Состоялся интенсив для преподавателей НИУ ВШЭ в рамках проекта Data Culture

14 и 15 июня в Московском офисе Яндекса состоялся интенсив для преподавателей и сотрудников НИУ ВШЭ, заинтересованных в тематике Data Science. Двухдневный цикл занятий проходил в рамках проекта Data Culture и был нацелен на подготовку преподавателей университета к участию в проекте.

За 2 дня более 100 человек со всех факультетов московского кампуса, а также сотрудники Санкт-Петербургского и Пермского кампусов — от преподавателей профильных предметов до академических руководителей программ и сотрудников дирекции основных образовательных программ — приняли участие в интенсиве, который провели специалисты по анализу данных факультета компьютерных наук.

Дмитрий Ветров, профессор-исследователь департамента больших данных и информационного поиска (ДБДИП) и заведующий Международной лабораторией глубинного обучения и байесовских методов, рассказал о том, как современные методы машинного обучения и искусственного интеллекта меняют подходы во многих областях науки, и почему владение основами этих методов становится частью общей научной культуры исследователя вне зависимости от конкретной предметной области.

Евгений Соколов, заместитель руководителя ДБДИП и ведущий специалист по анализу данных в Яндексе, посвятил свои лекции основным понятиям и методам машинного обучения, а также автоматизации процессов в науке и бизнесе при помощи машинного обучения.

Евгений Соколов

Заместитель руководителя департамента
больших данных и информационного поиска

“

За последние десять лет во многих областях накопились огромные объёмы данных — благодаря удешевлению хранения, распространению цифровых технологий, интернета, социальных сетей и так далее.

Если раньше мало кто задумывался о возможностях извлечения практической пользы из данных, и для решения таких задач было достаточно небольшого числа профессионалов, то сейчас потребность в анализе данных возникает повсеместно. Сегодня появляются всё новые приложения методов машинного обучения в экономике, социологии, юриспруденции, политологии, лингвистике, психологии. Во всех областях, по крайней мере для базовых задач, используется один и тот же инструментарий, одни и те же методы и технологии, — поэтому следующим этапом развития анализа данных мы видим освоение его основных методов специалистами в предметных областях — тогда эксперты в области машинного обучения смогут сосредоточиться на улучшении инструментов и разработке новых алгоритмов.

В заключительной лекции от преподавателя ДБДИП Надежды Чирковой были рассмотрены задачи анализа и генерации текстовой информации с учётом словоформ и согласованности текстов.

Интенсив порадовал. Почему? — непосвященному гуманитарию казалось, что BIG DATA — это не только страшно интересно и ново, но и просто страшно. На интенсиве стало понятно, что по факту их основы вписываются в математическую статистику, что само по себе обнадеживает — значит, студенты гуманитарных направлений вполне смогут понять и даже пользоваться достижениями современных информационных технологий.