El 7 de agosto, ok.tech: Data Talk # 2 se llevará a cabo en la oficina de Odnoklassniki en Moscú. Esta vez el evento estará dedicado a la educación en Data Science. Ahora hay tanto entusiasmo por trabajar con datos que solo los perezosos no pensaron en obtener una educación en el campo de la ciencia de datos. Alguien cree que sin un título universitario es imposible convertirse en un especialista en análisis de datos, hay partidarios de la opinión de que puede aprender a trabajar con datos a través de cursos, otros se adhieren a la posición de que un buen especialista en datos es aquel que constantemente practica y utiliza un enfoque versátil . Reuniremos representantes de diferentes opiniones en nuestro sitio y les daremos la oportunidad de debatir sobre este tema.
El evento se llevará a cabo en el formato de una discusión entre los oradores. Esta vez, Evgeny Sokolov (HSE, Yandex.Zen), Dmitry Bugaychenko (OK.ru), Peter Ermakov (Lamoda, DataGym), Dmitry Korobchenko (Nvidia, GeekBrains, SkillBox, DigitalOctober) y Victor Kantor (Mail.ru) estarán con nosotros. Grupo, Minería de datos en acción). Invitamos a todos los interesados en el tema de la educación en Data Science a unirse al evento y expresar su punto de vista. Estudié en los cursos, ven y cuéntanos qué te dio. Crees que sin un doctorado es imposible analizar los datos, ven y explica por qué. ¿Crees que un especialista en datos debería poder escribir en la industria alimentaria? Ven a discutirlo.
→
Inscripción para el eventoBajo el corte opiniones de expertos y horario.
Evgeny Sokolov, HSE, Yandex.Zen
Ahora hay muchas opciones para la capacitación en análisis de datos: hay algo más cercano a la "escuela técnica", donde enseñan solo para usar herramientas ya hechas, hay opiniones opuestas sobre cómo ver el LD como algo matemático, no un oficio. Creo que, antes que nada, todavía necesitas aprender el oficio, porque sin esto es imposible motivar al estudiante, y luego en el trabajo usará estas habilidades el 80% del tiempo. Pero al mismo tiempo, es extremadamente importante enseñarle la forma correcta de pensar y una comprensión profunda de los métodos; sin esto, el estudiante simplemente no será competitivo en el mercado laboral.
Dima Bugaychenko, OK
Para la educación de DS, destacaría varios "desafíos" importantes que distinguen a DS de otras áreas. En primer lugar, esto es dinámica. Todo cambia muy rápido y, por lo tanto, no puedes aprender, obtener un diploma y convertirte en un DS, solo puedes estudiar constantemente para quedarte con ellos. En segundo lugar, es la sinergia de disciplinas muy diferentes. Necesitas entender la esencia matemática de los métodos y estar "contigo" con la tecnología (si hablamos de DS, no de un mono que pega un palo en XGBoost). Y, en tercer lugar, esta es una demanda muy alta de DS educados de la industria, junto con una gran brecha en las expectativas entre la industria y la academia en Rusia, lo que, en particular, conduce al surgimiento de una gran cantidad de "escuelas" de los principales actores del mercado.
Peter Ermakov, Lamoda, DataGym
Realmente me encanta enseñar, especialmente el momento en que es posible distinguir el complejo en un lenguaje simple y en los ojos para ver la comprensión. En los últimos 10 años, logré enseñar en 26 lanzamientos de tres cursos comerciales, dos universidades, dentro de la empresa y llevar a cabo un proyecto educativo abierto. Y ahora estoy creando un curso comercial de aprendizaje automático de 3 meses en DataGym.ru. Todos los tipos de educación son buenos a su manera. Y los cursos comerciales no son una excepción. Estas son otras oportunidades, un umbral de entrada diferente, un nivel diferente de motivación y tiempo invertido.
Dmitry Korobchenko Nvidia, GeekBrains, SkillBox, octubre digital
Mi posición es que no hay áreas que tengan todas las ventajas posibles. No puedo decir que una cosa conduce, pero esta es otra, no. Soy más propenso a Matan y a las matemáticas normales moldeadas. Realmente no me gusta cuando las personas usan herramientas sin entender cómo funcionan (al menos a un nivel promedio). Pero creo que en algunos casos comerciales esto estará justificado. Especialmente considerando la democratización de la IA. Con respecto a Cuggle, puedo decir que conozco a muchas personas (incluido yo mismo) que se han desarrollado bastante bien en la región sin recurrir a este recurso. Pero creo que todavía da un impulso adicional en ciertas habilidades.
Cada año, como parte del curso fuera de línea de Minería de datos en acción, aproximadamente mil personas conocen el aprendizaje automático. Alrededor de 100 mil personas han participado en cursos en línea lanzados solo por mis colegas (y en el mundo, obviamente, todavía hay muchos otros cursos). Por supuesto, aquellos que no solo "se conocen", sino que llegan al final y se convierten, por ejemplo, en un Científico de Datos Junior, son mucho menos, pero de todos modos, solo una cantidad loca de personas viene al análisis de datos, por lo que no hay necesidad de contratar a una persona para el puesto inicial Muy dificil. Pero los problemas comienzan en el nivel medio y superior: la búsqueda de un empleado inmediatamente se vuelve larga, dolorosa y, como resultado, costosa. Qué hacer con esto es la pregunta que estoy haciendo ahora.
Horario
18:30 - 19:00 - Registro de participantes
19:00 - 19:05 - Introducción de Alexey Chernobrovov
19:05 - 20:00 - La polémica sobre educación en Data Science
20:00 - 20:20 - Coffee Break
20:20 - 21:30 - Continuación de la controversia
→
Inscripción para el evento