Решение широкого диапазона задач: открыт набор в онлайн-магистратуру Master of Data Science

© iStock

Программа «Магистр по наукам о данных» (Master of Data Science, MDS), запущенная НИУ ВШЭ в 2020 году, на тот момент стала первой и единственной в России онлайн-магистратурой на платформе Coursera. Сейчас стартовал новый набор на программу. Студенты 2-го курса Василина Денякина и Валерий Седин рассказали новостной службе портала о том, как актуальные теоретические и практические знания с упором на решение реальных задач индустрии помогают стать востребованными специалистами на рынке труда, а также о том, насколько разнообразными могут быть исследования в области наук о данных.

Василина Денякина

Почему вы решили получить степень магистра по наукам о данных именно в Высшей школе экономики?

Выбирая будущую специализацию, я хотела научиться принимать эффективные решения, основанные на данных. Программа MDS привлекла меня по нескольким причинам. Во-первых, изучение программирования и алгоритмов с нуля. Для меня это был большой плюс по сравнению с программами в других вузах, так как бакалавриат у меня по другой специальности и много времени могло уйти на подготовку к поступлению. Во-вторых, программа полностью онлайн, что было особенно актуально в условиях пандемии. Также график занятий достаточно гибкий. В-третьих, язык. В МИЭФ я тоже училась на английском, и многие математические термины мне проще воспринимать именно на этом языке.

Соблюден ли на программе баланс между теорией и практикой? 

Несмотря на то что магистратура практико-ориентированная, теоретической части уделено достаточно места. Все курсы по теории полезные, они дают базис и закладывают понимание. Если есть необходимость углубиться в ту или иную область, то потом, имея представление об основах, значительно проще сделать это самостоятельно. Также теория помогает в решении практических задач, потому что на ее основе можно построить гипотезу, когда не знаешь, в какой стороне лежит решение.

Я хочу выделить курсы по статистике и комбинаторике. Эти предметы очень доступно объясняются

Комбинаторика, один из первых курсов на программе, еще со школы давалась мне мучительно, и я уже отчаялась ее понять. Но произошло чудо!

Программа под силу и гуманитариям, потому что мы действительно начали обучение с самых азов. При этом надо понимать, что время, которое требуется для усвоения материала, может отличаться в зависимости от бэкграунда. Вопрос в количестве затрачиваемых усилий.

Программа основных предметов, таких как машинное и глубинное обучение, действительно практико-ориентированная и в плане задач достаточно разносторонняя. Это и привлекает — возможность решения широкого диапазона задач из разных сфер. Полученные знания я стараюсь сразу использовать в работе. В ближайшем будущем надеюсь вывести текущие проекты на новый уровень благодаря опыту, полученному здесь.

Какие практические проекты на программе показались вам наиболее интересными и полезными? 

Мне понравился проект по глубинному обучению, где нужно было написать нейросеть, которая придумывала бы подписи к картинкам. Это не только познавательно с точки зрения предмета, но еще и весело. На первый взгляд показалось, что это никак не пригодится в работе, но в итоге часть архитектуры этой нейросети легла в основу рабочего кода.

Есть ли в России достойные работодатели, заинтересованные в специалистах в области наук о данных?

Да, причем в совершенно разных сферах. От гигантов, таких как «Яндекс», до маленьких, но стремительно развивающихся стартапов. Думаю, в будущем в большинстве отраслей специалисты в области наук о данных будут востребованы.

Магистратура полезна и тем, кто собирается работать в другой предметной области. Я считаю, что математика и аналитическое мышление никому не повредят. Количество окружающих нас данных стремительно растет, умение работать с ними в конечном итоге может пригодиться каждому, и MDS предоставляет необходимые для этого навыки. 

Наука о данных эволюционирует каждый день. Это видно и по количеству выпускаемых научных статей, и по новым технологиям, которые активно внедряются в нашу жизнь: Natural Language Processing, компьютерное зрение, беспилотники и многое другое. Но, пожалуй, мейнстримом по-прежнему остаются искусственный интеллект и нейросети.

Что для вас оказалось самым сложным в процессе обучения? 

Долгое время основной сложностью был work-life balance. С моим перфекционизмом было непросто успевать все на работе, потом переключаться на учебу и погружаться в предметы, большинство из которых для меня были абсолютно новыми. Сейчас стараюсь проще ко всему относиться.

Обеспечила ли онлайн-программа социализацию и вовлеченность в процесс обучения? 

Между студентами недостатка связи точно нет. У нас несколько каналов общения. Есть почта, Slack и форумы Coursera, более неформальный чат в «Телеграме». Некоторые ребята, которые живут в Москве, пару раз организовывали офлайн-встречи. А на окончание учебы, если эпидемиологическая ситуация позволит, учебный офис готов прислать приглашения для наших иностранных студентов, желающих посетить Россию.

Валерий Седин

Почему вы приняли решение развиваться в сфере Data Science?

За науками о данных будущее. Специалисты в этой области окажутся в числе тех, кто изменит (и, хочется верить, улучшит!) этот мир.

Как получилось, что вы посвятили выпускную квалификационную работу анализу женского футбола? 

В Вышке действует известная в России Научно-учебная лаборатория исследований спорта. Когда я поступал, даже не мечтал, что в сотрудничестве с ее руководителем Дмитрием Дагаевым мне удастся написать работу «Оценка эффективности в женском футболе: подход с точки зрения машинного обучения» (“Evaluating Performance in Women’s Soccer: A Machine Learning Approach”).

Интервью со студентами первого набора программы MDS можно прочитать здесь.

Выбор конкретно этой темы обусловлен желанием провести исследование, которое действительно привнесет что-то новое в спортивную науку. Женский футбол исследован в гораздо меньшей степени, чем мужской, а это значит, что здесь предстоит совершить больше открытий. Подходящих данных в открытом доступе не так много, поэтому футбол — речь идет о соккере — я рассматривал в основном европейский.

Как строилась аналитическая работа?

Я использовал открытые данные из базы мужских и женских турниров компании StatsBomb. База содержит информацию о любом действии с мячом в каждом матче всех имеющихся в ней турниров. Эффективность этих действий сравнивалась среди женщин и мужчин. Модель — достаточно простая нейронная сеть. Она обучалась на полном массиве тренировочных данных и на данных только женских турниров. Модель можно распространить и на мужской футбол.  

Сможете ли вы использовать ВКР в профессиональной деятельности? 

На работе я занимаюсь вопросами энергоэффективности, и навыки в науках о данных, без сомнения, мне пригодятся. Результаты ВКР, конечно, хотелось бы применить на практике, но многое будет зависеть от того, насколько хороша получившаяся модель. На данном этапе мы с руководителем занимаемся интерпретацией результатов.

Дмитрий Борисов

«Количество данных в компаниях растет быстрыми темпами, решения на их основе позволяют выстраивать эффективные бизнес-стратегии, — говорит Дмитрий Борисов, преподаватель онлайн-курса Python Advanced на программе MDS. — На рынке требуется все больше сотрудников, способных сопровождать полный цикл работы с данными: сбор и логирование, предобработку и анализ, построение предиктивных моделей. Чтобы выпускники программы обладали необходимым инструментарием для работы с данными, многие курсы онлайн-магистратуры, в том числе наш, основаны на практике. Придется решать много задачек. К каждой из них есть авторские решения, которые открываются после сдачи задания. Это позволяет посмотреть правильные шаблоны и найти способы улучшить свое решение. Также в течение курса придется иметь дело с двумя сложными задачами с расширенным ревю от преподавателя. Выполнив их, вы имеете полное право гордиться собой».

27 декабря в 10:00 (мск) состоится вебинар программы «Магистр по наукам о данных». Член академического совета онлайн-магистратуры Евгений Соколов и менеджер Екатерина Волчкова расскажут о требованиях к поступлению, особенностях учебного процесса и образовательной концепции программы.

Материал подготовила Екатерина Зиньковская, Дирекция по онлайн-обучению НИУ ВШЭ

Зарегистрироваться на вебинар