ok.tech：8月7日，数据讲座2将在Odnoklassniki的莫斯科办事处举行。 这次活动将致力于数据科学教育。 现在，围绕数据的使用大肆宣传，以至于只有懒惰的人才不想考虑接受数据科学领域的教育。 有人认为没有大学学位就不可能成为数据分析专家，有人认为您可以通过课程学习如何使用数据，其他人则坚持认为，优秀的数据专家是一个不断实践和使用通用方法的人。 。 我们将在我们的网站上收集代表不同意见的代表，并给予他们讨论此主题的机会。
该活动将以发言人之间的讨论形式举行。 这次，Evgeny Sokolov（HSE，Yandex.Zen），Dmitry Bugaychenko（OK.ru），Peter Ermakov（Lamoda，DataGym），Dmitry Korobchenko（Nvidia，GeekBrains，SkillBox，DigitalOctober）和Victor Kantor（Mail.ru）将与我们在一起。组，行动中的数据挖掘）。 我们邀请对数据科学教育感兴趣的所有人参加会议，并表达他们的观点。 学习了这些课程-来告诉我们它给您带来了什么。 您认为没有博士学位就不可能分析数据-来告诉原因。 您是否认为数据专家应该能够在食品行业中撰写文章-讨论一下。
→
参加活动根据削减的专家意见和时间表。
Evgeny Sokolov，HSE，Yandex.Zen
现在有许多数据分析培训的选择：离“技术学校”更近的地方，他们教他们只是使用现成的工具，关于如何将ML看作是一种数学知识，而不是一种技巧，存在着相反的意见。 我认为，首先，您仍然需要学习手艺，因为没有它，就不可能激励学生，然后在工作中，他将有80％的时间使用这些技能。 但是同时，教给他正确的思维方式和对方法的深刻理解非常重要-如果没有这一点，学生将根本不会在劳动力市场上变得有竞争力。
Dima Bugaychenko，好的
对于DS教育，我将重点介绍将DS与其他领域区分开的几个重要“挑战”。 首先，这是动力学。 一切都会很快发生变化，因此您将无法学习，获得文凭并成为DS，您只能不断学习以与他们共处。 其次，这是非常不同学科的协同作用。 您需要了解这些方法的数学本质，并且要对技术“持之以恒”（如果我们在谈论DS，而不是猴子在XGBoost中扎根）。 第三，这是业界对受过良好教育的DS的很高需求，加上该行业与俄罗斯学院之间的期望差距很大，尤其是导致主要市场参与者涌现出大量“学校”。
彼得·埃尔马科夫（Peter Ermakov），拉莫达（Lamoda）， DataGym
我真的很喜欢教学，尤其是可以用简单的语言讲出复杂的事物并在眼中看到理解的那一刻。 在过去的10年中，我设法在公司内部教授了26项三门商业课程，两门大学的课程，并开展了一个开放式教育项目。 现在，我正在DataGym.ru上开设一个为期3个月的商业机器学习课程。 所有类型的教育都有其自身的优势。 商业课程也不例外。 这些是其他机会，不同的准入门槛，不同的动机和花费的时间。
Dmitry Korobchenko Nvidia，GeekBrains，SkillBox，Digital October
我的立场是，没有任何领域可以发挥所有可能的优势。 我不能说一件事驱动，但这是另一件事-不。 我更可能使用Matan以及数学普通数学。 当人们在不了解其工作方式（至少是平均水平）的情况下使用工具时，我真的不喜欢它。 但是我认为在某些商业案例中这是合理的。 特别是考虑到AI的民主化。 关于Cuggle，我可以说我认识很多人（包括我自己），他们在不依靠该资源的情况下在该地区发展得很好。 但是我认为他仍然在某些技能上提供了额外的帮助。
Victor Kantor，Mail.ru集团， 行动中的数据挖掘
每年，仅作为离线数据挖掘在实践课程的一部分，就有大约一千人了解机器学习。 大约有10万人参加了仅由我的同事开设的在线课程（显然，世界上还有很多其他课程）。 当然，那些不仅仅“结识”而最终成为一名初级数据科学家的人要少得多，但是无论如何，只有大量的人来进行数据分析，因此无需雇用一个人担任初始职位非常困难 但是问题始于中级甚至更高级别-寻找员工的时间变得漫长，痛苦且结果昂贵。 与此相关的是我现在正在做的问题。
日程安排
18:30-19:00-参加者注册
19:00-19:05-来自Alexey Chernobrovov的介绍
19:05-20:00-数据科学教育之争
20:00-20:20-茶歇
20:20-21:30-争议的继续
→
参加活动