Aktualu | Gyvenimas | Pramogos | + Projektai | Specialiosios rubrikos |
Pasirinkite savo miestą | Vilnius | Kaunas | Klaipėda | Šiauliai | Panevėžys | Marijampolė | Telšiai | Alytus | Tauragė | Utena |
„Spot“ robotas iš „Boston Dynamics“, VILNIUS TECH nuotr.
Irma BagūnėŠaltinis: Etaplius.lt
Duomenų mokslas (angl. Data Science) – tai nauja, pasaulyje ypač sparčiai besivystanti duomenų analizės sritis, jungianti modernius ir klasikinius statistinius metodus (stochastinis modeliavimas, duomenų gavyba) su pažangiomis informacinėmis technologijomis (neuroniniai tinklai, duomenų bazių valdymas). Nuolat tobulėjančios informacinės technologijos pasaulyje sparčiai didina kaupiamų duomenų kiekį bei įvairovę, kartu didindamos duomenų analitikų poreikį.
Duomenis apdoroti gebančių specialistų paklausa sparčiai auga. Ar tokia paklausa rinkoje išliks, ar atsiras programinės įrangos sistemos, galinčios automatizuoti duomenų mokslininkų darbą?
„Ši situacija man atrodo analogiška prieš dešimtmetį buvusiai, kai buvo kalbama, jog IT specialistų poreikis ilgai netruks, nes atsiras programos, kurios pakeis programuotojus. Esą, užsakovui reikės tik apibrėžti užduotį ir kodas jau bus parašytas. Kaip žinome, to neįvyko. Esu tikras, kad lygiai taip pat bus su žmonėmis, gebančiais naudoti duomenis sprendžiant realaus pasaulio uždavinius – duomenų inžinieriais, duomenų mokslininkais, statistikos ekspertais“, – sako vyriausiuoju duomenų mokslininku Norvegijos įmonėje „Cognite AS“ dirbantis Vilniaus Gedimino technikos universiteto Fundamentinių mokslų fakulteto absolventas Dmitrij Melichov. Jis pasakoja apie duomenų mokslo svarbą bei jo atveriamas galimybes.
Kasdien susiduriame su situacija, kai reikia priimti vis daugiau ir daugiau sprendimų, o tai virsta rutina ir monotonija. Tačiau tokį darbą mokslininkų pagalba galima optimizuoti. Kaip teigia VGTU specialistai, priimdami sprendimus žmonės iš prigimties yra linkę daryti klaidas, būti šališki, naudoti turimą asmeninę patirtį ar nuojautą. Ar galime tikėtis, kad toks priimtas sprendimas bus tinkamas? Vargu. Tačiau aktualiais duomenimis, surinkta informacija, statistika paremtas sprendimas kur kas dažniau gali duoti norimus rezultatus. O kad tie duomenys būtų gauti, o iš jų padarytos išvados būtų pagrįstos, žmonės privalo turėti tam tikrą duomenų rinkimo ir apdorojimo kultūrą, įgūdžius, kuriuos suteikia matematikos ir statistikos žinios.
Dmitrij Melichov
Duomenų mokslas – tai žinios ir kompetencija
Duomenų mokslas (angl. data science) yra žinios ir kompetencijos, kurios leidžia spręsti realaus pasaulio bei verslo iššūkius. Nuolat kyla skirtingi iššūkiai, todėl ir duomenų mokslo sąvoka su laiku keitėsi, pasidarė platesnė.
„Per pastaruosius keletą metų iš didžiulės ir nelabai aiškiai apibrėžtos visumos, vadinamos duomenų mokslu, išsiskyrė dvi kiek siauriau apibrėžtos profesijos – duomenų inžinierius ir save mokančių sistemų/mašinų inžinierius“, - teigiame VILNIUS TECH pranešime.
Duomenų inžinierius (angl. data engineer) – tai žmogus, kuris moka surinkti duomenis iš skirtingų šaltinių, tokių kaip duomenų bazės, įvairūs jutikliai, saitynas (www) ir t.t., sutvarkyti juos, sujungti tarpusavyje, jei reikia, ir galutinai pateikti juos tokiu pavidalu, kuris leidžia atlikti tolimesnę analizę. Visi šie procesai turi būti tinkamai automatizuoti, tad duomenų inžinieriaus darbas reikalauja gerų programavimo žinių, bet mažiau duomenų analizės ar statistikos žinių.
Šiuo metu duomenų analitikai yra labai paklausūs tiek Lietuvos, tiek užsienio darbo rinkose (2019 m.) „Career Cast“ sudarytame paklausiausių specialybių sąraše duomenų analitikai užima pirmą vietą, o „USA Glassdoor Job Score Index“ ketverius metus paeiliui (2016 – 2019 m.) duomenų mokslą įvardija kaip perspektyviausią specialybę.
„Pats dirbu su elektros tiekimo sritimi. Elektros poreikiai visą laiką kinta, tad tinklo planavimas bei vystymas gali būti gyvybiškai svarbus visos šalies ekonomikai. Aš dirbu su išmanios įrenginių priežiūros (angl. smart maintenance) uždaviniais. Įprastai įrenginių gamintojai pateikia instrukcijas, kada įrenginiai ar jų dalys turi būti keičiami. Tačiau mūsų užduotis šiuos įrenginius prižiūrėti išmaniai – vietoje to, kad būtų aklai vadovaujamasi instrukcijomis, mes renkame duomenis apie įrangos eksploatavimo sąlygas ir rengiame įžvalgas, pagal kurias sprendžiama, ar įranga tinkama, jos nereikia keisti, o gal atvirkščiai – būtina keisti anksčiau, norint išvengti potencialios avarijos. Taip pat labai dažnai mūsų klientų duomenys būna išskirstyti po keletą skirtingų, tarpusavyje nekomunikuojančių, sistemų, o tai labai apsunkina darbą, reikalauja daug papildomai atliekamų žingsnių. Mes užsiimame automatizacija – savo platformoje jungiame duomenis iš skirtingų sistemų, nustatome tarp jų ryšius bei kuriame klientui patogius įrankius, palengvinančius jo kasdienį darbą su duomenimis. Taip pat dažnai automatizuojame ir analizės procedūras bei bandome įspėti apie galimas avarijas anksčiau, negu jos įvyksta“, - apie darbą savo Alma Mater pasakoja Vilniaus Gedimino technikos universiteto Fundamentinių mokslų fakulteto absolventas Dmitrij Melichov.
Gali būti įdomu: NAV