Реальная история: Меня не приняли в Гарвардскую школу бизнеса. Узнав об этом, я проверил, обналичили ли они уже мой чек со взносом за рассмотрение завки на обучение в размере 100 долларов. Они не успели, поэтому я отозвал платеж по чеку. А когда они позвонили в попытке получить оплату, я им сказал, что из этого они могут извлечь урок ведения бизнеса 😂
* Так-то двуххлетнее обучение там обойдется примерно в 150 тыс. долларов.
В нашем динамичном, мягко говоря, мире любые инвестиции в будущее нужно делать крайне осторожно. Отчисления в пенсионные фонды практически лишены четких временных перспектив, криптовалюты балансируют на грани блокчейнового небытия, а фондовый рынок из зимней спячки перешел в летаргический сон. Так что на данный момент инвестирование в будущее имеет довольно зыбкие очертания.
По этому поводу у французов есть хорошая присказка: «Если вы всю жизнь работали, это не означает, что у вас будет обеспеченная старость».
Единственные инвестиции, которые гарантированно не могут «прогореть», это инвестиции в собственное образование, свои профессиональные навыки. Знания и опыт – «свободно конвертируемая валюта» на все времена.
Хорошее образование стоит недешево. Но, как ни странно, в топовых университетах оно не обязательно самое дорогое. Хотя поступить на бакалавриат в массачусетский Гарвард? Главная сложность – конкурс: 25 человек на место. Деньги играют второстепенную роль. Приемная комиссия вначале смотрит на то, что может и умеет абитуриент, а потом уже, если он окажется пригодным, решает вопрос, откуда брать деньги – из семейных авуаров, из федеральных закромов или из гигантского гарвардского эндаумента размером в 35 млрд.долл.
При этом есть и совсем бюджетный, общедоступный вариант: на платформе edX по дополнительному образованию можно записаться на обучение, которое или полностью бесплатное, или доступное по стоимости.
В проекте более тысячи курсов с обучающими материалами по более чем 25 предметам; по окончании этих курсов выдается диплом или сертификат. Настоящий, из Гарварда! Будет что добавить в портфолио для работы или выставить напоказ ради собственного тщеславия.
В апрельском выпуске дайджеста Welcome to Massachusetts полторы дюжины бесплатных и самых популярных курсов. Личный приезд не требуется.
Ознакомьтесь, учитесь и поделитесь с другими полезной информацией.
Всё, что вы видите на фотографиях, сделано вручную из стекла в период с 1887 по 1936 год — 847 моделей растений в натуральную величину, а также более 3000 растительных частей. По сути, это произведения искусства, на деле — наглядные пособия: профессор Джордж Линкольн Гудейл, первый директор музея, заказал их чешским стеклодувам Блашка, отцу и сыну, — не хотел возиться с засушенными и заспиртованными цветками, быстро терявшими форму и цвет. Долгое время Гарвардский музей был единственным заказчиком семьи Блашка, но переезжать из Дрездена в Америку отец с сыном отказались — «писали» свои стеклянные цветы с растений, выращенных из семян, которые Гудейл присылал из США.
Модели были настолько точными, что, когда Дональд Шнелл, ботаник, открывший на тот момент неизвестный механизм опыления жирянки, взглянул на 120-летнюю копию Блашки, он поразился точности отображённого в стекле процесса опыления. «На одной фигуре можно увидеть пчелу, заползающую в цветок, а на другой - выползающую пчелу, несущую на себе застрявшую пыльцу», - в точности, как открыл Шнелл. «Насколько я знаю, профессор Гудэйл никогда не опубликовывал эту информацию, да и никто другой не собирался её публиковать, однако процесс опыления был отражен очень достоверно».
Даже сегодня ботаники не могут найти ни одной морфологической ошибки в их работах.
Международная группа ученых, включая исследователей из Массачусетского технологического института и Гарварда, обнаружила, что программа искусственного интеллекта, обученная считывать рентгеновские снимки и компьютерную томографию, может успешно предсказывать расу человека с 90-процентной точностью. Исследовательская группа сначала обучила систему искусственного интеллекта, используя стандартные наборы данных рентгена и компьютерной томографии, где каждое изображение имело пометку о расе человека. Диагностические изображения, изученные компьютером, не содержали явных маркеров расы, таких как цвет кожи или текстура волос. После того, как через программное обеспечение было пропущено большое количество изображений с расовой маркировкой, ему были представлены различные наборы изображений без маркировки. Программа смогла определить расу людей на изображениях с поразительной точностью, часто значительно превышающей 90 процентов.