Наука о данных. Модуль 10

В этом модуле вы узнаете:
• почему машинное обучение будет влиять на вашу жизнь, даже если вы никак с ним не связаны;
• что смотреть и читать, если вы хотите лучше понять, как данные используются в новых отраслях экономики;
• в каком направлении развиваться, если вы хотите больше заниматься работой с данными и вопросами data governance, data engineering и проектами машинного обучения.

Человечество уже сгенерировало
33 000 000 000 000 000 000 000 байт данных

За ближайшие годы эта цифра вырастет в 5 раз.

Вы уже могли слышать фразу «данные — новая нефть». Многие трактуют ее так: сегодня каждый человек владеет собственной «скважиной», которая генерирует данные. Это верно, но лишь отчасти — сырая нефть не стоит очень дорого и мало для чего годится. Гораздо больше ценится результат ее переработки: продукты на основе нефти имеют понятную добавленную стоимость и проникли буквально всюду — от топлива для многих видов транспорта и пластика в любых приборах до полиэстровых нитей в нашей одежде и полиэтиленовой упаковки, в которой мы храним пищу.

Сырые данные тоже не стоят очень много. Благодаря компьютерам, программам и интернету человечество построило инфраструктуру для их «добычи» и продолжает накапливать информацию в геометрической прогрессии. Осталось сделать следующий шаг. Чтобы эти массивы начали приносить реальную пользу, людям нужно научиться их правильно хранить (за это отвечает область data governance), а затем — правильно перерабатывать: это сферы интересов дата-инженеров и дата-сайентистов.

Пока правильно выстраивать эти процессы учится лишь узкий круг ИТ и около ИТ-гигантов и стартапов. Но еще при нашей жизни машинное обучение и работа с данными придут в каждую отрасль, где используются компьютеры, а цифровые продукты и сервисы на их основе станут столь же привычными, как электричество, обычные приложения или магазинный пакет, который сделан из отходов производства нефти.

Хочу работать с данными. Куда развиваться дальше?

Здорово, если наш курс подтолкнул вас развиваться в этой новой области — здесь свой потенциал смогут реализовать как люди с математическим и техническим опытом, так и те, кто обладает сильными аналитическими способностями и не боится простых формул. Элен Теванян расскажет, каких специалистов сейчас не хватает на рынке в целом, а Сергей Носов — о том, как присоединиться к командам, работающим с данными внутри «Ростелекома».

Курс «Наука о данных» подошел к концу. Настало время пройти финальное тестирование и узнать, насколько хорошо вы усвоили материал:

ПРОВЕРИТЬ СЕБЯ