Как преподавать науку о данных

Мир наводнен данными. Вокруг земного шара происходит виртуальное цунами, которое ежедневно обновляется. Взять только мировые финансовые рынки. Они генерируют огромное количество данных - цены на акции, цены на сырьевые товары, индексы, цены опционов и фьючерсов, и это лишь некоторые из них. Но данные бесполезны, если нет людей, способных собирать, сопоставлять, анализировать и применять их на благо общества. Все эти данные, генерируемые глобальными финансовыми рынками, используются для управления активами и активами - и их необходимо должным образом анализировать и понимать для принятия правильных решений. Как преподавать науку о данных?

Получение информации

Основной целью науки о данных является получение информации из данных в различных формах, как структурированных, так и неструктурированных. Это междисциплинарная область, охватывающая все: от прикладной математики до статистики и искусственного интеллекта до машинного обучения. И это растет. Это связано с достижениями в области компьютерных технологий и скорости обработки, относительно низкой стоимостью хранения данных и огромной доступностью данных из Интернета и других источников, таких как глобальные финансовые рынки. Конечно, для того, чтобы наука о данных происходила, вам нужны специалисты по данным. Поскольку наука о данных так широка по своему охвату, то, что ученый по данным, охватывает широкий спектр профессий. К ним относятся статистики, исследователи операций, инженеры, компьютерщики, актуарии, физики и машиностроители. Это разнообразие не обязательно плохо. Из моего собственного практического опыта я быстро узнал, что при решении задач по науке о данных вам нужен широкий круг людей. Некоторые могут углубленно работать над теорией, а другие могут исследовать область применения. Но как преподавать эти научные данные, чтобы они были подготовлены к предстоящим проблемам?

Инновационные математические методы

Исследователи данных обычно используют инновационные математические методы из своих собственных подполей, чтобы попытаться решить проблемы в конкретной области применения. Области применения - финансы, здравоохранение, сельское хозяйство и астрономия - лишь некоторые примеры - очень разные. Это означает, что каждый из них создает разные проблемы, и поэтому ученым, работающим с данными, нужны знания о конкретной области применения. Наиболее известными областями науки о данных являются исследования в области статистики и операций, и, возможно, было бы целесообразно извлечь уроки из уже существующих учебных программ в этих областях. Достаточно ли готовят университеты выпускников в этих областях? И это обучение достаточно хорошо? Хотя студенты в этих областях хорошо подготовлены академически, многим выпускникам в области статистики и оперативных исследований не хватает знаний об областях, в которых они должны применять математические методы. Они также склонны бороться с реальными способностями решения проблем, а также с недостатком навыков численного программирования и обработки данных.