Pada 7 Agustus, ok.tech: Data Talk # 2 akan diadakan di kantor Odnoklassniki di Moskow. Kali ini acara akan didedikasikan untuk pendidikan dalam Ilmu Data. Sekarang ada hype sekitar bekerja dengan data yang hanya malas tidak berpikir tentang mendapatkan pendidikan di bidang Ilmu Data. Seseorang percaya bahwa tanpa gelar sarjana tidak mungkin menjadi spesialis analisis data, ada pendukung pendapat bahwa Anda dapat belajar cara bekerja dengan data melalui kursus, yang lain berpegang pada posisi bahwa spesialis data yang baik adalah orang yang terus berlatih dan menggunakan pendekatan serbaguna. . Kami akan mengumpulkan perwakilan dari berbagai pendapat di situs kami dan memberi mereka kesempatan untuk membahas topik ini.
Acara ini akan diadakan dalam format diskusi antara pembicara. Kali ini, Evgeny Sokolov (HSE, Yandex.Zen), Dmitry Bugaychenko (OK.ru), Peter Ermakov (Lamoda, DataGym), Dmitry Korobchenko (Nvidia, GeekBrains, SkillBox, DigitalOctober) dan Victor Kantor (Mail.ru) akan bersama kami Group, Penambangan Data dalam Tindakan). Kami mengundang semua orang yang tertarik dengan topik pendidikan dalam Ilmu Data untuk bergabung dengan acara dan mengekspresikan sudut pandang mereka. Belajar di kursus - datang dan beri tahu kami apa yang memberi Anda. Anda berpikir bahwa tanpa PhD tidak mungkin menganalisis data - datang dan katakan alasannya. Apakah Anda berpikir bahwa seorang spesialis data harus dapat menulis di industri makanan - datang dan diskusikan.
→
Pendaftaran untuk acara tersebutDi bawah potongan pendapat dan jadwal pakar.
Evgeny Sokolov, HSE, Yandex.Zen
Sekarang ada banyak pilihan untuk pelatihan dalam analisis data: ada sesuatu yang lebih dekat dengan "sekolah teknik", di mana mereka mengajar hanya dengan menggunakan alat yang sudah jadi, ada pendapat yang bertentangan tentang bagaimana melihat ML sebagai hal matematika, bukan kerajinan. Saya percaya bahwa, pertama-tama, Anda masih perlu belajar kerajinan, karena tanpa ini tidak mungkin untuk memotivasi siswa, dan kemudian di tempat kerja ia akan menggunakan keterampilan ini 80% dari waktu. Tetapi pada saat yang sama, sangat penting untuk mengajarinya cara berpikir yang benar dan pemahaman yang mendalam tentang metode - tanpa ini, siswa tidak akan menjadi kompetitif di pasar tenaga kerja.
Dima Bugaychenko, oke
Untuk pendidikan DS, saya akan menyoroti beberapa "tantangan" penting yang membedakan DS dari bidang lain. Pertama, ini adalah dinamika. Semuanya berubah sangat cepat dan karena itu Anda tidak bisa belajar, mendapatkan diploma dan menjadi DS, Anda hanya dapat terus belajar untuk tetap bersama mereka. Kedua, sinergi dari disiplin ilmu yang sangat berbeda. Anda perlu memahami esensi matematis dari metode-metode ini, dan bersikap “padamu” dengan teknologi (jika kita berbicara tentang DS, bukan tentang monyet yang menempelkan tongkat di XGBoost). Dan, ketiga, ini adalah permintaan yang sangat tinggi untuk DS berpendidikan dari industri, bersama dengan kesenjangan besar dalam harapan antara industri dan akademi di Rusia, yang, khususnya, mengarah pada munculnya sejumlah besar "sekolah" dari pemain pasar utama.
Peter Ermakov, Lamoda, DataGym
Saya benar-benar suka mengajar, terutama saat memungkinkan untuk menceritakan kompleks dalam bahasa yang sederhana, dan di mata untuk melihat pemahaman. Selama 10 tahun terakhir, saya berhasil mengajar di 26 peluncuran tiga kursus komersial, dua universitas, di dalam perusahaan dan melakukan proyek pendidikan terbuka. Dan sekarang saya membuat kursus pembelajaran mesin 3 bulan komersial di DataGym.ru. Semua jenis pendidikan baik dengan caranya sendiri. Dan kursus komersial tidak terkecuali. Ini adalah peluang lain, ambang masuk yang berbeda, tingkat motivasi dan waktu yang berbeda.
Dmitry Korobchenko Nvidia, GeekBrains, SkillBox, Digital Oktober
Posisi saya adalah bahwa tidak ada area yang akan memiliki semua keuntungan yang mungkin. Saya tidak bisa mengatakan bahwa satu hal mendorong, tetapi ini adalah hal lain - tidak. Saya lebih cenderung untuk matan, dan juga matematika matematika normal. Saya tidak begitu suka ketika orang menggunakan alat tanpa memahami cara kerjanya (setidaknya pada tingkat rata-rata). Tapi saya pikir dalam beberapa kasus bisnis ini akan dibenarkan. Terutama mengingat demokratisasi AI. Mengenai Cuggle, saya dapat mengatakan bahwa saya mengenal banyak orang (termasuk saya) yang telah berkembang cukup baik di kawasan ini tanpa menggunakan sumber daya ini. Tapi saya pikir dia masih memberi tambahan keterampilan tambahan.
Setiap tahun, sebagai bagian dari kursus Penambangan Data dalam Tindakan saja, sekitar seribu orang mengenal pembelajaran mesin. Sekitar 100 ribu orang telah mengambil bagian dalam kursus online yang hanya diluncurkan oleh rekan-rekan saya (dan di dunia, jelas, masih ada banyak kursus lain). Tentu saja, mereka yang tidak hanya "berkenalan", tetapi sampai pada akhir dan menjadi, misalnya, seorang Junior Data Scientist, jauh lebih kecil, tetapi bagaimanapun, hanya sejumlah besar orang sekarang yang datang ke analisis data, sehingga tidak perlu mempekerjakan seseorang sangat sulit. Tetapi masalah mulai di tingkat menengah dan lebih tinggi - pencarian karyawan segera menjadi lama, menyakitkan dan, akibatnya, mahal. Apa yang harus dilakukan dengan ini adalah pertanyaan yang saya lakukan sekarang.
Jadwalkan
18:30 - 19:00 - Pendaftaran peserta
19:00 - 19:05 - Pengantar dari Alexey Chernobrovov
19:05 - 20:00 - Polemik tentang pendidikan dalam Ilmu Data
20:00 - 20:20 - Coffee Break
20:20 - 21:30 - Kelanjutan dari kontroversi
→
Pendaftaran untuk acara tersebut