Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 18
Спасибо.
Но вот с пересечением Изобретательности и Знанием предметной области не согласен. Это вовсе не опасная зона, а очень даже инновационная.
Или я неверно что-то понял?
Но вот с пересечением Изобретательности и Знанием предметной области не согласен. Это вовсе не опасная зона, а очень даже инновационная.
Или я неверно что-то понял?
В оригинале Изобретательность — Hacking skills. То, что это опасная зона, означает что человек на пересечении этих двух кругов обладает возможностями нанести вред. Поэтому такие люди представляют потенциальную опасность.
Ваше замечание, что эта зона не только опасная, но и в то же время инновационная — совершенно верно, т.к. только человек, знающий о всех недостатках и преимуществах системы может предложить метод, который мог бы улучшить систему в целом.
Ваше замечание, что эта зона не только опасная, но и в то же время инновационная — совершенно верно, т.к. только человек, знающий о всех недостатках и преимуществах системы может предложить метод, который мог бы улучшить систему в целом.
Ага, спасибо за прояснение
В оригинале Изобретательность — Hacking skills. То, что это опасная зона, означает что человек на пересечении этих двух кругов обладает возможностями нанести вред. Поэтому такие люди представляют потенциальную опасность.Я уверен, что автор оригинала под хакером понимает несколько иное.
> data scientist, к сожалению, нам не нужны
А кому нужны? Все об этом говорят, а работы с этим BigData почти не появляется. Почему?
А кому нужны? Все об этом говорят, а работы с этим BigData почти не появляется. Почему?
Появляется, просто для того, чтобы это стало заметно всем, требуется несколько лет в любом случае. Я упоминал вакансию от EMC в статье — это первый предвестник новой специальности в России. Я больше, чем уверен, что в будущем потребность в таких специалистах будет расти. Вот, как например, с Java — в 2000 году никто о ней не слышал и специалистов не было, сейчас о Java знают все.
Проекты с Big Data появляются в России — некоторые компании накопили большие объемы данных, соответственно, у них есть желание заняться их анализом. Причем объем новых данных не снижается, а только растет.
Проекты с Big Data появляются в России — некоторые компании накопили большие объемы данных, соответственно, у них есть желание заняться их анализом. Причем объем новых данных не снижается, а только растет.
> Java — в 2000 году никто о ней не слышал
В 1996г лично изучал Java. Правда, это была не та Java, что есть сейчас.
> и специалистов не было, сейчас о Java знают все.
Если бы не было специалистов по Java, то и развития никакого бы не было.
Сейчас о Java все знают, но как и 15 лет назад, мало кто её реально использует.
В 1996г лично изучал Java. Правда, это была не та Java, что есть сейчас.
> и специалистов не было, сейчас о Java знают все.
Если бы не было специалистов по Java, то и развития никакого бы не было.
Сейчас о Java все знают, но как и 15 лет назад, мало кто её реально использует.
Не сочтите за рекламу, но нам нужны — company.yandex.ru/job/vacancies/analyst_search_robot.xml :)
В долине data scientist просто разрывают на куски. Так что если есть бэкграунд и язык, добро пожаловать в штаты.
В результате появления новых технологий, позволяющих накапливать информацию в новом виде – цифровом, начало формироваться информационное общество, приходящее на смену индустриальному. Информационное общество – общество, в котором большинство занято производством, хранением, переработкой и реализацией информации. По сравнению с индустриальном обществом, где все силы направлены на производство и потребление товаров, в информационном обществе потребляются интеллект и знания, что приводит к увеличению доли умственного труда. Развитие информационных технологий планомерно меняет структуру общества, а также влияют на метод принятия решений. На первый план в информационном обществе выходят люди, обеспечивающие производство, передачу и обработку информации, т.е. специалисты в информационно-коммуникационных технологиях.
Типичная байка. Просто производство вывезено в Мексику или Китай, вот и создаётся ощущение, что нет человека важнее it-шника. Фигня это всё про информационное общество, килобайтами сыт не будешь, огород нужно не только знать, как копать, но и просто копать.
Правильный контекст должен быть таким: it-шник хороший человек, потому что помогает копать огород эффективнее. Но это не означает, что он должен быть на первом плане. Я думаю, фермеры проживут без it-технологий, а вот it-специалисты без сельского хозяйства, вряд ли. Вот и вопрос: кто на первом плане?
С остальным согласен.
Типичная байка. Просто производство вывезено в Мексику или Китай, вот и создаётся ощущение, что нет человека важнее it-шника. Фигня это всё про информационное общество, килобайтами сыт не будешь, огород нужно не только знать, как копать, но и просто копать.
Правильный контекст должен быть таким: it-шник хороший человек, потому что помогает копать огород эффективнее. Но это не означает, что он должен быть на первом плане. Я думаю, фермеры проживут без it-технологий, а вот it-специалисты без сельского хозяйства, вряд ли. Вот и вопрос: кто на первом плане?
С остальным согласен.
Я согласен с тем, что в начале длинной цепочки, наверху которой находиться it-шник, стоит человек с лопатой. Тем не менее, в развитых странах сейчас есть, и развиваются, все технологические предпосылки для формирования так называемого информационного общества. Это не означает, что фермеров сократят за ненадобностью. Скорей это означает, что их значение в создание продуктов, которые позволяют развиваться обществу дальше сокращается. А значение it-шника в этом обществе повышается, так как он является движущей силой в этом обществе. Никто на них конечно молиться не будет — проще говоря, it-шник потенциально сможет принести больше пользы обществу, чем например продавец автомобилей или фермер, выращивающий кукурузу. Тем не менее, нужны и те, и те, но ценность у них разная. То, что сельское хозяйство очень важно для государства — это бесспорно, и любое разумное государство поддерживает его дотациями. Но, также, любое разумное государство не призывает всех своих сограждан идти в фермера, потому что это развивает общество в целом.
Хм… А как же биотехнологии? Вообще-то современный фермер — это продвинутый чувак, который занимается аэропоникой и мечтает строить небоскрёбы-фермы. То есть, в этом направлении тоже есть развитие. Другое дело, что it-шник способен на порядок ускорить это развитие, повысить эффективность и т.д. Но it-шник сам по себе, ради создания бессмысленного контента зачем нужен обществу? Ну вот есть у нас куча it-шников, клепающих игры для фэйсбука и вконтакта. Какая от них польза для общества? IT-шник не может нормально работать без предметной области, он не может сам по-себе обеспечивать прогресс. Мы — сфера обслуживания, это надо осознавать, как мне кажется. Иначе, появляются сферические it-шники в вакууме, смысл жизни которых выдумывать всякие никому не нужные морфизмы.
Но it-шник сам по себе, ради создания бессмысленного контента зачем нужен обществу?
Такой конечно не нужен. А вот it-шник, создающий осмысленный контент очень даже полезен. Я имею ввиду, что data science — это то, что позволит выделить что-то новое из данных, что в любом случае позволит переосмыслить некоторые вещи и узнать новое. А предметная область для data science — это сами данные, и методы их анализа.
Мы — сфера обслуживания, это надо осознавать, как мне кажется.
С этим согласен не полностью, так как сложно определить что является сферой в некоторых случаях. Вот, например, создают медицинского хирургического робота и it-шники создают ПО под него. Производители роботов — это сфера обслуживания медицины или все-таки производство? Исследователи, которые создают его, могут утверждать, что работают в сфере обслуживания? Если всё рассматривать в таком аспекте, то любой человек работает в сфере обслуживания, только сфера эта большая — обслуживание общества, где он существует.
Я не пытаюсь возвысить it-шника, тем не менее, хочу сказать, что роль it-шника(не просто клепающего игры для фейсбука) достаточна велика. Если раньше это были бородатые админы в серверной, и не все понимали, зачем они нужны, то сейчас это полноправный участник бизнес-процесса и без них уже зачастую тяжело справиться.
Такой конечно не нужен. А вот it-шник, создающий осмысленный контент очень даже полезен. Я имею ввиду, что data science — это то, что позволит выделить что-то новое из данных, что в любом случае позволит переосмыслить некоторые вещи и узнать новое. А предметная область для data science — это сами данные, и методы их анализа.
Мы — сфера обслуживания, это надо осознавать, как мне кажется.
С этим согласен не полностью, так как сложно определить что является сферой в некоторых случаях. Вот, например, создают медицинского хирургического робота и it-шники создают ПО под него. Производители роботов — это сфера обслуживания медицины или все-таки производство? Исследователи, которые создают его, могут утверждать, что работают в сфере обслуживания? Если всё рассматривать в таком аспекте, то любой человек работает в сфере обслуживания, только сфера эта большая — обслуживание общества, где он существует.
Я не пытаюсь возвысить it-шника, тем не менее, хочу сказать, что роль it-шника(не просто клепающего игры для фейсбука) достаточна велика. Если раньше это были бородатые админы в серверной, и не все понимали, зачем они нужны, то сейчас это полноправный участник бизнес-процесса и без них уже зачастую тяжело справиться.
В этой диаграмме очень странно получается, что специалист по machine learning отличается от специалиста по data science только знанием предметной области?
Сколько занимаюсь профессионально разработкой алгоритмов ML, всегда приходится очень глубоко вникать в предметную область. Так в чем разница?
Сколько занимаюсь профессионально разработкой алгоритмов ML, всегда приходится очень глубоко вникать в предметную область. Так в чем разница?
Хмм… ML и Data Science — это смежные области и часто задачи, которыми они занимаются, совпадают. На этой диаграмме она разделены, как я понимаю, по причине того, что Data Science отталкивается от данных, с которыми придется работать — то есть надо понимать, какой смысл несут эти данные. Задача перед ML сходная — машина должна уметь разобрать и понять информацию. Я не специалист по ML, но, как я подозреваю, там основанием являются алгоритмы машинного обучения, а данные уже подстраивают под них, т.е. теоретически, можно работать в области машинного обучения и не знать предметную область :) Как это на практике — не берусь утверждать.
Если посмотреть на кривую роста объема данных, то можно увидеть, что она приобретает экспоненциальную форму, т.е. практически растет в геометрической прогрессии.
Что-то чушь какая-то. Судя по приведённым здесь данным, ежегодный прирост информации в периоды 2005—2010 и 2010—2012 гг. составлял, соответственно 56 % и 50 %, то есть это похоже на экспоненту, хотя и с тенденцией к понижению темпа. Но на период 2012—2015 гг прогнозируется рост почти в триста раз, это почти семикратный ежегодный рост. Вместо полуторакратного. Такой скачок темпа — это никакая не геометрическая прогрессия.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Мифология Data Science