Автор SiliconANGLE media.
>> Привет и добро пожаловать на theCUBE. Я ваша ведущая, Соня Тагар, и мы ведем эфир из Стэнфордского университета, проводя пятую ежегодную конференцию WiD, Women in Data Science. Сегодня к нам присоединяется Эмили Глассберг Сэндс, руководитель направления Data Science в Coursera. Эмили, добро пожаловать на theCUBE.
>> Спасибо, так здорово быть в курсе.
>> Итак, расскажите нам немного больше о том, что вы делаете в Coursera.
>> Да, конечно, Coursera является крупнейшей в мире платформой для высшего образования. Мы сотрудничаем с около 160 университетами и 20 отраслевыми партнерами, и мы предоставляем лучшие учебные материалы от науки о данных до детского питания примерно 50 миллионам учащихся по всему миру. Я возглавляю команду «на всех стадиях», охватывающих разработку данных, науку о данных и машинное обучение.
>> Ух ты, а сегодня утром у нас только что была Дафна Коллер, которая является соучредителем Coursera, и она также наняла тебя.
>> Да.
>> Так расскажи нам подробнее об этих отношениях.
>> Ну, я люблю Дафну, я думаю, что ее мир, о котором я расскажу в ближайшее время, на самом деле она не наняла меня с самого начала. Первым ответом, который я получил от Coursera, было «нет», что компания была не совсем готова для того, кто не был полноценным программистом. Но в конце концов я поговорил с ней, чтобы она взяла меня в команду, и с тех пор она вдохновляет меня. Я думаю, что одно из моих первых воспоминаний о Дафни было, когда она рисовала видение того, что возможно с онлайн-образованием, и она сказала: «Вспомните первые кинофильмы». Первый кинофильм был буквально просто съемкой пьесы на сцене. Вы оцените это, учитывая что было в кино, а затем перенесетесь в будущее и подумаете о том, что возможно в фильмах, которые никогда не будут возможны на обычной сцене. И аналогом, который она создала, был первый MOOC, первый Massive Open Online Course , который очень просто снимал профессора в классе. Но она думала о будущем, о завтрашнем дне и пятилетнем будущем, и о том, что возможно с точки зрения того, как данные и технологии могут трансформировать, как преподаватели преподают и как учащиеся учатся.
>> Это очень круто. Итак, как Курсера изменилась с того момента, когда она начала это делать сейчас?
>> Так это сильно изменилось. Итак, я был в Coursera около шести лет, когда я присоединился к компании, в которой было менее 50 человек. Сегодня мы в 10 раз больше, у нас их 500. Я думаю, что платформа заметно выросла по всем трем основным изменениям в нашей бизнес-модели. Во-первых, мы перешли от партнерства исключительно с университетами к осознанию того, что на самом деле многие из наиболее важных образовательных программ для людей на рынке труда преподаются в компаниях. Таким образом, Google очень заинтересован в обучении людей в Google Cloud, Amazon и AWS. Люди должны изучить Tableau и целый ряд других программ. Итак, мы расширились и включили образование, предоставляемое не только ведущими учреждениями, такими как Стэнфорд, но и ведущими учреждениями, такими как Amazon и Google. Второе большое изменение заключается в том, что мы признали, что, хотя для многих учащихся достаточно отдельного курса или MOOC, некоторым учащимся необходим доступ к полной степени, имеющей сертификат диплома.
Таким образом, мы перешли в пространство степеней, у нас теперь есть 14 степеней, живущих на платформе магистров в области компьютерных наук и данных, а также в области бизнеса, бухгалтерского учета и так далее. И третьи главные изменения, я думаю, как раз по мере того, как мир эволюционировал, чтобы признать, что люди должны учиться на протяжении всей своей жизни. Существует также общее мнение, что не только отдельные люди должны учиться, но и их компании обучать их и правительства, и поэтому мы запустили Coursera enterprise, которая заключается в предоставлении учебного контента через работодателей и через правительства, чтобы мы могли достичь более широкого круга людей, которые не могут сами самостоятельно учиться на курсе.
>> А как вы можете использовать науку данных для отслеживания индивидуальных, пользовательских предпочтений и поведения пользователей?
>> Да, это отличный вопрос. 50 миллионов учеников, они почти из каждой страны в мире из разных областей имеют множество разных целей, и поэтому я думаю, что вы получаете из этого, так это то, что создание правильного опыта обучения для каждого человека заключается в персонализации этого опыта. И мы персонализировали на протяжении всего пути ученика, поэтому, когда вы впервые присоединялись к платформе, мы сразу спросили вас, какова ваша карьерная цель? В какой роли вы сегодня? И тогда мы поможем вам найти правильный контент, чтобы закрыть пробел. По мере продвижения по курсам мы прогнозируем, нужна ли вам дополнительная поддержка. Будь то полностью автоматизированное вмешательство, такое как поведенческое подталкивание, акцентирование мышления роста или педагогическое подталкивание, например, рекомендация правильного материала для обзора и предоставление его вам, а затем мы также делаем то же самое для акселерации работы вспомогательного персонала в кампусе. Таким образом, мы определяем для каждого человека, какой тип человеческого прикосновения ему может понадобиться, и мы помогаем рекомендациям персонала в отношении того, к кому они должны обратиться, будь то консультант, обращающийся к студенту, который не вошел в систему в течение некоторого времени или помощник преподавателя обращающийся к студенту, который имеет проблемы с выполнением задания. Таким образом, данные действительно поддерживают все это, понимая чьи-то цели, их опыт, содержание, что собирается сократить разрыв, а также понимание того, где им нужна дополнительная поддержка и какую помощь мы можем предоставить.
>> А как вы можете отслеживать эти данные, используете ли вы AV-тестирование?
>> Да, отличный вопрос, поэтому мы называем это данными на уровне вентиляции, которые в основном отслеживают то, что каждый ученик делает, когда он движется по платформе. И затем мы используем AV-тестирование, чтобы понять влияние нашей большой функции. Итак, скажем, мы внедряем новый алгоритм ранжирования поиска или новый опыт обучения, мы бы хотели AV-Test, да, чтобы понять, как ученики в новом варианте сравниваются с учениками в старом варианте. Но для многих наших систем машинного обучения мы на самом деле применяем более многовооруженный агрессивный подход, где на полях мы немного меняем восприятие, которое люди должны понимать, какое влияние это оказывает на их поведение ниже по течению. от этого массового захвата или удержания AV-теста.
>> Итак, сегодня вы рассказываете о последних продуктах Coursera, так что давайте немного расскажем об этом.
>> Итак, я освещаю три продукта данных, которые мы выпустили за последние пару лет. Первые два ориентированы на то, чтобы действительно помочь учащимся добиться успеха в процессе обучения. Итак, первое - это предсказание, когда ученикам понадобятся дополнительные толчки, и вмешательство полностью автоматизированными способами, чтобы вернуть их в нужное русло. Второе - это выявление учеников, которым нужна человеческая поддержка, и предоставление действительно легко интерпретируемых идей для поддержки персонала, чтобы они могли обратиться к нужному ученику с правильной помощью. А потом третий немного отличается. Примерно когда учащиеся выходят на рынок труда, как они могут достоверно сигнализировать о том, что они знают, так что они могут быть вознаграждены за это обучение работой. И это продукт, называемый оценкой навыков, где мы на самом деле измеряем, какими навыками обладает каждый учащийся, до какого уровня, чтобы я, например, мог сравнить его с навыками, необходимыми в моей целевой карьере, или показать его своему работодателю, чтобы я мог быть вознагражден за то, что я знаю.
>> Это может быть очень полезно, когда люди создают резюме, оценивая, какой навык у них есть.
>> Абсолютно. Итак, это действительно интересно, когда вы говорите о резюме, так что многое из того, что показано на резюме, являются традиционными дипломами, например, в какую школу вы ходили? чем ты занимался? какие рабочие места у вас были? И, как мы оба знаем, существует неравный доступ к школе, в которую вы ходите, или к ранней работе, которую вы получаете. Таким образом, часть мотивации оценки навыков заключается в создании более равноправных или справедливых или доступных сигналов для рынка труда. Поэтому, мы очень рады этому направлению.
>> И вы думаете, что компании принимают это во внимание, когда нанимают людей, которые говорят, что имеют пять из пяти навыков в области компьютерных наук, но они не пошли в Стэнфорд?
>> Да.
>> Думаете, что они принимают это
>> Безусловно, я думаю, что компании жаждут найти более разнообразный талант, и самая большая проблема в том, что, когда вы смотрите на людей из разных слоев общества, трудно понять, кто обладает какими навыками. Таким образом, оценка навыков дает действительно ценный вклад, и мы на самом деле видим, что она уже используется многими нашими корпоративными клиентами, которые используют её для определения того, кто из своих внутренних сотрудников имеет хорошие возможности для новых возможностей или новых ролей. Например, у меня может быть несколько бэкэнд-инженеров, и если я знаю, кто хорош в математике, машинном обучении и статистике, я действительно могу задействовать этих людей, чтобы перейти к роли машинного обучения. И поэтому она используется как в качестве внешнего сигнала и внешнего рынка труда, так и в качестве внутреннего сигнала внутри компаний.
>> И последний наш вопрос: что бы вы посоветовали молодым женщинам, которые не учатся в колледже или только начинают учиться в колледже и интересуются наукой о данных? Кто, возможно, не специализировался в типичной науке о данных? Какой совет вы бы им дали?
>> Итак, мне нравится, что вы спросили, что вы этого не сделали, специализируясь по типичной специальности науки о данных. Я на самом деле экономист по образованию. И я думаю, что это, вероятно, причина, по которой меня сначала отвергли из Coursera, потому что экономист - очень странный опыт в науке о данных. Я думаю, что мой главный совет этим молодым женщинам состоит в том, чтобы действительно не слишком заблудиться в науке о данных, в математике, в алгоритмах и вместо этого помнить, что это средство для достижения цели, а цель - воздействие. Итак, подумайте о проблемах в мире, которые вас волнуют. Для меня это образование. Для других это здравоохранение, личные финансы или целый ряд других вопросов. И помните, что наука о данных предоставляет этот обширный набор инструментов, которые вы можете использовать для решения наиболее важных для вас проблем.
>> Это здорово, большое спасибо за то, что вы на CUBE.
>> Спасибо. Я Соня Тагар, большое спасибо за просмотр CUBE и следите за обновлениями.
