В ЦИФРЕ. МЕТОД

Дата-новобранцы

Научить познавать мир через анализ данных

В сентябре в Кемеровской области состоялся второй «Дата-Кампус» — двухнедельный буткемп по анализу данных и машинному обучению для старшеклассников. Это одна из тематических смен в рамках федерального проекта «Кадры для цифровой экономики», сеть которых к 2024 году должна охватить более 150 тысяч человек по всей стране.

Школьный изгой

В ландшафте дисциплин общего образования наука о данных как практика аналитического и количественного мышления пока не имеет собственного места. Математика в школе сосредоточена на базовой теории и «сопротивляется» освоению практических методов ее применения в реальной жизни. В школьных физике и биологии важную роль играет эксперимент, но данным отводится иллюстративная роль.

Дополнительное образование остается наиболее эффективной формой обучения детей навыкам анализа данных

Общественные дисциплины, которые на практике становятся все более дата-ориентированными, едва ли подступились к тому, чтобы передать сфере образования свои количественные методы и осмысленное применение данных на уроках обществознания.

Дополнительное образование остается наиболее эффективной формой обучения детей навыкам анализа данных.

Data science с нуля

На «Дата-Кампусе» старшеклассники, которые ранее не применяли программирование для анализа данных, получают знания для того, чтобы к концу смены сделать первые самостоятельные проекты. Преподаватели и наставники «Дата-Кампуса» — работающие в этой области профессионалы и преподаватели «Яндекс.Лицея».

Организатор «Дата-Кампуса» — Агентство гуманитарных технологий «Политика развития»

Главная особенность «Дата-Кампуса» заключается в том, что основы науки о данных и машинного обучения даются ученикам как инструменты, позволяющие делать исследования на основе данных о социальном и культурном пространствах, об экономических и общественных трендах. Исходя из этого, ученики могут строить образы собственного будущего, своей образовательной и, возможно, даже жизненной стратегии. Кроме того, «Кампус» предлагает участникам апробацию представлений о своей будущей профессии и освоение способов существования во «взрослом» производственном цикле, в нашем случае — в цикле исследовательского дата-проекта.

Георгий Таскабулов

участник «Дата-Кампуса» из Новокузнецка (Кемеровская область)

До «Кампуса» мы вообще не занимались анализом данных. Эта тема казалась мне очень темной, мистической, как будто программы машинного обучения и нейросети пишут только люди за сорок, которые полжизни уже программируют, а в школе поголовно были олимпиадниками. Мы раньше изучали основы Python, но при анализе данных помогло знание даже не Python, а общей алгоритмики и общего для всех языков синтаксиса, а также понимание того, как работает компьютер. Гораздо больше времени у нас ушло не на программирование нейросети и обучение моделей, а на подготовку дата-сетов.
Павел Глухов

руководитель «Дата-Кампуса», директор Агентства гуманитарных технологий «Политика развития»

Нам важно приучать детей к активной позиции дата-продюсера, чтобы они стремились не просто осваивать специфические навыки программирования, но и производить новое знание, нечто заранее неизвестное. И хотя мы подготовили для «Кампуса» десятки дата-сетов и учебных задач, исследования учащихся не имеют никаких заведомо «правильных» результатов и «правильных» данных, которые как бы ждут, чтобы их «нашли», «открыли» или «собрали».

Если основные темы предметного курса Data Science всем хорошо известны, то учебные данные — тот аспект обучения, который оставляет большую свободу для педагогического дизайна и зависит от образовательной задачи, решаемой программой. Для эффективного обучения учащиеся должны «присвоить» данные и результаты работы с ними. Для этого данные должны быть связаны, с одной стороны, с проблемами реального мира, а с другой — с интересами студентов. Подход «Дата-Кампуса» заключается в том, что образовательные задачи и данные должны иметь статус актуальных и практически значимых для всех его участников.
Николай Русских

Machine Learning Engineer, Academgene LLC, преподаватель «Дата-Кампуса»

Я искренне доволен результатом и тем, что у большинства участников сложилось понимание базового процесса машинного обучения. Когда в изложении материала отходишь от академических учебных кейсов, это сразу находит отклик. Например, нейросети многим интересны не только потому, что это хайповая тема, но еще потому, что в этой теме много примеров, касающихся медиа, которые интересны студентам: фильтры Snapchat, обработка видео и так далее.

Темы проектов участников «Дата-Кампуса»

Как преподавать Data Science школьникам?

Советы от команды «Дата-Кампуса»:

Давать возможность учащимся прочувствовать сложность работы с большими, комплексными, беспорядочными дата-сетами. Подготовка «сырых» данных — одна из основных задач, решаемых в реальных дата-проектах. Дать студентам ощутить «сопротивление материала» принципиально важно для понимания ими технических проблем, возможностей и ограничений инструментов, применяемых в индустрии данных.
Помогать учащимся искать паттерны и закономерности в данных, делать обобщения, уметь менять масштаб рассмотрения проблемы (например, от городского до глобального). Зачастую, работая с данными, студенты проходят только одной «тропой», заданной преподавателем или избранной ими самими. Возврат к началу исследования того же самого дата-сета с новыми вопросами дает им представление о цикличности работы с данными и демонстрирует, как переопределение задачи реорганизует используемые ими инструменты, техники и ресурсы.
Вырабатывать критическое отношение к данным. Нужно развивать у учащихся понимание того, как человеческие, материальные и технические аспекты производства данных (кто сгенерировал эти данные, как, для чего?) взаимодействуют между собой и отражаются на конкретном дата-сете. Конкретный набор данных — это лишь одна из возможных версий их представления. Критическое отношение к происхождению данных — важная часть интерпретации данных и дата-образования.

Подробнее о «Дата-Кампусе»

Буткемп — это лагерь интенсивной подготовки. В таком формате в армии США обучали новобранцев в сжатые сроки. В XXI веке этот подход адаптировали для подготовки IT-специалистов. Суть в том, что студенты полностью погружаются в решение учебных задач и общение с единомышленниками и менторами.

Комментировать

Если статья была для вас полезной, расскажите о ней друзьям. Спасибо!