Data science

Thu hẹp khoảng cách về giáo dục trong khoa học dữ liệu

Ngày càng có sự không phù hợp giữa tốc độ tăng trưởng của dữ liệu và sự phát triển của các kỹ năng và kiến ​​thức về dữ liệu. Cái trước đang tăng với tốc độ lành mạnh, trong khi cái sau đang vật lộn để theo kịp. Một trang phục hy vọng sẽ thu hẹp khoảng cách về giáo dục dữ liệu là Data Society. Công ty, cung cấp các buổi giáo dục và đào tạo phù hợp cho các công ty và tổ chức (chứ không phải người dùng cá nhân), tìm cách cung cấp cho người dùng nền tảng cơ bản về các kỹ năng cốt lõi trong các lĩnh vực quản lý dữ liệu, phân tích dữ liệu và khoa học dữ liệu. Công ty Washington, DC sử dụng 50 các nhà giáo dục toàn thời gian, những người trình bày chương trình giảng dạy về khoa học dữ liệu do một nhóm các nhà khoa học dữ liệu và nhà sáng tạo nội dung chuyên nghiệp tạo ra. Công ty cũng có một danh sách hàng trăm giảng viên bán thời gian mà công ty có thể tham gia, đặc biệt cho các ngành cụ thể. Theo Data Người đồng sáng lập và Giám đốc điều hành của Hiệp hội Merav Yuravlivker. Yuravlivker, một cựu giáo viên đã thành lập Hiệp hội Dữ liệu tại 2014, cho biết: “Chúng tôi đã hoàn toàn lật công tắc và nói rằng, không còn B2C nữa, chúng tôi đang tập trung vào các khách hàng trong ngành của mình. “Chúng tôi là một trong những người chơi duy nhất trong không gian.” Trong những năm qua, Data Society đã đào tạo trở lên 10, 000 các cá nhân cho hơn 100 khách hàng, nhiều trong số đó được các công ty dịch vụ tài chính, công ty chăm sóc sức khỏe và các cơ quan liên bang tuyển dụng. Danh sách khách hàng của công ty bao gồm những cái tên như NASA, CDC, Bộ Ngân khố, Discovery Financial Services, OptumHealth và IQVIA, trong số những người khác. Người đồng sáng lập và Giám đốc điều hành của Hiệp hội Dữ liệu Merav Yuravlivker Các sinh viên được chia thành hai nhóm chung: những người thực hành cần các kỹ năng kỹ thuật để có thể làm việc với dữ liệu và áp dụng các kỹ thuật, và các giám đốc điều hành cần biết dữ liệu có khả năng gì và cách xây dựng một nhóm. “Ngoài mảng kỹ thuật, chúng tôi nhận thấy nhu cầu lớn là phải đào tạo các giám đốc điều hành, người quản lý và nhân viên nói chung hiểu cách sử dụng khoa học dữ liệu nói chung, cách nghĩ về chiến lược đó, cách tăng cường nhân sự,” Yuravlivker nói. Khả năng điều chỉnh chương trình giảng dạy của Xã hội dữ liệu cho phù hợp với nhu cầu cụ thể của khách hàng mang lại cho công ty lợi thế so với các nhà cung cấp giáo dục có chương trình giảng dạy cứng nhắc hơn. Sự tùy chỉnh này có dạng các dự án capstone dành riêng cho ngành trong một số trường hợp, trong khi trong những trường hợp khác, các dự án trong thế giới thực bắt đầu giống với các cam kết tư vấn. (Tất cả đào tạo hiện được tiến hành ảo, do COVID – 19). Ví dụ, gần đây, Hiệp hội Dữ liệu đã giúp Cơ quan Công viên Quốc gia thực hiện một dự án xác định bãi đậu xe nào nên lắp bộ sạc cho xe điện. “Họ thực sự đã tạo ra một nguồn doanh thu hoàn toàn mới cho cơ quan của mình,” Yuravlivker nói. “Thật sự rất vui khi thấy điều đó.” Một khách hàng khác, một công ty Fortune 50, đã tham gia vào Tổ chức dữ liệu với kế hoạch dạy sinh viên cách phát triển hệ thống khai thác văn bản. “Vì vậy, chúng tôi đã xây dựng một khóa học đi từ lập trình cấp đầu vào thông qua các kỹ thuật khai thác văn bản,” cô nói. “Đó chỉ là một ví dụ về cách chúng tôi đã sử dụng dữ liệu của chính họ để thu thập thông tin chi tiết.” Yuravlivker phát hiện ra sự thay đổi trong cách các tổ chức đang suy nghĩ về dữ liệu, đặc biệt là kể từ COVID. Họ quan tâm nhiều hơn đến việc nhận được kết quả từ dữ liệu của họ thay vì đầu tư vào dữ liệu lớn và khoa học dữ liệu vì lợi ích của riêng mình. Nhưng họ vẫn không chắc chắn làm thế nào để đi đến đó và vì vậy họ cần một bàn tay trợ giúp để hướng dẫn họ. Đối với Data Society, điều đó có nghĩa là quay trở lại việc giảng dạy những điều cơ bản – ngay cả khi khách hàng của cô ấy có ý tưởng khác. Yuravlivker nói: “Chúng tôi đã thấy nhiều chương trình ở cấp độ giới thiệu hơn. “Mọi người đều thích biết rằng chúng tôi dạy học sâu, nhưng rất ít tổ chức sẵn sàng cho việc này. Vì vậy, chúng tôi đang làm việc với rất nhiều kỹ năng nền tảng để xây dựng văn hóa học hỏi liên tục đó, xây dựng cộng đồng thực hành và hiểu biết chung về nó là gì. ” Giám đốc điều hành của Data Society cho biết: Yuravlivker cho biết mối quan tâm đến việc học sâu vượt quá khả năng hữu dụng của nó trong thế giới thực (tín dụng hình ảnh: Shutterstock) Yuravlivker bị ảnh hưởng bởi những nhận thức sai lầm cơ bản mà nhiều khách hàng và khách hàng tiềm năng của cô ấy có về bản chất của dữ liệu và khoa học dữ liệu. “Thành thật mà nói, có rất nhiều quan niệm sai lầm về những gì khoa học dữ liệu có thể và không thể làm,” Yuravlivker nói. “Có rất nhiều nhà quản lý chỉ muốn ném khoa học dữ liệu vào mọi thứ mà không hiểu lý do đằng sau nó.” Yuravlivker cho biết, rất nhiều nhà quản lý thích ý tưởng áp dụng máy học và kỹ thuật học sâu vào thách thức kinh doanh cụ thể của họ. Nhưng khá thường xuyên, những thách thức của họ không đảm bảo khi sử dụng những công nghệ đó. “Rất nhiều lần, chúng tôi đã nghe nói“ Chà, chúng ta cần học sâu để giải quyết thử thách này ”, trong khi có thể đó chỉ là một bài toán phân loại, ở một mức độ khác,” cô nói. “Có thể chỉ là, làm thế nào chúng ta có thể quản lý dữ liệu thích hợp và tiêu chuẩn hóa việc thu thập dữ liệu để giúp tạo điều kiện thuận lợi cho quá trình thu thập dữ liệu?” Bước đầu tiên trong khoa học dữ liệu là sắp xếp dữ liệu của một người và điều đó có xu hướng chiếm phần lớn thời gian của nhà khoa học dữ liệu. Đảm bảo dữ liệu nhất quán, sạch sẽ và chất lượng cao không hấp dẫn bằng việc xây dựng một mô hình học sâu. Nhưng đó là một bước quan trọng không thể bỏ qua. Các kỹ thuật quản lý dữ liệu cốt lõi đó cũng tạo thành một phần cốt lõi trong chương trình giảng dạy của Xã hội dữ liệu. “Như bạn đã biết, rác vào, rác ra (GIGO),” Yuravlivker nói. “Nếu chúng tôi thu thập dữ liệu xấu, nếu chúng tôi đưa nó vào một thuật toán, nó không quan trọng nó tốt đến đâu – kết quả sẽ sai.” Thay vì biến học sinh của mình thành những chuyên gia học sâu hoặc những người mê toán học, Yuravlivker thà rằng họ phải nắm chắc các vấn đề cơ bản ảnh hưởng đến tham vọng dữ liệu của các công ty trong thế giới thực. “Mức tăng lớn nhất, giá trị chuyển đổi lớn nhất, là từ 0 đến 1,” cô nói. “Nó không có nghĩa là ai đó cần phải học về mạng nơ-ron. Tôi cho rằng hầu hết mọi người không cần biết điều đó. Nhưng những gì họ cần theo và là cách sử dụng dữ liệu, những gì nó có thể làm. Họ cần hiểu rằng việc thu thập dữ liệu là 70% đến 80% của bất kỳ dự án khoa học dữ liệu nào ”. Đối với các công ty và đại lý có xu hướng mua vào sự cường điệu về dữ liệu lớn và khoa học dữ liệu, phương pháp của Hiệp hội Dữ liệu là liều thuốc mạnh. Nhưng nếu họ tuân theo phương pháp giáo dục của công ty, họ sẽ thấy mình có chỗ đứng vững chắc hơn khi xây dựng các sản phẩm dữ liệu của riêng mình. Các mục liên quan: Khoa học dữ liệu cần phát triển, Domino nói về việc tìm kiếm tài năng về khoa học dữ liệu với Tiến sĩ Kirk Borne Khoa học dữ liệu trở lại trường học: Tăng tốc việc học của bạn

  • Trang chủ
  • Trí tuệ nhân tạo
  • Chuyên viên phân tích kinh doanh
  • Thông tin kinh doanh
  • Khoa học dữ liệu
  • Back to top button