Am 7. August findet im Moskauer Büro von Odnoklassniki ok.tech: Data Talk # 2 statt. Dieses Mal ist die Veranstaltung der Ausbildung in Data Science gewidmet. Jetzt gibt es einen solchen Hype um die Arbeit mit Daten, dass nur die Faulen nicht daran dachten, eine Ausbildung auf dem Gebiet der Datenwissenschaft zu erhalten. Jemand glaubt, dass es ohne einen Universitätsabschluss unmöglich ist, ein Datenanalysespezialist zu werden. Es gibt Befürworter der Meinung, dass man durch Kurse lernen kann, wie man mit Daten arbeitet, andere halten an der Position fest, dass ein guter Datenspezialist einer ist, der ständig einen vielseitigen Ansatz praktiziert und anwendet . Wir werden Vertreter unterschiedlicher Meinungen auf unserer Website versammeln und ihnen die Möglichkeit geben, zu diesem Thema zu diskutieren.
Die Veranstaltung findet im Format einer Diskussion zwischen den Referenten statt. Diesmal sind Evgeny Sokolov (HSE, Yandex.Zen), Dmitry Bugaychenko (OK.ru), Peter Ermakov (Lamoda, DataGym), Dmitry Korobchenko (Nvidia, GeekBrains, SkillBox, DigitalOctober) und Victor Kantor (Mail.ru) bei uns Gruppe, Data Mining in Aktion). Wir laden alle ein, die sich für das Thema Bildung in Data Science interessieren, an der Veranstaltung teilzunehmen und ihre Meinung zu äußern. Studierte in den Kursen - kommen Sie und sagen Sie uns, was es Ihnen gab. Sie denken, dass es ohne Promotion unmöglich ist, Daten zu analysieren - kommen Sie und sagen Sie warum. Denken Sie, dass ein Datenspezialist in der Lage sein sollte, in der Lebensmittelindustrie zu schreiben - kommen Sie und diskutieren Sie darüber.
→
Anmeldung zur VeranstaltungUnter dem Schnitt Expertenmeinungen und Zeitplan.
Evgeny Sokolov, HSE, Yandex.Zen
Jetzt gibt es viele Möglichkeiten für die Ausbildung in Datenanalyse: Es gibt etwas näher an der „technischen Schule“, wo sie nur den Gebrauch von vorgefertigten Werkzeugen lehren, es gibt gegensätzliche Meinungen darüber, wie man ML als mathematische Sache betrachtet, nicht als Handwerk. Ich glaube, dass Sie zunächst einmal noch das Handwerk lernen müssen, denn ohne dies ist es unmöglich, den Schüler zu motivieren, und dann wird er diese Fähigkeiten bei der Arbeit 80% der Zeit einsetzen. Gleichzeitig ist es äußerst wichtig, ihm die richtige Denkweise und ein tiefes Verständnis der Methoden beizubringen - ohne diese wird der Student auf dem Arbeitsmarkt einfach nicht wettbewerbsfähig.
Dima Bugaychenko, OK
Für die DS-Ausbildung möchte ich einige wichtige „Herausforderungen“ hervorheben, die DS von anderen Bereichen unterscheiden. Erstens ist dies Dynamik. Alles ändert sich sehr schnell und deshalb können Sie nicht lernen, ein Diplom erhalten und DS werden. Sie können nur ständig lernen, um bei ihnen zu bleiben. Zweitens ist es die Synergie sehr unterschiedlicher Disziplinen. Sie müssen die mathematische Essenz der Methoden verstehen und mit der Technologie „auf Sie“ sein (wenn es sich um DS handelt, nicht um einen Affen, der einen Stock in XGBoost steckt). Und drittens ist dies eine sehr hohe Nachfrage nach gebildeten DS aus der Branche, zusammen mit einer großen Lücke in den Erwartungen zwischen der Branche und der Akademie in Russland, was insbesondere dazu führt, dass eine große Anzahl von „Schulen“ von großen Marktteilnehmern entstehen.
Peter Ermakov, Lamoda, DataGym
Ich liebe es wirklich zu unterrichten, besonders in dem Moment, in dem es möglich ist, den Komplex in einfacher Sprache zu erzählen und in den Augen Verständnis zu sehen. In den letzten 10 Jahren habe ich es geschafft, in 26 Starts von drei kommerziellen Kursen, zwei Universitäten, innerhalb des Unternehmens zu unterrichten und ein offenes Bildungsprojekt durchzuführen. Und jetzt erstelle ich einen kommerziellen 3-monatigen Kurs für maschinelles Lernen auf DataGym.ru. Alle Arten von Bildung sind auf ihre Weise gut. Und kommerzielle Kurse sind keine Ausnahme. Dies sind andere Möglichkeiten, eine andere Eintrittsschwelle, ein anderes Maß an Motivation und Zeitaufwand.
Dmitry Korobchenko Nvidia, GeekBrains, SkillBox, Digitaler Oktober
Mein Standpunkt ist, dass es keine Bereiche gibt, die alle möglichen Vorteile hätten. Ich kann nicht sagen, dass eine Sache fährt, aber dies ist eine andere - nein. Ich bin eher für Matan und auch für normale Mathematik. Ich mag es nicht wirklich, wenn Leute Werkzeuge verwenden, ohne zu verstehen, wie sie funktionieren (zumindest auf durchschnittlichem Niveau). Aber ich denke, dass dies in einigen Geschäftsfällen gerechtfertigt sein wird. Besonders angesichts der Demokratisierung der KI. In Bezug auf Cuggle kann ich sagen, dass ich viele Menschen (einschließlich mich selbst) kenne, die sich in der Region recht gut entwickelt haben, ohne auf diese Ressource zurückzugreifen. Aber ich denke, dass er bestimmte Fähigkeiten noch weiter verbessert.
Jedes Jahr lernen allein im Rahmen des Offline-Kurses Data Mining in Action etwa tausend Menschen maschinelles Lernen kennen. Ungefähr 100.000 Menschen haben an Online-Kursen teilgenommen, die nur von meinen Kollegen gestartet wurden (und auf der Welt gibt es natürlich noch viele andere Kurse). Natürlich sind diejenigen, die nicht nur „kennenlernen“, sondern bis zum Ende gehen und beispielsweise Junior Data Scientist werden, viel weniger, aber es kommt ohnehin nur eine verrückte Menge von Menschen zur Datenanalyse, sodass keine Person für die Ausgangsposition eingestellt werden muss sehr kompliziert. Probleme beginnen jedoch auf der mittleren und höheren Ebene - die Suche nach einem Mitarbeiter wird sofort langwierig, schmerzhaft und infolgedessen teuer. Was ich damit anfangen soll, ist die Frage, die ich jetzt mache.
Zeitplan
18:30 - 19:00 - Anmeldung der Teilnehmer
19:00 - 19:05 - Einführung von Alexey Chernobrovov
19:05 - 20:00 - Die Polemik zur Bildung in Data Science
20:00 - 20:20 - Kaffeepause
20:20 - 21:30 - Fortsetzung der Kontroverse
→
Anmeldung zur Veranstaltung