website templates free download


Современный деловой мир генерирует каждую минуту миллионы миллиардов байтов данных, поэтому профессия специалиста в области создания, обработки и анализа данных (data scientist, data analyst, data engineer) становится все более важной и востребованной. Множество магистерских программ и программ профессиональной переподготовки, содержащих в названии словосочетание «Наука о данных», создаются в европейских и российских вузах и бизнес-школах. Является ли это развитием статистического образования или Data Scientist – совершенно новая профессия?

В Европе статистическое образование чаще есть профиль инженерного образования, с высоким уровнем математической подготовки и знанием современной информатики, но известны и магистерские программы по экономике, содержащие набор компетенций, известных нам как компетенции статистика и аналитика. Выпускники таких статистических профилей (как бакалавр «Статистики и математического моделирования») трудоустраиваются как аналитики и Data Scientist, то есть рынок труда воспринимает их таковыми, да они и обладают набором компетенций, позволяющих работать с большими массивами данных, создавать и анализировать модели, выполнять прогнозные расчеты и оценивать ошибки и риски.

Специалист в области данных или Data Scientist, на самом деле, должен обладать взаимосвязанными компетенциями из четырех предметных областей: статистики, информатики, математики и конкретной предметной области, в которой он будет работать (например, финансы, страхование, логистика или маркетинг). За 4 года российского бакалавриата сформировать в полной мере специалиста в столь многогранной области знаний как «Data Science», задача непростая, учитывая, что профилизация имеет место лишь в последние 2 года (4 семестра), в том числе последний семестр посвящен преддипломной практике и написанию выпускной квалификационной работы. Поэтому наиболее перспективными в части подготовки высококвалифицированных специалистов «Data Scientist» являются, на наш взгляд, программы магистерского уровня. Приведем примеры из французской системы высшего образования. В частности, на факультете экономики университета Гренобль Альпы, старейшего французского вуза-партнера СПбГЭУ, успешно реализуется программа магистратуры «Математика и прикладная информатика для общественных и гуманитарных наук». В рамках программы выделены два разных профиля: «Статистика и наука о данных» и «Специалист по экономическим и статистическим исследованиям». Данная Программа доступна магистрантам СПбГЭУ в дистанционном годичном формате: после первого года очного магистерского обучения в Санкт-Петербурге на программе «Анализ данных в экономике», можно записаться на данную программу, по итогам обучения на которой запланирована выдача национального французского магистерского диплома. Другим примером является набор магистерских программ, предлагаемых Университетом Тулузы [1], где в разных направлениях подготовки предлагаются программы, формирующие высококвалифицированных специалистов в области статистики, эконометрики и науки о данных. В частности, существуют следующие магистерские программы: • в направлении «Математика и прикладная информатика для общественных и гуманитарных наук» профиль «Статистика и наука о данных», • в направлении «Экономика» профиль «Эконометрика и эмпирическая экономика», • в направлении «Эконометрика, статистика» профиль «Эконометрика, статистика».

Во всех случаях, с разными вариациями, речь идет о формировании специалистов-руководителей направлений или департаментов, ответственных за реализацию статистических и экономических исследований, инженеров-статистиков, date miners и data scientists. Приведем стандартный набор дисциплин, предлагаемых на втором году магистерской подготовки таких специалистов: Panel Data, Nonparametric Econometric Methods, Machine Learning for economics, Time Series and Economic Forecasting, Database Management System, Programming in Python (in R, in SAS), Empirical Industrial Organization, Financial economics, Structural Models and Policy Evaluation. Хочется обратить внимание, что во Франции магистерское обучения очной формы не предполагает возможности работать магистрантам, как это имеет место в России. Однако, во Франции набирает обороты новая форма обучения на уровне магистратуры и даже на уровне прикладного бакалавриата, обучение по так называемой «альтернативной» форме, предполагающей чередование периодов работы и обучения. Система обучения путем чередования работы и учебы, так называемая система «altrenance», считается наилучшим

способом нахождения трудоустройства или выхода на профессиональный рынок труда [2]. В рамках данной системы обучения студент заключает контракт и с предприятием и с вузом, согласно которому часть времени в течение года (недели) он проводит в учебном заведении (например, все понедельники и вторники), а часть времени, работая на предприятии (например, все среды-пятницы). Обучаясь по альтернативной системе, студент имеет двух руководителей своей выпускной работы – преподавателя вуза и сотрудника предприятия, каждый из которых вносит свою лепту в формирование будущего дипломированного бакалавра или магистра. Нам представляется, что такая система обучения, когда студент учится 2 дня с 9 до 18 в вузе, и работает в таком же режиме 3 дня на предприятии, где он имеет возможность применять только что освоенные навыки и компетенции, намного эффективнее очного и очно-заочного обучения, ныне существующих в российской системе высшего образования. Поскольку в последнем случае студент пытается совмещать учебу и работу, что не всегда успешно реализуется, тем более в освоении такой сложной, требующей полной самоотдачи, профессии как экономист-статистик, экономист-эконометрик, data scientist.

Примером педагогического сопровождения освоения науки о данных является сайт wikistat.fr, созданный коллегами из университета Тулузы, где описываются методы, подходы и модели освоения профессией статистика, data scientist, от уровня бакалавра до уровня магистра. Данный сайт представляет собой своего рода педагогическую платформу: от элементарной, описательной статистики через многомерные исследования до машинного обучения, освоения программных продуктов SAS, R и Python и технологических приемов овладения наукой о (больших) данных [4].

Можно ли сказать, что статистика и статистическая наука является синонимом современного термина «наука о данных»? Нам представляется, что да. Возникновение термина «наука о данных» вызвано с тем, что в последние годы хозяйствующие субъекты порождают и пользуются огромными массивами данных, происходит тотальная цифровизация общества и экономики. «Наука о данных» не является абсолютно новой наукой, но представляется следствием возникновения новых экономических моделей, новых рынков, сопровождением новых технологий, перспективной и важной, нуждающейся в компетентных работниках, сформированных в соответствии с новыми реалиями и технологическими возможностями, владеющими новыми походами к решению задач, с применением больших массивов данных.

Источники 1. Besse Ph., Laurent B. De statistician a Data Scientist: developpements pedagogiques a l’INSA de Toulouse. – Statistique et enseignement, 2016.- №7. 2. Delsart V., Vancecloo N. L’alternance dans un Master de Statistique et d’Informatique decisionnelle : le cas du parcours Data Sciences. – Statistique et enseignement, 2017.- №8. 3. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, Prediction. – Second edition, Springer, 2009. 4. www.wikistat.fr – педагогическая платформа

Бурова Н.В


Метки: ,


Мы очень признательны Вам за комментарии. Спасибо!

Комментарии для сайта Cackle

ПОДПИСАТЬСЯ

Ежемесячные обновления и бесплатные ресурсы.