Le 7 août, ok.tech: Data Talk # 2 aura lieu au bureau de Moscou d'Odnoklassniki. Cette fois, l'événement sera consacré à l'enseignement de la science des données. Maintenant, il existe un tel battage autour du travail avec les données que seuls les paresseux n'ont pas pensé à suivre une formation dans le domaine de la science des données. Quelqu'un pense que sans diplôme universitaire, il est impossible de devenir un spécialiste de l'analyse des données, il y a des partisans de l'idée que vous pouvez apprendre à travailler avec des données à travers des cours, d'autres adhèrent à la position qu'un bon spécialiste des données est celui qui pratique et utilise constamment une approche polyvalente . Nous rassemblerons des représentants de différentes opinions sur notre site et leur donnerons la possibilité de discuter sur ce sujet.
L'événement se déroulera sous la forme d'une discussion entre les intervenants. Cette fois, Evgeny Sokolov (HSE, Yandex.Zen), Dmitry Bugaychenko (OK.ru), Peter Ermakov (Lamoda, DataGym), Dmitry Korobchenko (Nvidia, GeekBrains, SkillBox, DigitalOctober) et Victor Kantor (Mail.ru) seront avec nous Group, Data Mining in Action). Nous invitons toutes les personnes intéressées par le sujet de l'éducation en Data Science à rejoindre l'événement et à exprimer leur point de vue. A étudié les cours - venez nous dire ce que cela vous a apporté. Vous pensez que sans doctorat, il est impossible d'analyser les données - venez expliquer pourquoi. Pensez-vous qu'un spécialiste des données devrait être capable d'écrire dans l'industrie alimentaire - venez en discuter.
→
Inscription à l'événementSous les avis et le calendrier d'experts coupés.
Evgeny Sokolov, HSE, Yandex.Zen
Maintenant, il existe de nombreuses options de formation à l'analyse des données: il y a quelque chose de plus proche de l '«école technique», où ils enseignent uniquement à utiliser des outils prêts à l'emploi, il y a des opinions opposées sur la façon de considérer le ML comme une chose mathématique, pas un métier. Je crois que, tout d'abord, vous devez encore apprendre le métier, car sans cela, il est impossible de motiver l'élève, puis au travail, il utilisera ces compétences 80% du temps. Mais en même temps, il est extrêmement important de lui apprendre la bonne façon de penser et une compréhension approfondie des méthodes - sans cela, l'étudiant ne deviendra tout simplement pas compétitif sur le marché du travail.
Dima Bugaychenko, OK
Pour l'éducation DS, je voudrais souligner plusieurs «défis» importants qui distinguent DS des autres domaines. Tout d'abord, c'est la dynamique. Tout change très rapidement et donc vous ne pouvez pas apprendre, obtenir un diplôme et devenir DS, vous ne pouvez qu'étudier constamment pour rester avec eux. Deuxièmement, c'est la synergie de disciplines très différentes. Vous devez comprendre l'essence mathématique des méthodes et être «sur vous» avec la technologie (si nous parlons de DS, pas d'un singe collant un bâton dans XGBoost). Et, troisièmement, il s'agit d'une demande très élevée de DS instruits de l'industrie, ainsi que d'un grand écart entre les attentes de l'industrie et de l'académie en Russie, ce qui, en particulier, conduit à l'émergence d'un grand nombre d '«écoles» des principaux acteurs du marché.
Peter Ermakov, Lamoda, DataGym
J'aime vraiment enseigner, surtout le moment où il est possible de dire le complexe dans un langage simple, et dans les yeux pour voir la compréhension. Au cours des 10 dernières années, j'ai réussi à enseigner dans 26 lancements de trois cours commerciaux, deux universités, à l'intérieur de l'entreprise et à mener un projet éducatif ouvert. Et maintenant, je crée un cours de machine learning commercial de 3 mois sur DataGym.ru. Tous les types d'enseignement sont bons à leur manière. Et les cours commerciaux ne font pas exception. Ce sont d'autres opportunités, un seuil d'entrée différent, un niveau différent de motivation et de temps passé.
Dmitry Korobchenko Nvidia, GeekBrains, SkillBox, Digital October
Ma position est qu'il n'y a aucun domaine qui aurait tous les avantages possibles. Je ne peux pas dire qu’une chose motive, mais c’est une autre - non. Je suis plus probable pour matan, et aussi pour les mathématiques mathématiques normales. Je n'aime pas vraiment quand les gens utilisent des outils sans comprendre comment ils fonctionnent (au moins à un niveau moyen). Mais je pense que dans certains cas, cela sera justifié. Surtout compte tenu de la démocratisation de l'IA. En ce qui concerne Cuggle, je peux dire que je connais beaucoup de gens (y compris moi-même) qui se sont assez bien développés dans la région sans recourir à cette ressource. Mais je pense qu'il donne encore un coup de pouce supplémentaire dans certaines compétences.
Chaque année, dans le cadre du cours de Data Mining in Action seul, environ un millier de personnes découvrent l'apprentissage automatique. Environ 100 000 personnes ont participé à des cours en ligne lancés uniquement par mes collègues (et dans le monde, évidemment, il y a encore beaucoup d'autres cours). Bien sûr, ceux qui ne se contentent pas de «se familiariser», mais parviennent à la fin et deviennent, par exemple, un Data Scientist Junior, sont beaucoup moins nombreux, mais de toute façon, juste un nombre fou de personnes viennent à l'analyse des données, il n'est donc pas nécessaire d'embaucher une personne pour le poste initial très difficile. Mais les problèmes commencent au niveau intermédiaire et plus haut - la recherche d'un employé devient immédiatement longue, douloureuse et, par conséquent, coûteuse. Que faire de cela, c'est la question que je pose maintenant.
Horaire
18h30 - 19h00 - Inscription des participants
19h00 - 19h05 - Intro d'Alexey Chernobrovov
19:05 - 20:00 - La polémique sur l'éducation en science des données
20h00 - 20h20 - Pause café
20h20 - 21h30 - Suite de la polémique
→
Inscription à l'événement