В конце концов, наука о данных - это область квантов, докторов наук по математике и физике. Это тяжелые цифры, производные финансовые инструменты и статистика, от которых взрываются головы. Это сумасшедшие скрытые ритмы супер-ботаника на стероидах, танцующего под тенью всезнающего, всевидящего алгоритма, делающего прогнозы о том, чего вы хотите, что лучше для вас, когда вы должны это делать, с кем вам следует встречаться, с чем вы не должны делать, куда вы должны пойти, и в основном все остальные решения нашей жизни сглаживаются каким-то элегантным, временами гнусным и непостижимо красиво оформленным алгоритмом, основанным на математической теореме какого-то старого человека.
Ну, если не скажешь, это похоже на прогулку по парку. Скорее, это случайная прогулка по лесу.
Я квант, доктор философии или выпускник Массачусетского технологического института? Меня волнует, насколько я умный или я? Нет, я просто хочу стать более полезным и полезным для мира.
Но я считаю себя креативным, умным и способным. А также временами я нормальный, тупой и зацикленный на проблемном человеке, как многие из нас. Нет, я не самый умный кирпич в стене. Потому что, по правде говоря, я точно не кирпич в стену. Но я знаю, что в базах данных слишком многих компаний я веду статистику по вещам, которые влияют на мою жизнь, и я хочу понять, как делают эту колбасу, насколько уродливой, красивой, легкой и сложной она может быть.
Живя в Остине, у меня было немало разговоров с умными практиками в этой области о науке о данных, искусственном интеллекте и машинном обучении и их влиянии на окружающий нас мир. Однако временами я не понимал этого, казалось бы, неземного поля. По правде говоря, раньше это казалось мне недосягаемым. Но один разговор, который у меня был около года назад, заставил меня осознать, что я могу это сделать, я могу выучить этот материал и внести свой собственный взгляд в область и преодолеть разрыв между непониманием и пониманием. Я знал, что с некоторыми самоотверженными усилиями и потоком мысленных соков я смогу, по крайней мере, ухватиться за это и узнать, как работает поле, и получить осязаемое представление о том, что это такое.
Как только я получу твердое представление о процессах, моделях и использовании науки о данных, я смогу применять их в областях со стремлением получить мастерство, ответственное и полезное для человечества.
Мои цели в области науки о данных состоят в том, чтобы учиться, а затем консультировать на местах, чтобы помочь преодолеть разрыв между технически мыслящими специалистами по данным и квантами, а также учтивыми бизнес-лидерами, которые не обязательно понимают детали, но понимают потенциал.
Моя цель - помочь согласовать опыт практикующего специалиста с амбициями предприятий, использовать науку о данных в соответствии с реальностью того, где находится область сейчас и куда она идет, ее потенциал, ее проблемы, ее положительные и отрицательные внешние эффекты, которые необходимо получить. люди на странице книги пишутся у нас на глазах, и с самого начала заставить их делать это этично.
Я просто оставлю вам следующую цитату Омоджу Миллера, специалиста по данным из Github, в выпуске подкаста DataFramed # 29:
«Единственный другой призыв к действию для людей, который у меня есть, - это бросить вызов самому себе, чтобы учиться. Таким образом, машинное обучение - это не волшебство, это в основном прикладная математика, и если вы действительно хотите понять это, найдите время, это может занять у вас два года, это может занять у вас три года. Это того стоит, потому что это будущее. И я хочу, чтобы как можно больше людей понимали, что это такое, чтобы они могли задавать нам строгие вопросы, поддерживать нас в этическом отношении и заставлять нас на самом деле использовать наши знания для поиска решений имеющихся у них проблем, потому что они будут знать, кто мы способны делать x, y и z, и они будут знать, каковы наши возможности, и они смогут держать нас под ногами ».
Спасибо, Омоджу Миллер, за вашу точку зрения, которую вы изложили в подкасте DataFramed. Он уловил суть того, почему я чувствовал себя призванным в сферу науки о данных.
