Образование онлайн

Обучать профессионалов намного сложнее, чем новичков. Если новичок это чистый лист, то профи сам как живой учебник, наполненный знаниями, устоявшимися взглядами и интересами. Но даже профессионалу иной раз нужна помощь в достижении целей для этого мы и создали Data Science Акселератор. Подробнее о том, что это такое, из чего состоит и как создавалось под катом.

Что это такое?

Data Science Акселератор это трёхмесячный интенсив, созданный для специалистов с опытом (или хотя бы окончивших курс Data Science) и нуждающихся в практике проработки одного проекта. Программа Акселератора составлена таким образом, чтобы помочь достичь трёх больших целей:

• закрыть пробелы в знаниях и изучить материалы;

• реализовать личный pet-project, проект для своего бизнеса или конкретную рабочую задачу под пристальным наблюдением менторов;

• выявить и устранить сложности с устройством на работу (для тех, у кого они есть).

Первая группа студентов-участников Акселератора получилась довольно разношёрстная и интересная: в группе был дата-сайентист из банка, желающий реализовать проект по сбору промокодов из видео, текстов, изображений. Также в Акселератор пришёл владелец интернет-магазина @vandriichuk, создающий умных ботов на основе нейросетей для e-commerce и недавно написавший статью про свой проект. Был у нас и сотрудник Роботолаб Сколково, использующий технологии NLP для своего робота, и многие другие. У каждого свой бэкграунд, своя цель. Кто-то хотел сменить работу, кто-то получить знания от топ-экспертов, кто-то работает над своим собственным проектом и подумывает превратить его в стартап.

Список проектов студентов, с которыми они пришли в Акселератор, тоже приятно удивляет (сколько всё-таки талантливых людей вокруг!):

• рекомендательная система для интернет-магазина;

• саммаризация текстов (статьи, научные публикации и т. д.); Несколько более упрощённый вариант выделение тем в коллекции документов;

• Instagram-бот коммерческого аккаунта для поиска, оценки и взаимодействия с инфлюенсерами;

• алгоритм для оценки эмоциональной тональности сообщений, сгенерированных GPT-3 на заданную тему;

• извлечение промокодов из контента в соцсетях;

• робот-предсказатель;

• прогнозирование задержек авиарейсов;

• анализ видео из беспилотных автомобилей;

• создание предиктивной модели нетарифных барьеров в торговле молочной продукцией и расширение её до 6 видов товаров животного и растительного происхождения.

Из чего состоит Акселератор

Главный вопрос, который стоял перед создателями Акселератора, как сделать обучение эффективным для каждого студента? Ведь нужно учесть бэкграунд каждого, их склонности в работе и даже личные особенности. Подобных вещей в образовании data science ранее никто не делал (ни в России, ни за рубежом), и поэтому нам пришлось делать всё самим с нуля. В этом был настоящий драйв: те, кто делал свои продукты, нас поймут. Вот из чего в итоге состояла "начинка" Акселератора:

1. Постановка персональных целей нужна для того, чтобы сделать обучение максимально полезным для студента.

2. Персональные траектории обучения мы сделали программы по NLP, ML и CV, пригласив работать над ним экспертов из Google, Яндекса, Mail.ru, Сбера и М-видео.

3. Менторы из топ-экспертов сферы, привлечённые к работе над персональным проектом или профессиональной задачей каждого участника. Акселератор оказался интересным для экспертов самого высокого уровня, потому что сами студенты были не новички, и над проектами они работали непростыми. К нам присоединились Валерий Бабушкин из Facebook, Валентин Малых из Huawei, Эмиль Магеррамов из Biocad и другие.

4. Еженедельные встречи с трекингом поставленных целей и работой над контентом. Студенты учились тому, как, где и кому рассказывать о своих проектах, как создавать сообщество вокруг себя, выступали в качестве спикеров на профильных конференциях.

5. Специальный карьерный блок, включающий в себя вебинары и тренинги по прохождению собеседований и встречи один на один с карьерными консультантами.

Дальше расскажем про каждый пункт подробнее.

1. Постановка персональных целей

Чтобы будущий участник не просто ставил цель по реализации проекта или обучению, но и связывал своё обучение с профессиональным будущим, своими стратегическими планами, ожиданиями, мы сформировали специальный опросник.

Пример вопросов анкеты:

• Топ 3-компании, в которых я бы хотел работать (если вы пока не знаете, напишите пока не определился).

• Позиция, на которой я бы хотел работать после прохождения акселератора.

• Сфера деятельности (биотех, коммерция, авиация, образование), в которой вы бы хотели работать в дальнейшем (если вы не определились или это не имеет значения, так и напишите).

Этот опросник также помог подобрать лучших менторов и экспертов непосредственно под наших студентов, подчас даже из тех компаний, куда хотели попасть студенты.

2. Индивидуальные траектории обучения

В основе программы Акселератора несколько разных курсов. Например, один из них собранный интенсивный курс по NLP, ML, CV с практическими кейсами вместо упражнений. С каждым студентом мы выбирали базовый курс и после этого изменяли его в соответствии с персональными запросами, задачами и бэкграундом студента. Также мы дополнительно включили доступ к темам, которые являются основополагающими, чтобы при необходимости участники могли подтянуть базу и закрыть пробелы в знаниях. Так каждый получил свою индивидуальную траекторию, которую процессе работы над проектом студент и ментор могли корректировать уже под конкретный проект.

Отдельное упражнение для студентов до старта просмотреть собранную под их задачи программу так формировался первый вариант, который мы утверждали сперва со студентом, а потом с ментором.

Консультация по личной индивидуальной траектории это не только договорённость о том, что именно будет содержать программа, но и выявление потенциальных сложных моментов на старте обучения (были случаи, когда участники меняли программу в ходе таких консультаций).

Итого: траектория строилась на одном из продвинутых курсов по запросу участника, затем гибко подстраивалась под уровень знаний участника в каждой теме, а затем затачивалась под проект (на старте и в процессе).

3. Менторы и программные эксперты

Главная функция менторов в Акселераторе двигать участников в работе над проектами. Именно они отслеживают прогресс и дают обратную связь, встречаются каждую неделю с участниками. Ментор это ключевое звено, нужное, чтобы проект участника был реализован. Это как со спортзалом: если человек просто купил абонемент, то он может и не ходить. Но после покупки персональной тренировки человек с большей вероятностью пойдёт в зал. Потому что люди предпочитают учиться у конкретных людей, у кого считают интересным учиться.

Ментор не просто человек, который показывает, что ты сделал не так, это твой наставник, который помогает искать решения. Кроме того, есть неформальные знания, которые передаются, только если вы работаете непосредственно с людьми в одной команде. Поэтому мы старались подбирать менторов, которые работают в той же сфере и даже в той компании, где хотел бы работать участник Акселератора.

Эксперты, задействованные в разработке программе, признанные профессионалы отрасли, уже достигшие того уровня, к которому стремятся наши студенты. Акселератор давал участникам целевое окружение, где с каждым экспертом имелась возможность обсудить собственный проект.

Обсуждение профессиональных тем с лучшими экспертами области одна из тех возможностей, которую часто недооценивают. Мы понимаем, как это важно, и строим программу на коммуникациях, стремимся интегрировать участников в профессиональное сообщество.

На каждой защите проекта студенты встречались с разными экспертами, которые с разных позиций рассматривали проект, давали конкретные оценки и рекомендации.

4. Коммуникации в Акселераторе, или "социалка", которой нет

Социалкой, или социальными, групповыми механиками, называются те механики, которые требуют взаимодействия от участников. Как правило, они помогают осваивать материал, включаться в обучение. При использовании таких механик повышается успешное прохождение в онлайн-курсах.

Мы очень долго внутри спорили, что делать с "социалкой" при таком подходе. Казалось бы, создав персональные траектории, мы потеряли группу и то, что часто помогает участникам образовательных курсов, а также снижает нагрузку на специалистов поддержки курса.

Одна из важных механик в Акселераторе это групповые встречи с менторами. Эти встречи нужны для расширения представления участников о задачах и подходах к решению, а также возможности консультирования студентов друг другом. Групповые встречи как один из моментов социального давления (договорённости о целях на неделю) также работают хорошо и позволяют держать участников в тонусе.

Итак, если у вас нет группы в её классическом, школьном понимании, это ещё не значит, что у вас нет группы. Задачи коммуникации, такие как проектирование групповых механик, могут отличаться от привычных нам и работать не менее эффективно на образовательный опыт участников.

Что происходит сейчас: участники консультируют друг друга, включаются во внешние профессиональные сообщества и выступают на конференциях. Один из участников Акселератора Георгий Брегман создал своё мини-сообщество, посвящённое нейронным сетям AI и ML DSMLAI.

5. Карьерный блок

Обязательная часть программы. Некоторые из студентов уже проходили какие-то курсы и хотят устроиться на определенную работу, но по какой-то причине не могут. Именно здесь мы анализировали, почему это происходит, работали с резюме и позиционированием, проводили тренинги по собеседованиям.

В карьерный блок включались не только общие мероприятия, но и индивидуальные встречи с карьерными консультантами. Сочетание развития хард-скилов на практике, софт-скилов при работе с людьми над проектами и умение преподнести свой опыт дают в итоге кумулятивный эффект.

Карьерный блок позволил студентам оценить свои возможности, выделить точки роста и построить путь к той профессиональной позиции, которую участники себе ставили. В нём мы формируем привычку коммуницировать с работодателем, оценивать собственный опыт и соотносить его с запросами рынка.

Секретный ингредиент

Им в программе Акселератора является блок Профессиональный бренд.Как и карьерный блок, он выстраивается вокруг профессиональной цели. Кроме того, именно этот блок стал своеобразной коучинговой группой для наших студентов. Здесь они могли сказать, что не смогли сказать в обсуждении с ментором, искать ответы совместно.

Марина Щербакова, педагогический дизайнер, разработчик образовательного продукта.

Не все студенты посещали этот блок, потому что не осознавали его ценность: казалось бы, зачем дата-сайентистам контент? На самом деле блок решал сразу несколько задач.

На первой встрече каждый студент ответил для себя на вопросы: Какой цели он хотел бы достичь? Как проект, над которым он работает, поможет ему достичь его цели? Кто может помочь ему в достижении его цели? Как и где эти люди могут узнать о том, над каким проектом студент работает, и заинтересоваться им?

На каждой следующей встрече студент сверялся с трекингом приблизился ли он к своей цели? Интересна ли ему эта цель по-прежнему или стоит её поменять? Логично, что студенты, у которых цель была сформулирована чётко и конкретно, довольно быстро поняли, как её достичь. Каждый для этого использовал свой собственный путь: кто-то создал телеграм-канал и целенаправленно стал его развивать, наполняя ценной информацией о новостях в AI и ML, вовлекая экспертов. Кто-то стал писать статьи на Хабре, кто-то писать в Фейсбуке, а кто-то комфортнее чувствует себя в Linkedin. Студенты отметили, что стали получать благодаря этому гораздо больше приглашений на собеседования, предложений сотрудничества, возможности участвовать в интересных им проектах.

Студенты помогали друг другу продумывать контент-план, подкидывали интересные идеи, комментировали посты, подружились и превратились в мощную группу поддержки друг для друга. Поскольку все из одной сферы, то советы часто оказывались очень ценными.

Этот контентный блок вела Екатерина Артюгина, маркетолог с опытом работы в Яндекс, HeadHunter и Mail.ru. Участники отметили, что неожиданно для них этот блок оказался одним из самых ценных.

Что дал Акселератор участникам

В пилотном потоке Акселератора было 10 человек. За почти 3 месяца программы трое студентов получили офферы в международные компании, один студент прошёл сертификацию AWS, двое получили прибыль от увеличения клиентов и продаж в собственном бизнесе. Остальные четверо планируют продолжать работу над своими проектами и выйти на их защиту через два-три месяца.

Так, и что дальше?

Многое из того, что удалось реализовать в первом Акселераторе Data Science, скоро появится в курсе "Профессия Data Scientist", в котором студенты будут не только осваивать NLP, ML и CV, но и решать реальные кейсы, аналогичные бизнес-задачам, под руководством опытных менторов. Кого привлекает сфера Data Science и кто хочет получить актуальную ещё многие годы специальность добро пожаловать! Ну, а мы позаботимся о том, чтобы у вас получилось дойти до финала. Будет сложно, что уж скрывать, но интересно.

Акселератор Data Science SkillFactory готовили:
Педагогический дизайнер и разработчик образовательного продукта Марина Щербакова Маркетолог и продакт-менеджер Екатерина Артюгина.

Узнайте, как прокачаться и в других специальностях или освоить их с нуля:

• Профессия Data Analyst

• Курс по Data Engineering

• Курс по Machine Learning и расширенный курс "Machine Learning + Deep Learning"

• Курс "Математика для Data Science" и расширенный курс "Математика и Machine Learning для Data Science"

В условиях дистанционного обучения преподаватели столкнулись с проблемой дистанционного контроля обученности учащихся. "Дистант" закончился, но сделанные наработки продолжают приносить пользу и дальше.

Одним из простейших способов организовать тестирование через Интернет является использование сервиса Google Forms. Чтобы превратить простой список вопросов в тест с проверкой ответов и баллами, необходимо войти в настройки Формы и включить режим Quiz.

Ответы можно просматривать в интерфейсе самой Формы во вкладке Responses. Кроме того, ответы можно выгрузить в таблицу Google Sheet. Таблица выглядит следующим образом:

Интерес представляет столбец Score. В нем в виде дроби представлена информация о набранных баллах и максимальном количестве баллов за тест. Сложность состоит в том, что физически в ячейке записано только число набранных баллов, а строка "/ 2" является частью Custom Number Format. Чрезвычайно удобная функция IMPORTRANGE(), позволяющая вставить заданный диапазон на другой лист или даже в другую таблицу, успешно копирует этот формат для каждой ячейки. А вот функция QUERY() - нет. Информация о максимальном количестве баллов за тест в некоторых случаях теряется.

Итак, пусть у нас есть три Формы: Test 1, Test 2 и Test 3. Первым вопросом в тестах идет "Full Name". По этому полю мы будем идентифицировать учащихся. Для трех тестов есть три таблицы с ответами: Test 1 (Responses), Test 2 (Responses), Test 3 (Responses). Первые три столбца в каждой таблице одинаковые: Timestamp, Score, Full Name. Далее идут ответы на вопросы теста, которые нам не понадобятся.

Создадим новый документ Googe Sheet. Назовем его, например, Grade Book. Нам понадобится по одному листу на каждый тест (T1, T2, T3), лист Source, чтобы собрать всё вместе, и лист Grade Book для сводной таблицы.

Листы T1, T2, T3...

Импортируем на листы T1, T2, T3 первые три столбца из таблиц ответов. Для этого в ячейку A1 на каждом листе вставим формулу:

=IMPORTRANGE("https://docs.google.com/spreadsheets/d/1dee7GYwj1NgZfDNZJgLMVOcWRmPnvSAvg3KJ0ahqkmI","Form Responses 1!A2:C")

Где "https://..." - это URL таблицы "Test X (Responses)", который можно скопировать из адресной строки браузера, "Form Responses 1" - название Листа с результатами теста, "A2:C" - диапазон ячеек, который мы хотим скопировать (заголовок игнорируем).

Теперь нужно разделить значения из колонки "Score" на два значения: количество набранных баллов и максимальное количество баллов в тесте. Для этого в ячейку D1 поместим формулу:

=ArrayFormula(split(B1:B, "/"))

Теперь в колонке D хранится количество баллов за тест, а в колонке E - максимальное количество баллов за тест.

Лист Source

Лист Source будет чем-то вроде таблицы базы данных, в которую мы соберем ответы на все тесты добавив ещё один столбец - идентификатор теста. Затем уже можно будет пересчитать баллы в оценки и немого причесать поле Full Name.

В ячейку A1 на Листе "Source" вставим формулу:

=QUERY({QUERY('T1'!A1:E, "SELECT 'T1', A, B, C, D, E WHERE A IS NOT NULL LABEL 'T1' ''");QUERY('T2'!A1:E, "SELECT 'T2', A, B, C, D, E WHERE A IS NOT NULL LABEL 'T2' ''");QUERY('T3'!A1:E, "SELECT 'T3', A, B, C, D, E WHERE A IS NOT NULL LABEL 'T3' ''")}, "SELECT * ")

Где T1, T2, T3 - названия Листов, куда мы импортировали данные из таблиц ответов, SELECT 'T1'... - это необходимо, чтобы добавить в каждую строку идентификатор теста.

В ячейку G1 на листе "Source" добавим формулу для пересчета баллов в оценки по пятибалльной шкале:

=ArrayFormula(E1:E/F1:F*5)

А в ячейку H1 добавим формулу, чтобы вырезать из Full Name только первое слово. По опыту студенты пишут свою фамилию каждый раз одинаково, а дальше пишут то имя, то имя и отчество, то инициалы. Чтобы связать несколько ответов одного студента вместе в моём случае оказалось достаточно вырезать фамилию.

=ArrayFormula(INDEX(SPLIT(D1:D, " "), 0, 1))

Лист "Source" будет выглядеть следующим образом:

Лист Grade Book

В ячейку A1 на листе "Grade Book" вставим следующую формулу:

=QUERY(Source!A1:H,"SELECT H, MAX(G) WHERE C IS NOT NULL GROUP BY H PIVOT A")

Где Source - лист, с которого брать данные, MAX(G) - максимальная оценка из всех попыток каждого студента сдать тест, PIVOT(A) задает столбец для колонок сводной таблицы, в нашем случае - идентификатор теста.

Вот и готова таблица с оценками:

Данные будут обновляться автоматически после каждого нового ответа.

PS: В русской версии Google Docs необходимо использовать точку с запятой в качестве разделителя аргументов в функциях, так как запятая является десятичным разделителем.