«Правильно ставить задачи мало кто умеет». Алексей Драль о конференции Startup Village

10 июня 2020 г.

Технологическая конференция Startup Village в этом году впервые прошла полностью в онлайн-формате. На сайте за два дня мероприятия оно набрало 185 тысяч просмотров, в том числе около 107 тысяч уникальных. Более 1 200 000 просмотров различных сессий конференции зарегистрировано на внешних ресурсах, поддержавших трансляцию, с учетом данных YouTube, VK, Facebook, сообщили Sk.ru организаторы.


Фото: пресс-служба конференции Startup Village Livestream’20.

Startup Village Livestream ’20 посетили участники из более чем 100 стран – Китая, США, Казахстана, Украины, Германии, Франции, Испании, Великобритании, Индии, Японии, Ирландии, Нидерландов, Италии, Швеции и других. CEO и основатель BigData Team, преподаватель и автор учебных программ по ML / Big Data / CDO (МГУ, ВШЭ, МФТИ, ШАД, Harbour.Space University, Университет НТИ 20.35, Xiamen University), руководитель совместного с «Яндекс» международного проекта Big Data for Data Engineers Алексей Драль в интервью «ФедералПресс» рассказал о том, как правильно ставить задачи анализа данных, в чем заключается большая перспектива Big Data и как выбрать удачное направление абитуриентам.

Алексей, вы были одним из спикеров на сессии «Как решать социально-экономические задачи с помощью AI & Data» на последней конференции Startup Village. Расскажите, пожалуйста, как же все-таки можно решать эти задачи?

— В рамках международного конкурса World AI & Data Challenge есть три направления: задача на исследование, классическая задача разработки алгоритма машинного обучения (МО) и разработка сервиса. Решение классической задачи МО – самое простое и понятное для специалистов в этой области, что-либо разжевывать, я полагаю, здесь не стоит. На что стоит обратить внимание, так это на разборы задач от членов экспертного жюри конкурса. Эксперты делятся тонкостями в подходах к решению тех или иных задач, обсуждают грабли, которые стоит обходить стороной. Обратите внимание на выступление Андрея Петрова.

С задачами на исследование и разработку сервисов все гораздо интереснее, поскольку это не то, что привыкли делать исследователи данных, но это гораздо ближе к реальной жизни. Здесь приходится погрузиться в вопросы того, какую пользу принесет это исследование, на какие вопросы бизнеса (или государства) позволяет ответить и как это решение может быть внедрено, а это вопросы интеграции, качества и поддержки кода. В рамках выступления на Startup Village я поделился элементами архитектуры решения одной из задач конкурса. Даже если вы будете решать другую задачу, обратите внимание на архитектурные подходы и вопросы, на которые стоит ответить перед крупномасштабной разработкой. В вашем вопросе есть фраза: «Как решать?», но на самом деле есть гораздо более сложный вопрос: а как такие социально-экономические задачи ставить? Ведь, как гласит поговорка, правильно поставленный вопрос – это уже половина ответа. А вот правильно ставить задачи мало кто умеет вообще. Если вам придется ставить задачи анализа данных, то рекомендую посмотреть наше видео с Артуром Хачуяном или Big Data Workshop.

Вскоре выпускники школ будут выбирать, на какие факультеты и образовательные программы им поступать. Вы уже очень давно занимаетесь Big Data; правда ли, что это сейчас самое перспективное направление? Где можно получить такую профессию?

— Здесь имеет смысл уточнить, что подразумевается под словом «перспективное». Вы имеете в виду финансовую компенсацию за проделанную работу? Если да, то действительно специалисты в этой области могут зарабатывать больше, чем, например, директора розничных сетей. Но здесь ключевое слово – могут. Это как спорт, не все становятся олимпийскими чемпионами. Когда говорят про спортсменов, вам очевидно, что за медалями и рекордами стоят годы тренировок и предрасположенность к определенному виду спорта. Но когда люди говорят про Big Data, снять эти розовые очки «легкого» заработка бывает не просто. Чтобы стать действительно хорошим и ценным специалистом, вам нужно очень много учиться и работать. И лично мое мнение, не нужно пытаться идти в эту сферу (да и вообще в любую сферу деятельности), если вам эта работа не нравится. Если вам нравится математика или программирование, а еще лучше все вместе, то добро пожаловать в этот замечательный мир.

Большая перспектива Big Data заключается в том, что эти инструменты позволяют автоматизировать производство и бизнес-процессы в бесчисленном множестве других сфер деятельности: образование, медицина, логистика, даже индустрия моды и искусство.

Куда же идти учиться в университет? Big Data развивается очень стремительно, поэтому вузы не могут позволить себе высококвалифицированных преподавателей-практиков. Обращайте внимание на вузы, которые смогли выстроить партнерские взаимоотношения с сильными ИТ-компаниями, чтобы привлекать для преподавания практиков. Например, «Яндекс» организует больший цикл курсов на базе ВШЭ и прикладывает все усилия, чтобы привлекать туда лучших специалистов. Когда ВШЭ нужно было прочитать семестровый курс по Big Data на основе стека open source технологий обработки больших массивов информации (HDFS, Hadoop, Spark…), «Яндекс» привлек нашу команду BigData Team. Похожие коллаборации организованы в ведущих вузах типа МГУ и МФТИ, я слышал очень много положительных отзывов о программах Томского государственного университета и уверен, что существует еще много таких историй успеха. Приходите в вузы в вашей области видимости и уточняйте, где работают преподаватели, в каких компаниях. Вы хотите работать в таких компаниях? Если да, то вуз вам подходит. Я полагаю, что в ближайшее время дни открытых дверей будут организованы в онлайн-формате и задать эти вопросы будет гораздо проще.

Если вы уже выросли, работаете и понимаете, что хотите быстро погрузиться в сферу Big Data, чтобы понять, ваше это занятие или нет, стоит ли переквалифицироваться, то я рекомендую обратить внимание на курсы BigData Team. Мы проводим обучение как для вузов в России (МГУ, МФТИ, ВШЭ) и за рубежом (Испания, Казахстан, Китай), так и для ИТ-компаний (Mail.ru, MegaFon, Sberbank, AlfaBank и многие другие).

Алексей, вы в том числе преподаете в МФТИ, где не так давно прошла структурная реформа и вместо факультетов появились физтех-школы. Вскоре подобные же изменения ждут и МГУ им. М. В. Ломоносова: там факультеты должны объединить в научные школы. Как выпускник Московского университета, поддерживаете ли вы такие нововведения?

— Задача объединения факультетов или одинаковых направлений разных факультетов – это сложная и важная задача. Я поддерживаю объединение разных взглядов и конструктивного диалога для решения задач. Но это работает в том случае, если все честно хотят решить поставленную задачу. Например, так было, когда мы, независимые разработчики-энтузиасты из разных компаний, решили поделиться своим опытом и разработали новые учебные программы по машинному обучению и работе с большими данными на базе МФТИ в 2014 году. Нас абсолютно не интересовали финансы, и нам честно хотелось принести пользу. Но когда этот вопрос решается на уровне внутренних структур вуза, здесь появляется борьба за ресурсы и власть. Опыт МФТИ показал, что внешне это может выглядеть как одна структура, а по факту внутри будет несколько факультетов со своими правилами, программами и преподавателями, только слово факультет заменят на «направление». Если вы хотите, чтобы реформа дала плюсы, то нужно дать преподавателям план их жизни и поддержки после изменений, чтобы они не пытались «воевать» за свое существование, а могли сконцентрироваться на разработке и актуализации согласованных учебных программ.

   

Источник: fedpress.ru

Поисковые теги
Поделиться