ok.tech: डेटा व्याख्या # 2

7 अगस्त को, ok.tech: डेटा टॉक # 2 ओडनोक्लास्निक के मास्को कार्यालय में आयोजित किया जाएगा। इस बार का आयोजन डाटा साइंस में शिक्षा को समर्पित होगा। अब डेटा के साथ काम करने के बारे में ऐसा प्रचार है कि केवल आलसी ने डेटा साइंस के क्षेत्र में शिक्षा प्राप्त करने के बारे में नहीं सोचा था। किसी का मानना ​​है कि विश्वविद्यालय की डिग्री के बिना डेटा विश्लेषण विशेषज्ञ बनना असंभव है, इस राय के समर्थक हैं कि आप पाठ्यक्रमों के माध्यम से डेटा के साथ काम करना सीख सकते हैं, अन्य इस स्थिति का पालन करते हैं कि एक अच्छा डेटा विशेषज्ञ वह है जो लगातार व्यवहार करता है और एक बहुमुखी दृष्टिकोण का उपयोग करता है। । हम अपनी साइट पर विभिन्न राय के प्रतिनिधियों को इकट्ठा करेंगे और उन्हें इस विषय पर चर्चा करने का अवसर देंगे।

घटना वक्ताओं के बीच चर्चा के प्रारूप में आयोजित की जाएगी। इस बार एवगेनी सोकोलोव (HSE, Yandex.Zen), दिमित्री बुगाचेन्को (OK.ru), पीटर एर्मकोव (लैमोडा, डेटागाइम), दिमित्री कोरोबचेंको (Nvidia, GeekBrains, SkillBox, DigitalOctober) और विक्टर कैंटोर (Mail.ru) हमारे साथ होंगे। ग्रुप, डाटा माइनिंग इन एक्शन)। हम उन सभी को आमंत्रित करते हैं जो इवेंट में शामिल होने के लिए डेटा साइंस में शिक्षा के विषय में रुचि रखते हैं और अपनी बात व्यक्त करते हैं। पाठ्यक्रमों में अध्ययन किया - आओ और हमें बताओ कि यह तुम्हें क्या दिया। आपको लगता है कि पीएचडी के बिना डेटा का विश्लेषण करना असंभव है - आओ और बताओ क्यों। क्या आपको लगता है कि एक खाद्य विशेषज्ञ को खाद्य उद्योग में लिखने में सक्षम होना चाहिए - आओ और इस पर चर्चा करें।

→ घटना के लिए पंजीकरण

कट विशेषज्ञ राय और अनुसूची के तहत।

एवगेनी सोकोलोव, एचएसई, यैंडेक्स.ज़ेन

अब डेटा विश्लेषण में प्रशिक्षण के लिए कई विकल्प हैं: "तकनीकी स्कूल" के करीब कुछ है, जहां वे सिर्फ तैयार उपकरणों का उपयोग करना सिखाते हैं, इस तथ्य के बारे में राय का विरोध कर रहे हैं कि आपको एमएल को एक गणितीय चीज के रूप में देखना चाहिए, न कि एक शिल्प के रूप में। मेरा मानना ​​है कि, सबसे पहले, आपको अभी भी शिल्प सीखने की आवश्यकता है, क्योंकि इसके बिना छात्र को प्रेरित करना असंभव है, और फिर काम पर वह इन कौशल का 80% समय का उपयोग करेगा। लेकिन एक ही समय में, यह बेहद ज़रूरी है कि उसे सही तरीके और तरीकों की गहरी समझ के बारे में सिखाया जाए - इसके बिना, छात्र केवल श्रम बाजार में प्रतिस्पर्धी नहीं बन जाएगा।

डिमा बुगाएन्को, ठीक है

डीएस शिक्षा के लिए, मैं कई महत्वपूर्ण "चुनौतियों" को उजागर करूंगा जो अन्य क्षेत्रों से डीएस को अलग करते हैं। सबसे पहले, यह गतिशीलता है। सब कुछ बहुत तेज़ी से बदलता है और इसलिए आप सीख नहीं सकते हैं, डिप्लोमा प्राप्त कर सकते हैं और डीएस बन सकते हैं, आप केवल उनके साथ रहने के लिए लगातार अध्ययन कर सकते हैं। दूसरे, यह बहुत अलग विषयों का तालमेल है। आपको तरीकों के गणितीय सार को समझने की जरूरत है, और तकनीक के साथ "आप पर" (यदि हम डीएस के बारे में बात कर रहे हैं, तो एक्सजीओओस्ट में एक छड़ी छड़ी करने वाले बंदर के बारे में नहीं)। और, तीसरा, यह उद्योग से शिक्षित डीएस के लिए एक बहुत ही उच्च मांग है, साथ में रूस में उद्योग और अकादमी के बीच उम्मीदों में एक बड़ा अंतर है, जो विशेष रूप से, प्रमुख खिलाड़ियों के खिलाड़ियों से बड़ी संख्या में "स्कूलों" के उद्भव की ओर जाता है।

पीटर एर्मकोव, लमोडा , डेटागैम

मुझे वास्तव में शिक्षण से प्यार है, विशेषकर वह क्षण जब जटिल को सरल भाषा में, और समझने के लिए आँखों में बताना संभव है। पिछले 10 वर्षों में, मैं कंपनी के अंदर तीन वाणिज्यिक पाठ्यक्रमों, दो विश्वविद्यालयों के 26 लॉन्च में पढ़ाने और एक खुली शैक्षिक परियोजना का संचालन करने में कामयाब रहा। और अब मैं DataGym.ru पर एक व्यावसायिक 3-महीने का मशीन लर्निंग कोर्स बना रहा हूं। सभी प्रकार की शिक्षा अपने तरीके से अच्छी होती है। और व्यावसायिक पाठ्यक्रम कोई अपवाद नहीं हैं। ये अन्य अवसर हैं, एक अलग प्रवेश सीमा, प्रेरणा का एक अलग स्तर और खर्च किया गया समय।

दिमित्री कोरोबचेंको एनविडिया, गीकब्रेन, स्किलबॉक्स, डिजिटल अक्टूबर

मेरी स्थिति यह है कि ऐसे कोई क्षेत्र नहीं हैं जिनके सभी संभावित लाभ होंगे। मैं यह नहीं कह सकता कि एक चीज ड्राइव करती है, लेकिन यह एक और है - नहीं। मुझे मटन की अधिक संभावना है, और सामान्य गणित को भी गणित करना है। मैं वास्तव में इसे पसंद नहीं करता जब लोग यह समझे बिना उपकरण का उपयोग करते हैं कि वे कैसे काम करते हैं (कम से कम औसत स्तर पर)। लेकिन मुझे लगता है कि कुछ व्यावसायिक मामलों में यह उचित होगा। विशेष रूप से एआई के लोकतांत्रीकरण पर विचार। क्यूगल के बारे में, मैं कह सकता हूं कि मैं बहुत से लोगों (अपने सहित) को जानता हूं जिन्होंने इस संसाधन का सहारा लिए बिना इस क्षेत्र में काफी अच्छा विकास किया है। लेकिन मुझे लगता है कि वह अभी भी कुछ कौशल में एक अतिरिक्त बढ़ावा देता है।

विक्टर कैंटर, Mail.ru ग्रुप, एक्शन में डेटा माइनिंग

अकेले हर साल एक्शन कोर्स में ऑफलाइन डेटा माइनिंग के हिस्से के रूप में, लगभग एक हजार लोगों को मशीन लर्निंग का ज्ञान होता है। मेरे सहयोगियों (और दुनिया में, जाहिर है, अभी भी बहुत सारे अन्य पाठ्यक्रम हैं) द्वारा शुरू किए गए ऑनलाइन पाठ्यक्रमों में लगभग 100 हजार लोगों ने भाग लिया है। बेशक, जो लोग न केवल "परिचित" होते हैं, बल्कि अंत तक हो जाते हैं और उदाहरण के लिए, एक जूनियर डेटा वैज्ञानिक, बहुत कम होते हैं, लेकिन वैसे भी, बस एक पागल राशि के लोग डेटा विश्लेषण के लिए आते हैं, इसलिए किसी व्यक्ति को प्रारंभिक स्थिति में रखने की कोई आवश्यकता नहीं है। बहुत मुश्किल है। लेकिन समस्याएं मध्यम स्तर और उच्चतर पर शुरू होती हैं - एक कर्मचारी की तलाश तुरंत लंबी, दर्दनाक और, परिणामस्वरूप, महंगी हो जाती है। इसके साथ क्या करना है यह प्रश्न है जो मैं अभी कर रहा हूं।

समय सारिणी

18:30 - 19:00 - प्रतिभागियों का पंजीकरण
19:00 - 19:05 - एलेक्सी चेर्नोब्रोव से परिचय
19:05 - 20:00 - डेटा साइंस में शिक्षा पर नीतिशास्त्र
20:00 - 20:20 - कॉफी ब्रेक
20:20 - 21:30 - विवाद का सिलसिला

→ घटना के लिए पंजीकरण