کاور می‌کردند. آن‌طور که محاسبه می‌کردم، فاند من را ۴۵ هزار دلار دادند، ولی هزینه‌ی خود دانشگاه فکر می‌کنم با ۲۱ تا ۲۴ هزار دلار کاور می‌شد؛ یعنی اگر آن اسکالرشیپ را هم نگیریم، باز هم فکر می‌کنم فرای از هزینه‌های دانشگاه بهتان تعلق می‌گرفت. تازه این هزینه‌ی قبولی است؛ یعنی به‌عنوان Research asistant این حقوق فاند و این‌ها بهتان تعلق می‌گیرد. بعد شما می‌توانید بیایید اینجا، از ترم اول تی‌ای بشوید. تی‌ای هم ساعتی است. مثلاً می‌توانید هر ترم شصت تا نود ساعت، تی‌ای‌شیپ داشته باشی که معمولاً ماهی بین ششصد تا هزار دلار است. دانشگاه تورنتو این‌طوری است. دانشگاه‌های دیگر را نمی‌دانم. حالا منهای ‌آر. ای‌شیپ و تی‌ای‌شیپ که می‌گویم ...، من دوستی داشتم که به دانشگاه اوشاوا رفته بود، سه ساعت با اینجا فاصله دارد. شنیده بودم که حدود ۲۷ هزار کاور می‌کردند. به دانشگاه بستگی دارد. بین بیست تا سی‌هزار دلار فول‌فاندهایشان سالیانه کاور می‌کند. بعضی‌ها هم اصلاً زیر مقدار ... هست بهتان می‌دهند. خیلی باید حواستان باشد که چه‌جوری است، چطور می‌توانیم گرنت بگیریم، آن دانشگاهی که داریم می‌رویم کجاست، هزینه‌ی زندگی آنجا چطور است. لوکیشینش خیلی مهم است. من دوستی داشتم که فکر می‌کنم دانشگاه ویکتوریا فکر می‌کنم اپلای کرده بود، عملاً توییشنش را هم حتی کاور نمی‌کرد و باید در کنارش کار می‌کرد. اینجا می‌شود هم‌زمان با درس کار هم کرد، منتها محدودیت ساعت کار دارد. آن هم یک بحث جدایی است که که من خیلی از دوستانم جاهای مختلف کار می‌کنند؛ یعنی می‌توانید به‌عنوان اینترن جایی بروید. کلاً فضای اینجا فضای خیلی بازی است برای اینکه حتی یک دانشجو بتواند در یک کافی‌شاپ کار کند. خیلی چیز روتینی است.

بله. دقیقاً. فکر می‌کنم فرصت‌های جنرال جاب برای دانشجوها خیلی زیاد باشد. خیلی چویس خوبی است و کلاً جاافتاده است؛ یعنی بچه‌ها خیلی برای کمک‌هزینه این کار را می‌کنند و کمک خوبی است و می‌شود رویش کار کرد. حتی دانشگاه ما طوری است که هر چند وقت یک‌بار جاب‌های در دانشگاه را دارند. مثلاً شما منشی یک نفر می‌شوی، مثلاً کارهای اکسلش را می‌کنی. این‌جور جاب‌ها پست می‌شود تندتند و می‌توانیم برایشان اپلای بکنیم. مثلاً می‌گوید هفته‌ای هفت‌-هشت ساعت ازت کار می‌خواهم، مثلاً فلان فایل را برایم درست بکن. این‌ها درواقع چیزهایی نیست که بشود رویشان تکیه کرد و گفت حتماً هست. ولی چیزی است که شانسش وجود دارد. من دانشگاه‌های دیگر را نمی‌دانم، ولی این سه تا این مدلی بودند؛ یعنی کاوریج‌هایشان به‌نظر من بالای ... بود.

تورنتو دو تا دانشگاه دارد که خیلی در این زمینه خوب هستند. یکی دانشگاه یورک است که در زمینه‌ی کامپیوتر خیلی دارد پیشرفت می‌کند. من پارسال هم اینترشیپم را آنجا رفتم. واقعاً کیفیت کار در آنجا خوب است. یکی هم دانشگاه تورنتو است. دانشگاه‌هایی که اینجا هستند تعدادشان محدود است. ولی درعین‌حال تورنتو خیلی کمپانی‌های مختلف دارد و این درواقع شانس این آدم‌ها را زیاد می‌کند، نسبت به کسی که می‌خواهد از شهر دیگری این‌جور جاها اپلای بکند. من دانشگاه‌های دیگر را به‌طور خاص دقیق نمی‌دانم. ولی دانشگاه تورنتو خودش اصلاً به‌صورت اختصاصی یک مارک‌سنتر دارد که مال خود دانشگاه است. خیلی از شرکت‌هایی که اینجا هستند، اصلاً در همان خود مارک‌سنترهای دانشگاه تورنتو یک شعبه دارند. این نشان می‌دهد که دانشگاه پارتنرشیپ خیلی خوبی دارد. مثلاً در رشته‌ی ما، فکر می‌کنم تقریباً بالای سی‌-چهل تا شرکت مختلف در لیست ما بودند که حتی از تعداد ما بیشتر بود. پارتنرشیپ خیلی قوی‌ای دارند و همین‌جور دارند این را اکسپند می‌کنند. خب این‌ها هم دوست دارند. ترجیح می‌دهند به آدم آزادی که شغل آزاد دارد و حالا بک‌گراند اینجایی ندارد. خیلی روی بچه‌هایی که از این‌جور دانشگاه‌ها فارغ‌التحصیل می‌شوند سرمایه‌گذاری می‌کنند. خود دانشگاه هم به‌طور خاص واسطه می‌شود. ممکن است خودت از این دانشگاه بعد از فارغ‌التحصیلی اپلای بکنی، دیگر رزومه‌ات را چک نکنند. ولی خودشان به‌صورت اختصاصی می‌روند و واسط بین شما و آن شرکت‌های می‌شوند و خب این خیلی شانس خوبی را می‌دهد که شما حداقل به این مرحله برسی که با این شرکت‌ها اینترویو کنی. دیگر آن خودت هستی که قبول شوی یا نه؛ اما این اجازه را بهت می‌دهد که بتوانی کامیونیتی کاری‌ات را گسترده کنی. کلاً یک چیزی که آدم باید حواسش بهش باشد این است که آن دانشگاهی که اپلای می‌کنی، منهای اینکه مدرک کانادا آدم می‌گیرد، تجربه‌ی کانادایی دارد، کورس‌ها چقدر جذابیت دارند و استادانشان خوب است، خیلی ارزشمند است که شما دانشگاهی که به آن می‌روید، با چه کامیونیتی‌ای آشناتان کند. دانشگاه‌هایی که در کانادا هستند، حتی دانشگاه یورک که خیلی به صنعت وصل است، استادانش خیلی با شرکت‌ها پارتنرشیپ دارند و این شانس را بالا می‌برد؛ که سه‌-چهار سال بعد از فارغ‌التحصیلی دنبال کار نگردی. دانشگاه تورنتو هم خوبی‌اش این است که کامیونیتی شما را خیلی اکسپند می‌کند. فارغ‌التحصیل می‌شوم و می‌بینم که چقدر آدم‌ها را در لینکدین از جاهای مختلف می‌شناسم و شاید من اگر اینجا درس نمی‌خواندم، نمی‌توانستم این شانس را به خودم بدهم. نه‌فقط اینجا، جاهای مختلف. حالا آن‌ها هم نمی‌آیند در خانه را بزنند و باهاتان آشنا شوند. باید تلاش بکنی. وقتی در لیست می‌بینی، بهشان ایمیل بزنی، از آن دامین دانشجویی‌تان زیاد استفاده کنید که شما را ببینند. باهاشان حرف بزنید. ازشان سؤال بپرسید. چه شرکت‌ها، چه لب، چه استادها، چه دانشجوهایی که اینجا هستند. چون دانشجوهایی که اینجا هستند هم یک روزی قرار است بروند و وارد صنعت شوند. اگر سال بالایی‌تان هستند و در آن حوزه‌ای هستند که شما دوست دارید، حتماً باهاشان ارتباط بگیرید. چون به نظر من، بزرگ‌ترین رمز موفقیت در این کشور و فکر می‌کنم خب کشورهای دیگر، آن کامیونیتی و آن دامنه‌ی ارتباطی است که شما دارید. واقعاً فکر می‌کنم خیلی تأثیرگذار باشد.

چون من این چند وقت خیلی با شرکت‌های مختلف مصاحبه داشته‌ام، می‌دیدم که چه می‌خواهند. هم دیتا ساینس و هم ماشین لرنینگ خیلی توییستد است. آن شرکت ممکن است یک اسمی آن بالا زده باشد، ولی عملاً همه‌ی این‌ها را بخواهد. خب اول از همه اینکه، به‌عنوان یک دیتا ساینتیست، معمولاً شما یک‌زبان برنامه‌نویسی را خیلی جدی باید دنبال بکنید؛ یعنی به آن شرکت خاص یا آن دانشگاه خاص بگویی این زبان من است. ازتان می‌خواهند یک‌زبان را حرفه‌ای بلد باشید. معمولاً آر و پایتون در این رشته خیلی روتین است. بعد، سؤال‌های بعدی‌شان در حوزه‌ی ماشین لرنینگ می‌رود. آن پایه‌های ماشین لرنینگ را حداقل باید بلد باشید، وقتی می‌خواهید وارد کار شوید، اینکه الگوریتم‌ها چیست، اورفیتینگ چیست... در حد ایتروداکشن ماشین لرنینگ، آن بیسیک ماشین لرنینگ را بلد باشید. علاوه بر آن، فضای کانادا، نسبت به ایران که من قبلاً بودم، این‌طور است که اصلاً یک بانک که اصلاً شاید هیچ ربطی هم نداشته باشد، همه‌اش می‌خواهند ماشین لرنینگ و دیپ لرنینگ را دائماً در کارهایشان بیاورند؛ و خب الگوریتم‌های دیپ لرنینگی که پیشرفته‌تر است در سؤالاتشان هست. هرچه شما به مرحله‌ای بروید که جلوتر است و بیشتر بلد باشید، خب از آدم‌های بیشتری در رقابت جلو می‌زنید؛ که می‌گویم، دیپ لرنینگ، سی‌ان‌ان، آر. ان.ان، بر و چیزهای این مدلی که در ان‌ال‌پی آمده است، اگر کسی بلد باشد، می‌گویند که طرف از لیسانس، یا از فوق آمده و کامل با این‌ها کار کرده است. این چیز بعدی‌ای است که در حد تئوری ازتان می‌پرسند. بعد می‌روند اکسپرینس‌های شما را نگاه می‌کنند. خب پروژه‌های دانشگاهی خیلی خوب است؛ اما آدم اگر تایم داشته باشد و بخواهد به‌صورت اختصاصی این‌جور رشته‌ها را اپلای کند، به نظر من بد نیست در گیت‌هابش چند تا پروژه‌ی خیلی خوب داشته باشد؛ که بیاید بگوید که من کاری به دانشگاهم نداشته‌ام، آمده‌ام و فلان کار را کرده‌ام. مثلاً پنج‌ شش ماه آمده‌ام الگوریتم‌های مختلفی روی اسپچی میکر زده‌ام، یا روی داده‌های کوویت کار کرده‌ام. ازتان می‌پرسند که خب به چه چیز جدیدی رسیدی، چه‌جوری می‌توانی داده را تحلیل کنی. این پروژه را بگو ببینم اگر به دست تو بدهند، چه کار می‌کنی. علاوه بر آن، بعضی از مصاحبه‌ها سؤال‌های مث هم ازتان می‌پرسند؛ اما من چون خودم این مشکل را داشتم، در ایران بچه‌ها خیلی از رشته‌های ریاضی فراری‌اند، یعنی کورس‌های ریاضی، مثل دینیر الجبرا و استکستیکس و این‌ها. من خودم هم در لیسانس این را از کسانی که به اینجا می‌آیند می‌شنیدم. من خودم کاملاً درکش کرده‌ام که بعضی درس‌ها را بدون اجبنا و استتیستیکس نمی‌شود فهمید؛ یعنی این دو تا چیز پایه‌ترین چیز است؛ یعنی اگر کسی می‌خواهد بیاید دیتا ساینس و از این چیزها متنفر است، اصلاً نباید بیاید دیتا ساینس. فکر نکنید یک زبان برنامه‌نویسی است و چهار تا کد می‌زنید و تمام می‌شود. واقعاً یک بخش جدانشدنی است که به نظر من کسی که می‌خواهد خیلی موفق باشد، خیلی پایه‌ی استتیستیکس قوی‌ای باید داشته باشد. چه در محیط آکادمیک و چه در کار های لول، مثلاً حقوق‌های بالا بخواهید کار کنید، فکر می‌کنم این یک پوینت خیلی مهم و یک بیسیک خیلی مهم است که طرف برای شروع کارش باید ایجاد کند؛ که من این دو تا چیز را به‌عنوان پیش‌نیاز واقعاً بلدم. چون اینجا از شما نمی‌خواهند که بلد باشی بگویی فلان تئوری چیست.

دقیقاً. به شما می‌گویند، حالا که این را می‌دانی، بیا این را تحلیل کن، این را بفهم. این سه تا چیز چیزهایی است که در دیتا ساینس مهم است و چیز دیگری هم که من خیلی در شرکت‌ها دیده‌ام و الآن اینجا برایشان مهم است، واقعیت این است که داده‌ها دارد حجیم می‌شود و آی‌. او. تی و این‌ها هم که آمده، الآن تمرکز این‌ها خیلی روی بیگ دیتاست؛ یعنی سؤال اول و دوم و سوم را که ازتان می‌پرسند، سؤال چهارم می‌گوید که خب با تکنولوژی‌های بیگ دیتا چه کار کرده‌ای. مثلاً چیزهای مختلفی هست، اسپارک هست و مثلاً چیزهای دیگر. نمی‌گویم همه، ولی اگر کسی که می‌خواهد در دیتا ساینس کار کند، یکی از این تکنولوژی‌ها را بلد باشد، باز هم جلو می‌زند. می‌گوید من با این هم کار کردم، این را هم بلدم و حالا شما دیگر چه می‌خواهید. این‌ها چیزهایی است که اگر نداشته باشید، به این معنا نیست که قبول نمی‌شوید و نمی‌توانید جایی کار کنید، ولی چون رشته رشته‌ی ترندی‌ای است، اگر این‌ها را داشته باشید، شما می‌توانید بهتر خودتان را پرزنت کنید. یکی هم که قدرت مکالمه و زبان است.

من خودم فریلنسر کار نکرده‌ام و کسی را نمی‌شناسم که اینجا کار کند. چون فریلنسر یک کار آنلاین است و شما اگر بخواهید در سایت فریلنسر کار بکنید، یکی از آن شغل‌های کمک‌کننده‌ی مالی است. به‌خصوص در شرایط کرونا خیلی باب شده است. من دوستی در آمریکا دارم که می‌گوید من خیلی از کارهایم را از دست داده‌ام و نتوانسته‌ام تابستان کار پیدا کنم. با اینکه لیسانس و دیپلمش را هم آنجا گرفته است و کاملاً امرار معاشش را دارد ازطریق فریلنسر انجام می‌دهد. خیلی گزینه‌ی خوبی است. اینکه آدم با پروژه‌های کوچک شروع کند، خب درآمد دلاری است، دستش بیاید فضا چطوری است. چون فریلنسر حقوق ثابت ندارد، بستگی به این دارد که شما چقدر کار می‌کنید. ولی هم به‌عنوان کمک‌هزینه است و هم من می‌دانم بعضی‌ها کارشان است. شغلشان این است. خوب دستشان آمده و رزومه‌ی خوبی روی سایت آنجا ساخته‌اند. خیلی راحت می‌توانید پروژه‌های مختلفی بگیرید. حتی در ایران هم فکر می‌کنم مشابه‌های این سایت هست. برای تمرین و حتی کار خوب است. همین‌طور در خانه‌تان نشسته‌اید و شغل خیلی خوبی هم دارید. هم تمرین است. فکر می‌کنم شما در شرکت اپلای کنید، می‌توانید به‌عنوان رزومه‌ی کاری هم بهشان بگویی که من در فریلنسر هم کار کرده‌ام.

خب بستگی به آن شرکتی دارید که می‌روید. ولی خب بسته به آن لولی که دارید در آن شرکت کار می‌کنید، مثلاً اینترن هستید، فول‌تایم جاب گرفته‌اید -چون فول‌تایم از اینترن بیشتر است- یا دیرکتور یک بخشی هست. این می‌شود سه لول مختلف درآمد. ولی خب، آن‌جور که من متوجه شدم، سالیانه بین ۸۰-۸۵ هزار تا درآمدش است. این پایه‌اش است. تا ۱۳۰-۱۴۰ هزار تا هم می‌رود. نسبت به رشته‌های دیگر، می‌توانید درآمد خیلی خوبی داشته باشید. بستگی دارد به اینکه شما دارید در چه شرکتی کار می‌کنید. حتماً آدم باید چک کند که بکاپ آن شرکت چه‌جوری بوده است، چقدر ساپورت می‌کند. ولی خب به‌صورت جنرال، آن چیزی که من متوجه شدم، از همان بیس ۸۰-۸۵ هزار تا شروع می‌شود. حالا کارکردن در گوگل با کارکردن در یک شرکت استارت‌آپی فرق دارد.

بله. خیلی برایش کار زیاد هست، یعنی واقعاً احتیاج دارند. چون یک چیزی است که ترند شده است و هر بانکی که شما می‌روی، هر جا که سر می‌زنی، اصلاً نمی‌داند پروژه چیست، اما مثلاً می‌گوید ماشین لرنینگ را کجایش بزنیم. در ایران هم همین‌جوری بود. مثلاً یک بانکی بود که اصلاً ربطی نداشت، یک بانک پنجاه‌متری، می‌خواست یک ربات آنجا بگذارد و مثلاً با بقیه صحبت کند. حالا این نویگیشن در پنجاه متر به چه بدرد تو می‌خورد؟ شغل برایش زیاد هست. من همیشه می‌گویم، اما شاید هم بی‌ربط باشد، من خودم هیچ‌وقت ترند را دنبال نمی‌کردم و همیشه هم می‌گویم کورکورانه ترند را دنبال نکنید. اگر می‌گویم واقعاً مث لازم است، فلان لازم است، کار زیاد می‌برد، واقعاً کار زیاد می‌برد. حالا من خوبی‌های دانشگاه تورنتو را گفتم. به‌طور مثال می‌گویم یکی می‌خواهد به دانشگاه تورنتو بیاید، من دوستی داشته‌ام که فقط تورنتو و واترلو را زده بود. به دلیل شرایطی که برایش پیش‌آمده بود، کلاً آن سال را میس کرد. نکته این است که شما هدفتان از اپلای چیست؟ می‌خواهید چه کار بکنید؟ می‌خواهید بیایید کانادا؟ می‌خواهید سرکار بروید؟ می‌خواهید تا فوق دکتری بروید؟ اینکه آدم تکلیفش با خودش روشن باشد خیلی خوب است. من دوستی دارم که می‌گفت من ترجیح می‌دهم یک دانشگاه آسان‌تر بروم، ولی تجربه‌ی کانادایی داشته باشم. خب اصلاً دانشگاه تورنتو گزینه‌ی خوبی نیست؛ یعنی درعین‌حال که دانشگاه خیلی خوبی است، خیلی لول تحصیلی در آن بالاست، کورس‌ها و اسلایدهایشان را هر ترم با تکنولوژی‌های جدید آپدیت می‌کنند؛ ولی لود کار واقعاً بالاست؛ یعنی اگر کسی در خودش نمی‌بیند که چهارده ساعت در روز روی صندلی بنشیند و پروژه بزند و درس بخواند -دانشگاه فشار خیلی بالایی دارد- گزینه‌ی خوبی نیست. شما اگر می‌خواهید تجربه‌ی کانادایی داشته باشید، می‌توانید با یک دانشگاه آسان‌تر، ولی در تورنتو، به تورنتو بیایید. آدم باید تکلیفش با خودش روشن باشد. همیشه رنکینگ یکی از بیست تا معیاری است که شما می‌توانید یک دانشگاه را انتخاب بکنید و من هیچوقت پیشنهاد نمی‌کنم که فقط به خاطر این معیار یک نفر به یک دانشگاه برود. قطعاً فاندینگدش مهم است. جایش مهم است. اینکه چقدر ساپورت می‌کند، چقدر لود دارد. واقع‌بینانه آدم باید انتخاب کند. هدف آدم از اپلای چیست؟ همه‌ی این‌ها مهم است. اگر دارید اپلای می‌کنید، شانستان را به دانشگاه‌های برتر آن کشور محدود نکنید. من خودم که داشتم اپلای می‌کردم، دانشگاه تورنتو زود نتیجه‌اش آمد. اگر نمی‌آمد، من همین‌طور داشتم جلو می‌رفتم. چون یک سال عقب می‌افتید و فوق‌لیسانس واقعاً دو سال است و می‌توانید دکتری جای بهتری بروید. این را گوشه‌ی ذهنتان داشته باشید که همیشه بست کیس اتفاق نمی‌افتد. درعین‌حال که آدم نباید اعتمادبه‌نفسش را از دست بدهد و بگوید من هم خوبم. قطعاً خب مهم است که آدم اعتمادبه‌نفس داشته باشد. درعین‌حال هم بیش‌ از اندازه‌اش باعث می‌شود یک سالتان را از دست بدهید. خب همه‌اش پوچ می‌شود. در مورد دیتا ساینس، دیتا ساینس ترند شده است. ولی شاخه‌های دیگر کامپیوتر هم واقعاً مهم است؛ یعنی کامپیوتر هزاران شاخه‌ی مختلف می‌تواند داشته باشد و به خاطر ترند همه به این سمت آمده‌اند و می‌آیند و از آن رقابت عقب می‌افتند. چون تمام این چیزهایی که می‌گویم مهم است. گاهی اوقات یک سافت‌ور دولوپر خیلی سریع‌تر می‌تواند شغل پیدا کند تا یک دیتا ساینتیست. چرا؟ چون خیلی از شرکت‌ها شما را به‌عنوان دیتا ساینتیست می‌گیرند که سافت‌ور دولوپرشان بشوید. اصلاً دروغ می‌گویند؛ یعنی ... می‌خواهند ... می‌خواهند، کامپیوتر نتورک احتیاج دارند، کلاود کامپیوتینگ، دیتا بیس... همه‌ی این‌ها شاخه‌هایی است که اینجا دارد کار می‌شود. کلاً یک چیزی که ترند می‌شود، احتمال دارد ده سال دیگر ترند نباشد. آدم باید واقع‌بینانه با خودش صحبت کند که حالا ترند به‌کنار، ترند را خاموش می‌کنم، واقعاً این رشته را من دوست دارم؟ دوست دارم برای یکی از کورس‌هایش بیست صفحه فرمول ریاضی بخوانم؟ ماشین لرنینگ فقط این نیست که شما یک تابع بزنی، پر از ریاضی است. من فکر می‌کنم هیچ شاخه‌ی کامپیوتر به این اندازه ریاضی نمی‌خواهد. واقع‌بینانه طرف باید با خودش دراین‌باره صحبت بکند و بعد تصمیم بگیرد که در این حوزه کار کند یا نه. این چیز کلی‌ای بود که به نظرم می‌شد در مورد این رشته گفت.

بله. حتماً. خیلی سؤال خوبی بود که پرسیدید. چون مهاجرت، چه دانشجویی، چه خانوادگی... خیلی از دوستانم از من می‌پرسند که ما باید چه‌جوری مهاجرت بکنیم، ما دیگر از این شرایط خسته شده‌ایم. یک چیزی را بگویم که شاید یک حقیقت تلخ باشد. زندگی در خارج از کشور مثل زندگی در فیلم‌های هالیوود نیست و واقعاً فضا خیلی فضای متفاوتی است. شما به اینجا می‌آیید و می‌خواهید زندگی کنید، پول دربیاورید، هزینه‌ها ممکن است خیلی بالا باشد و خیلی واقع‌بینانه طرف باید هدف‌هایش را جلویش بگذارد، ببیند آیا ارزشش را دارد که به خاطرش زندگی‌اش را به تلاطم بیندازد یا نه. این خیلی نکته‌ی مهمی است که همیشه آدم باید حواسش بهش باشد. حداقل آن دو-سه سال اول که شما مهاجرت می‌کنید، فضای جدیدی است، لذت‌بخش است، مردم بسیار مهاجرپذیری دارد. ‌در کشور کانادا شما نمی‌توانی بگویی فلان کس کانادایی است، تقریباً همه مهاجرند؛ یعنی اگر زبانت خوب نباشد، درک می‌کنند، آرام حرف می‌زنند؛ یعنی مثل فرانسه نیست که محکم باهات فرانسوی صحبت کنند؛ که اگر بلد نیستی، در شهر گم شوی. این مدلی نیست. همه‌شان می‌توانند درک کنند که این آدم می‌تواند زبانش خوب نباشد، این آدم می‌تواند نیوکامر باشد، این آدم اینجوری است. اصلاً سنترهای مختلف هست که از آدمی که تازه مهاجرت کرده است حمایت می‌کنند. چه در فضای دانشگاه‌هایشان، چه در فضای شهرشان، چیزی است که کاملاً جاافتاده است. کلاً شهر خیلی آرامی است. اگر طرف هدفش این است که مثل هالیوودی‌ها زندگی کند، این مدلی نیست؛ یعنی سختی‌های خاص خودش را دارد، به‌خصوص الآن که شرایط دلار و این‌جور چیزها هست. می‌آید می‌بیند که نه همه‌چیز آن قشنگی‌ها نبوده است. فرش قرمز ننداخته‌اند که آدم کار پیدا کند. یکی بود که این را به من می‌گفت. باید بدوی و تلاش بکنی و به آن چیزی که می‌خواهی برسی. درعین‌حال، رقابت زیاد است. یک نکته‌ی بد کانادا این است که بازار کارش اصلاً به‌خوبی آمریکا نیست. شاید این دانشگاه خاص یک‌راهی برایتان ایجاد بکند، اما در کل بازار کارش به‌خوبی آمریکا نیست. خیلی محدودترند. درآمدها هم به‌اندازه‌ی آنجا بالا نیست. چون اینجا سیزده درصد تکس دارد. هزینه‌ها یک مقدار بالاتر است. البته هزینه‌ی پزشکی کانادا مجانی است. اصلاً هزینه‌ی پزشکی نمی‌گیرند. فقط دندان‌پزشکی و چیزهایی زیبایی هزینه‌هایش با خودتان است. این شامل بچه‌ها نمی‌شود، ولی بچه‌ها کمک می‌کنند چیزهای این مدلی. این چند چیز را باید در نظر داشته باشید. کشور کشور سردسیری است. امسال به خاطر گرمایش جهانی از هوا شانس آوردیم. ولی گاهی اوقات می‌شود شش ماه تا هشت ماه، شما فقط در خیابان برف می‌بینید. ممکن است همین چیز به همین سادگی یکی را بهم بریزد. تنها شهر اینجا که می‌گویند بارانی است و برف نمی‌بینی ونکوور و آن طرف‌هاست. اینجا قانون‌های خاص خودش را دارد. برای کسی که دارد اینجا زندگی می‌کند، راه و روش پول درآوردن، تخفیف گرفتن، کجا زندگی کنم بهتر است، خوابگاه بگیرم و با چند نفر زندگی کنم، همه‌ی این‌ها مهم است که آدم اینجا با کیفیت خوبی زندگی کند؛ اما اگر بخواهم با ایران مقایسه‌اش کنم، بزرگترین گزینه‌ای که من به‌طور شخصی تجربه‌اش کردم، نه فقط در دانشگاه تورنتو، من در یورک هم که پارسال اینترن‌شیپ می‌رفتم، من تا ۲۴ سالگی‌ام ایران زندگی می‌کردم و در تمام این سال‌ها هیچ‌کس اینقدری که اینجا برای من ارزش گذاشت و تایم می‌گذارند و احترام می‌گذارند، هیچوقت این اتفاق نیفتاده بود. نمی‌گویم در اینجا آدم عجیب و قریب پیدا نمی‌شود ولی آن توهین و حمایت نشدن، به‌نظر من این اتفاق‌ها اینجا صورت نمی‌گیرد. شما اگر به‌عنوان دانشجو در هر لولی تی‌ای می‌شوی، احترام داری، بهت آفر می‌دهند. می‌توانی شکایت بکنی، اگر استاد به شما بایاس خاص ریسیسم داشته باشد. این‌ها ارزشمند است. شما به‌عنوان یک دانشجو حقوق داری. اگر نمره‌ات بالا و پایین شود، جا داری تا دپارتمان دانشگاه بروی صحبت کنی. ایران برعکس، ممکن بود از دانشگاه اخراجت کنند. مثلاً من به‌شخصه تجربه کرده بودم. من اینجا وقتی می‌روم به استادی می‌گویم می‌خواهم داوطلبانه برایت کار بکنم، آن استاد به من می‌گوید: «مگر داریم؟ مگر می‌شود؟» مثلاً پارسال، خانمی که پیشش می‌رفتم، دیرکتور دیتا ماینینگ دانشگاه بود، یکی از بهترین استادهای یورک بود، کارکردن با او خیلی تجربه‌ی خوبی بود. من خودم برایم عجیب بود، رفته بودم آنجا داوطلبانه کار بکنم. به همه معرفی می‌کرد که این والینتیر آمده کار کند. من یادم است همین کار را شش ماه بعدش کردم و پیش یکی از استادهای دانشگاه خودمان رفتم که دقیقاً دیتا ماینینگ کار می‌کرد. گفتم می‌خواهم داوطلبانه کار کنم و بعد از این رزومه که اینجا کار کرده بودم، جاهای مختلف کار کرده‌ام. جواب آن استاد به من این بود که تو وقت دانشجوهای فوق‌لیسانس و دکترای من را می‌گیری؛ یعنی دقیقاً برعکس. خب همین‌طور انگیزه‌ی آدم از بین می‌رود. تو می‌خواهی تلاش بکنی، می‌خواهی کار بکنی و با همچین فیدبک‌هایی روبه‌رو می‌شوی. به‎وضوح شما حمایت را احساس می‌کنید. ولی گل و بلبل هم نیست که بگویم هیچ مشکلی پیش نمی‌آید. اینجا هم آدم‌های عجیب‌وغریب پیدا می‌شود. ولی خب به‌هرحال شرایط اجتماعی‌شان آسوده‌‌تر از ماست. آن استاد که با من این برخورد را می‌کند، قطعاً بیشتر از آن استادی که در ایران بوده حمایت می‌شود و حالش بهتر است و این باعث می‌شود برخورد بهتری داشته باشد، آرام‌تر باشد، آستانه‌ی صبرش بالاتر باشد. این یک لوپی است که جامعه را کاملاً آرام کرده است. کلاً اگر بخواهم در یک صفت تعریف کنم، کانادا یک کشور آرام است و همه‌جا آرام است. شاید بگویم از بیشتر کشورهای دنیا آرام‌تر است. این یک چیز کلی‌ای بود که می‌توانستم راجع به زندگی اینجا بگویم.

مرسی. خیلی ممنون. امیدوارم چیزهایی که گفتم برای همه‌ی عزیزان مفید واقع شود. صفحه‌ی لینکدین من هم به‌نام خودم است: ملیکه احقاقی. اگر کسی دوست داشت، سؤالی داشت، من را فالو بکند. من، به‌خصوص آخر هفته‌ها، سعی می‌کنم همه را پاسخ بدهم. و اینکه نکته‌ی خیلی خاصی نیست. ولی کامپیوتر کلاً رشته‌ای است که وقتی واردش می‌شوید، تازه می‌فهمید چه سختی‌هایی دارد. لود کاری که دارد یک مقدار تحمل زیادی می‌خواهد. به نظر من، اگر تصمیمتان را می‌گیرید که در این حوزه کار بکنید، یا تصمیم بگیرید که در این حوزه کار کنید، یا تصمیم بگیرید که کلاً بی‌خیالش شوید. اگر می‌خواهید در این حوزه کار بکنید، به نظر من چون این شاخه ترندی است، هم به‌طور خاص دیتا ساینس و هوش مصنوعی و این‌ها، درعین‌حال رقابت هم در آن بالاست. با خودتان واقع‌بینانه پیش بروید. خودتان، تحملتان، اینکه چقدر درس خواندن را دوست دارید. من مثلاً به یک باگی چند روز پیش خورده بودم. مثلاً شش روز همین‌جور چهارده ساعت چهارده ساعت روی صندلی نشسته بودم و داشتم پروژه می‌زدم. در کوچه داشتم یکی را نگاه می‌کردم که با بچه‌اش داشت راه می‌رفت. گفتم «وای کاشکی که من اینجا بودم، مثلاً یک شغل دیگری داشتم، آشپز مثلاً. او الآن چقدر لذت می‌برد، ادویه که به باگ نمی‌خورد.» می‌دانید چه می‌گویم؟ مثلاً گاهی اوقات واقعاً آدم باید ببیند دوست دارد تعاملش فقط با لپ‌تاپش باشد؟ تعاملش این باشد که خیلی با آدم‌ها کم باشد. این لود را دوست دارد تجربه کند، یا نه؟ شاید تا لیسانس اوکی باشد، بعدش را باید ببینیم. واقع‌بینانه تصمیم گرفتن بهتر از این است که آدم‌ترند را دنبال بکند. همین. چیز دیگری هم نیست. برای من پیام بگذارند. حالا من فکر نمی‌کنم وقت باشد، ولی سورس‌های مختلفی را برای هر شاخه‌ای، اگر دوست داشته باشند، می‌توانم بهشان معرفی کنم. الآن هم که همه‌چیز مجازی است و خب بیشتر آدم در خانه است، فرصت خوبی است که یک سلف‌اِستادی آدم انجام دهد و جلو بیفتد. فکر می‌کنم که آموزش دیدن و مطالعه کردن و پروژه زدن، کارهای اینجوری، خیلی آدم را آماده می‌کند که پرفرمنس خوبی، هم در مصاحبه، هم در تحصیل داشته باشد. امیدوارم که بتوانم سؤال‌ها را جواب بدهم و ریسورس‌های خوبی برایشان شر بکنم.

مرسی. خیلی ممنون از شما.

مرسی. خیلی ممنون. خوشحال شدم که امروز در خدمتتان بودم. خداحافظ.