La década está llegando a su fin, y sin exagerar, podemos decir que una de las principales tendencias de estos diez años ha sido la adopción generalizada del análisis de datos. Desde el diseño de aviones hasta la fabricación de acero, desde llamar a un taxi hasta muñecos inteligentes y parlantes parlantes. Los sistemas de recomendación, la visión por computadora, el procesamiento del lenguaje natural, el aprendizaje automático, el reconocimiento óptico de caracteres, las redes neuronales, la inteligencia artificial, todas estas áreas de actividad están firmemente arraigadas en el mundo de la tecnología de la información y no existe la menor razón para creer que algo cambiará en el futuro cercano. El público espera que Data Science llegue a un número cada vez mayor de esferas de la vida humana, los automóviles se vuelvan sin tripulación y enormes robots humanoides de combate protegerán las fronteras de los estados.
Qué era la industria antes, qué presenta ahora y qué sorpresas nos esperan en el futuro. Puede obtener respuestas a todas estas preguntas el 16 de diciembre a aproximadamente Tech: Data Explain # 4. En anticipación al evento, hablamos con los oradores sobre el pasado, el presente y el futuro de Data Science. Debajo del corte estás esperando una mini entrevista.
Registrarse para el evento .
¿Dime qué hiciste antes de Data Sceince?
Arthur CousinAntes de sumergirme en Data Scientce, era investigador y me dedicaba a la física experimental en el campo de la micro y la nanometría.
Dmitry BugaychenkoAntes de mudarse a Data Science, trabajó durante 8 años en la subcontratación en una variedad de proyectos, desde el desarrollo de un controlador para una fuente de alimentación ininterrumpida hasta el diseño de grandes sistemas ERP distribuidos. Además, dirigió su propio proyecto de investigación en el campo de la especificación formal y la verificación. Me sorprendió descubrir que muchas técnicas de estas áreas se pueden aplicar con éxito a DS.
Andrey YakushevAntes de mi trabajo actual en VKontakte, participé en investigación aplicada en la escuela de posgrado de ITMO en el campo de BigData y el mismo DS, trabajé en una empresa de Internet en servicios web "estándar" y logré hacer un pequeño trabajo en la dirección de la geometría computacional. Todas estas áreas de trabajo han dado una buena experiencia y habilidades para hacer un DS complejo ahora.
Que estas haciendo ahora
Arthur CousinDirijo un equipo que desarrolla soluciones de visión por computadora para X5 Retail Group.
Dmitry BugaychenkoEn este momento en particular, estoy tratando de comprender el diseño de un sistema grande y complejo y determinar cómo, dentro de su marco, se puede desarrollar una plataforma para desarrollar servicios de recomendación.
Andrey YakushevAhora estoy desempeñando los deberes del jefe de un equipo que desarrolla fuentes de noticias en VK y varios sistemas de recomendación. En el trabajo, propongo hipótesis para mejorar ML, algoritmos, tecnologías y productos en VK, propongo soluciones, pero los chicos del equipo hacen el trabajo y elaboran una gran cantidad de detalles y matices.
También sigo la metodología y las conclusiones correctas al responder preguntas complejas y, de hecho, de investigación sobre cómo mejorar estos productos VK.
¿Cómo ha cambiado tu trabajo en los últimos años? ¿Dónde ha cambiado el enfoque?
Arthur CousinEn los últimos años, me he convertido en un gerente sin problemas. Y si antes estaba interesado en modelos y arquitecturas, ahora las líneas completas y soluciones son de interés.
Dmitry BugaychenkoTenemos que trabajar cada vez más con las personas y sus intereses, para comprender qué problemas ha encontrado una persona y cómo se pueden resolver.
Andrey YakushevEl enfoque pasó de los modelos de capacitación directa y la creación de sistemas de trabajo de pila completa, a trabajar en la arquitectura, Timlid y las tareas del producto.
¿Lo mejor que te golpeó en Data Science en el último año? 5 años?
Arthur CousinAlphaGo / AlphaStar. ¡Vivimos en un tiempo increíble!
Dmitry BugaychenkoMe gustó el conjunto de artículos con una reflexión deliberada sobre las redes neuronales: cuánta energía se quema en ellos, cuántos artículos con resultados irreproducibles, con qué frecuencia los métodos más simples aún dan un buen resultado. A largo plazo, el éxito del aprendizaje por refuerzo es fascinante. Este año, los éxitos de la IA en StarCraft: veo con interés las transmisiones de este juego, el éxito allí es mucho más difícil de lograr la IA que en el ajedrez tradicional.
Andrey YakushevMe sorprendió el éxito de AlphaStar, el creciente anti-bombo a las neuronas (como me parece en mi entorno de información). Creo que todavía habrá muchas cosas interesantes allí.
De las áreas cercanas a mí y cosas más antiguas, el éxito, la practicidad y la versatilidad de los modelos word2vec y sus variaciones fueron sorprendentes.
En general, el desarrollo en espiral en los campos del conocimiento científico siempre ha sido sorprendente: el retorno y la mejora de las ideas en las que ya se trabajó hace décadas.
¿En qué área de aplicación ocurrirán los próximos avances?
Arthur CousinEs difícil decir dónde estarán los nuevos impulsos científicos. Desde el punto de vista de la aplicación, parece que el sonido y RL aún no han recibido suficiente atención.
Dmitry BugaychenkoCreo que los próximos avances estarán más relacionados con los cambios en la sociedad causados por el desarrollo de sistemas basados en datos e IA.
Andrey YakushevEn áreas relacionadas con la entrega de información interesante y relevante para cada persona que se conecta. Quiero creer que pronto DS llegará a la medicina y cambiará toda nuestra vida.
¿En qué área crees que Data Science se volverá indispensable en los próximos 10 años?
Arthur CousinMe parece que la ciencia de datos penetrará imperceptiblemente en todos los aspectos de nuestra vida y los procesos en la sociedad se volverán imposibles sin ella.
Dmitry Bugaychenko¿Y en el que aún no había?
Andrey YakushevEn todas las áreas con un número suficientemente grande de elementos y donde los patrones estadísticos ya están comenzando a funcionar.
Por favor, dígame qué necesita comenzar a hacer ahora para que un científico lo solicite y en 10 años.
Arthur CousinDebe pensar y responder honestamente: ¿es posible automatizar mi trabajo? Si la respuesta es sí, entonces estás en peligro. De lo contrario, parece que solo necesita encontrar algo que le brinde placer. De lo contrario, no podrá dedicar suficiente tiempo al trabajo para convertirse en un profesional.
Dmitry BugaychenkoOrganiza tu startup. De hecho, creo que en el campo de la ciencia de datos vendrá el mismo, nacido aquí, AI y radicalmente redibujado todo. En este sentido, será más fácil adaptarse a personas con una perspectiva e intereses amplios.
Andrey YakushevAsumiré que cualquier desarrollador podrá hacer un ajuste básico + predecir para que dé el 80% del resultado en la tarea. DS se convertirá en una tarea, al igual que la creación de sitios de tarjetas de presentación estándar. Si desea tener demanda, deberá hacer un buen ajuste + predecir o combinar otras funciones: desarrollador, analista, gerente, ...
Chicos, muchas gracias por tomarse el tiempo para responder las preguntas.
Estamos esperando a todos los que quieran comunicarse con expertos en el campo de la ciencia de datos el 16 de diciembre en su oficina de Moscú.
¡Ven, será útil e interesante!
Registrarse para el evento .