Доклад охватывает ключевые аспекты образования в области data science, включая необходимые навыки и опыт, методы преподавания, а также особенности профессиональной деятельности специалистов. Рассматриваются академические программы и курсы, а также важность самообразования и коллаборации в сообществе data science. В конце подчеркивается необходимость системного мышления и непрерывного саморазвития для успешной карьеры в данной области.

2. ПЛАН ДОКЛАДА
1. Каким должно быть любое образование?
2. Что такое data science?
3. Как обычно преподают/изучают data science?
4. Как получить первый опыт?
5. Коллаборация в области Data Science
2

3. КТО ТАКОЙ
СПЕЦИАЛИСТ?
3

4. ОСОБЕННОСТИ
ПРОФЕССИОНАЛЬНЫХ ЗАДАЧ
ЧЕЛОВЕКА С … ОБРАЗОВАНИЕМ

5. 1. Средним,
профессионально-техническим
2. Средним специальным
3. Высшим
4. Послевузовским

6. КТО ТАКОЙ
DATA
SCIENTIST?
6

7. 7

8. МНЕНИЕ UDACITY
Источник:
8 Skills You Need
to Be a Data Scientist

9. НАУКА О ДАННЫХ
• Big Data и параллельные вычисления
• Статистические методы
• Машинное обучение
• Data Mining
• Artificial Intelligence
• Проектирование и разработка
эффективных хранилищ данных
• ….

10. КАК УЧАТ
DATA
SCIENCE?
10

11. АКАДЕМИЧЕСКИЕ ПРОГРАММЫ
1. Школа анализа данных
(Москва, Киев, Минск, …)
2. Computer Science Center
(Санкт-Петербург)
3. Техносфера (Москва)
4. ….
11

12. ТРАДИЦИОННОЕ ОБЩЕЕ
1. Общее повышение уровня программирования (по ~ 48 ч.)
Основные языки: 1. Python 2. С/C++ (вплоть до 11/14).
Дополнительно: Java (open source Big Data), R (статистика).
2. Алгоритмы и структуры данных (~ 48-96 ч.)
3. Машинное обучение (~ 48-96 ч.)
4. Основы Natural Language Processing (24-48 ч).
5. Информационный поиск (information retrieval) (~48 ч.)
+ НЕЗАБЫВАЕМЫЕ НОЧИ, ПОТРАЧЕННЫЕ
НА ВЫПОЛНЕНИЕ ДОМАШНИХ ЗАДАНИЙ.
12

13. ПРИМЕРЫ СПЕЦКУРСОВ
1. Анализ изображений и видео (30-60 ч.)
2. Технологии хранения и обработки больших объёмов
данных (36-72 ч)
3. Обучение представлений и глубокое обучение (~48 ч.)
4. Байесовские методы (~48 ч.)
5. Графические модели (~ 48 ч.)
6. Прикладная аналитика (~24 ч.)
7. Теория игр и аукционов (~ 24 ч.)
И многое другое
13

14. ОБЩИЕ ТРЕНДЫ
1. Введение в Deep Learning
2. Технологии Big Data
3. Прикладные исследовательские проекты
4. Выкладка материалов занятий на GitHub и
видеозаписей лекций на YouTube.
Большинство онлайн-курсов намного
поверхностнее!
14

15. 15
МАШИННОЕ ОБУЧЕНИЕ

16. CRISP DM
16

17. УДАЧНЫЕ ПРИМЕРЫ
ЛАБОРАТОРНЫХ ЗАДАЧ
1. Первичный анализ данных о авиарейсах в США ( http://stat-
computing.org/dataexpo/2009/the-data.html -- opendata !!!)
2. Предсказание вероятности автомобильной аварии
страховой компанией (с SAS-тренинга )
3. Предсказание цены объекта недвижимости в США по его
описанию
4. Предсказание пола по транзакциям (конкурс Сбербанка)
5. Предсказание “здоров / болен” по ЭКГ
ВАЖНА ПОНЯТНОСТЬ ПРИЗНАКОВ и «НИЗКАЯ» ТОЧКА ВХОДА!
17

18. САМООБРАЗОВАНИЕ
1. Технострим Mail.ru
2. Лекции Computer Science Center
3. Много видеозаписей полноценных курсов на
YouTube
4. Много видеозаписей конференций и митапов
5. Публикации в научных и научно-популярных
журналах и блогах
18

19. КАК
ПОПРОБОВАТЬ
НА ПРАКТИКЕ?
19

20. КРИТЕРИИ ВЫБОРА ЗАДАЧ
1. Мини-проект по Data Science
2. И практическая,
и научно-исследовательская актуальность
3. Публикации в реферируемых журналах
4. Нечеткая, достаточно общая поставка задач
5. Интересная предметная область
20

21. ЛЕКСИЧЕСКАЯ НОРМАЛИЗАЦИЯ
ТЕКСТА В СОЦИАЛЬНЫХ СЕТЯХ
21
ACL 2015
Workshop on
Noisy User-
generated Text.
Lexical
Normalization for
English Tweets

22. ONLINE REPUTATION
MANAGEMENT IN SOCIAL MEDIA
22
RepLab 2013.
Track for
Online
Reputation
Management

23. ЗАДАЧИ
• Категоризация авторов сообщений
• Influencer?
• Контекст упоминания брендов
• Выделение тем
• Кластеризация текстов
!!! ГОТОВЫХ ПРИЗНАКОВ НЕТ!!!
23

24. СКУЧНО
ОДНОМУ …
24

25. СИЛА В СООБЩЕСТВЕ!
Статистика #OpenDataScience в Slack за 1 год:
• 145K сообщений, 60+ каналов, 500+ data scientist-ов
• Наиболее обсуждаемые темы:
#deep_learning #theory_and_practice
#visualization #big_data
#python #r
#datasets #nlp
#edu_courses #devops
25
http://opendatascience.ru

26. СИЛА В СООБЩЕСТВЕ!
Сообщество «Тренировки ML»
• Почти 1400 человек в группе Facebook
• Регулярные встречи 1 раз в 2 недели с видеозаписью
Регулярные мероприятия по Data Science в офисах крупных IT-
компаний, с видеозаписью
• Компьютерные науки (Яндекс) it.mail.ru/
• AvitoTech ВШЭ DataTalks и МНОГИЕ ДРУГИЕ!
26

27. РЕЗЮМЕ
1. Системное и аналитическое мышление!
2. Необходимы фундаментальные знания
сразу в нескольких областях
3. Идеальный Data Scientist – это
• сильный инженер-программист,
• талантливый исследователь,
• толковый (бизнес-)аналитик. 27

28. РЕЗЮМЕ
4. Непрерывное саморазвитие
5. Возможности для получения
практического опыта
6. Возможности для получения и обмена
знаниями
28

29. СПАСИБО!
ВОПРОСЫ?
29
Денис Пирштук
Chief Data Scientist
d_pirshtuk@indatalabs.com
https://www.linkedin.com/in/dpirshtuk