Личная и честная перспектива

Еще в середине 2019 года мне предложили должность ассистента преподавателя в двух разных институтах. В основном они были четкими, за исключением нескольких областей. У обоих были схожие мотивы - предоставлять современные знания своим платным ученикам. Я знал, что мне будет сложно совмещать и то и другое с моей нынешней работой. Тем не менее, я принял и то, и другое отчасти потому, что хотел бросить вызов своему пониманию поля, погрузившись в ум дилетанта, а отчасти потому, что мне нужно было немного дополнительных денег для оплаты счетов.

Чтобы раскрыть все в нескольких словах: Для меня это был очень полезный опыт. В этой статье я расскажу как о положительных, так и о отрицательных сторонах, которые я испытал, преподавая науку о данных в настоящее время, как в классе, так и в Интернете. Поскольку результаты были для меня положительными, я должен закончить эту статью на положительной ноте.

Негативные аспекты

Когда вы играете второго плана, задача почти удваивается, чтобы заслужить восхищение публики.

Работа помощника учителя - сложная задача. Внутри идет внутренняя борьба, где, с одной стороны, вы хотите внести свой вклад в курс, делясь своими практическими знаниями и опытом, а с другой стороны, профессора хотят, чтобы вы взяли на себя грязную работу, т. Е. оценивать задания, отвечать на тривиальные повторяющиеся сомнения на дискуссионных форумах и управлять административными обязательствами онлайн-платформы. Даже если вы хотите разработать сложную викторину или задание по кодированию, профессора не захотят идти по этой жесткой веревке, где, с одной стороны, ассистенты должны проводить мягкую оценку, если они не могут набрать высокие баллы, а с другой стороны. студенты могут пожаловаться в вышестоящие инстанции за обман на экзаменах. И если когда-либо наступает кризис, ТА оказывается раздавленным между профессорами и студентами, и они служат промежуточной подушкой, поглощающей обвинения с обеих сторон.

Я бы посоветовал как профессорам, так и студентам ценить усилия ТА и проявлять терпение к ним, поскольку они управляют всем в курсе, хотя и работают неполный рабочий день.

Они косят сено, пока светит солнце.

Преподавание науки о данных стало высокодоходным бизнесом. Во имя сертификатов ведущие институты страны предлагают курсы, в значительной степени ориентированные на теоретические концепции, и предоставляют учащимся те же знания, которые полностью доступны онлайн бесплатно, но разрозненно. Студенты, по сути, платят за премию и за то, чтобы собрать хорошие вещи под одной крышей. Но эта проблема является второстепенной для меня, основная проблема заключается в том, что материалы курса редко обновляются. Если вы изучаете курс по науке о данных, который не обновлялся с 2017 года, вы можете не только ухудшить свои навыки, но и усвоить несколько совершенно неправильных концепций. Например, RNN / LSTM предоставляет результаты SOTA, Batch Norm помогает за счет уменьшения внутреннего ковариатного сдвига и т. Д., Теперь в прошлом.

Но вина взаимная. Люди привыкли связывать качество с ценой, как если бы она была положительно коррелирована во всем мире. Они не покупают курс, если он не дорогой, не рекламируется, не рекламируется или не одобряется. Обучив более 1000 студентов в год (по дорогостоящему курсу), я могу с уверенностью заявить, что менее 3% учащихся записываются на курс с менталитетом, чтобы бросить вызов своим знаниям и завершить их улучшенными навыками. Почти все учащиеся стремятся получить этот сертификат с пометкой Premier, чтобы получить достойную оплачиваемую работу или продвижение по службе. Ни один из них не может быть полностью обвинен, поскольку в рекламе делается одно и то же. Почти все учащиеся завершают свои еженедельные задания за последние 12 часов до крайнего срока, в основном скопированные (группами) без дополнительных усилий для сохранения презентабельности. Зачем институту прилагать усилия для обновления курса, если отзывов недостаточно?

Поскольку виноваты обе стороны, я думаю, что решение заключается в следующем:

  1. Признание науки о данных как междисциплинарной развивающейся области применения, сочетающей как исследовательскую, так и инженерную области. К нему не следует подходить исключительно с точки зрения получения работы в индустрии программного обеспечения.
  2. Геймификация полного опыта обучения науке о данных. Одно только обучение в классе не может восполнить пробелы. Студенты должны требовать от институтов разработки новаторских педагогических подходов для обоснования взимаемой ими платы.

Положительные аспекты

«Если хочешь овладеть чем-то, научи этому». - Ричард Фейнман.

Это 100% правда. Эта истина имеет более высокую рентабельность инвестиций, чем высказывание «нет ничего благороднее профессии учителя». Если вы хотите связать себя с профессией учителя в какой-либо форме, делайте это исключительно для этой цели. Это избавит вас от побуждения к ожиданию. В конце концов, у меня действительно были моменты для проведения вебинаров и лекций, и эти интерактивные занятия многому меня научили. И только с этой целью я хотел бы продолжить преподавание. Вишня на вершине всего этого опыта - наблюдать за постепенным прогрессом ученика в понимании и реализации концепции.

Я не верю, что действительно могу обойтись без преподавания. Причина в том, что у меня должно быть что-то, чтобы, когда у меня нет никаких идей и я ничего не добиваюсь, я мог сказать себе: «По крайней мере, я живу; по крайней мере, я что-то делаю. Я вношу свой вклад ». Это просто психологически. - Ричард Фейнман.

Основатель одного из институтов, к которому я присоединился, резонировал с той же страстью в отношении преподавания курсов по науке о данных. Подводя итог, можно сказать, что он взимает одну десятую цены ведущего института, обеспечивая при этом в десять раз более качественный контент, обновленный на основе исследовательских работ и отзывов студентов, в основном автоматическая оценка и наставничество практически для всех.

Курсы по науке о данных нельзя связывать с лекциями и решением поставленных задач. Он должен быть намного более творческим, предоставляя студентам широкий спектр навыков от чтения исследовательских работ, обсуждения новых идей до обладания отраслевыми навыками, такими как веб-разработка, внедрение IoT и т. Д. Работа учителем в такой творческой области расширяет ваш широкий кругозор. навыков, много складок в нескольких направлениях. Много раз вам даже приходится учиться новым ремеслам у своих творческих учеников из самых разных областей. Присутствие таких увлеченных людей мотивирует вас каждый день делать все возможное. Это приносит удовлетворение.

Последним и самым полезным опытом для меня было приобретение хороших навыков управления людьми. Удовлетворение многочисленных запросов людей, прибывающих почти круглосуточно, проверяет человека до предела его возможностей. Я хотел столкнуться с этим в своей карьере, и я считаю, что это самый важный мягкий навык, который человек должен стремиться оттачивать.

В заключение я хотел бы поделиться своими личными мыслями с желающими учиться. Пожалуйста, не записывайтесь на дорогостоящие курсы по науке о данных только из-за нынешнего ажиотажа. Если вы хотите научиться нескольким ремеслам на местах (например, визуализации данных), чтобы улучшить свои нынешние профессиональные навыки, погуглите. К вашему удивлению, вы можете найти отличные учебные пособия (даже эффективный навык работы с Google - важный навык в области науки о данных !!). Но если вы хотите стать настоящим специалистом по данным, не записывайтесь на комплексный курс, ЕСЛИ он не длится хотя бы год и их подготовка включает следующие навыки:

  • Сосредоточьтесь на извлечении практических знаний из данных для решения бизнес-задач.
  • Задайте правильные вопросы с бизнес-целями и показателями, чтобы оценить результаты по заданным вопросам.
  • Получите правильные требования и определите соответствующие данные, а также используйте / повторно используйте / объедините данные.
  • Выбирайте правильные технологии и инструменты и итеративно исследуйте пространства решений без заранее определенной цели.
  • Выполняйте аналитику, оценивайте и визуализируйте.
  • Работа с экспертами в предметной области.
  • Автоматизируйте принятие решений на основе данных.

Влюбитесь в какое-нибудь занятие и делайте это! Никто никогда не понимает, что такое жизнь, и это не имеет значения. Исследовать мир. Практически все действительно интересно, если вникнуть в это достаточно глубоко. Работайте так усердно и сколько хотите над тем, что вам нравится делать лучше всего. Думайте не о том, кем вы хотите быть, а о том, чем хотите заниматься. Сохраняйте какой-то минимум в других делах, чтобы общество не мешало вам вообще что-либо делать. - Ричард П. Фейнман.

Большое спасибо за то, что позволили мне поделиться с вами своим опытом! ✌🏼