Nový studijní program Data Analytics, odpovídá potřebám uchazečů, co chtějí být úspěšní v oboru analýzy dat. Je hybridní, postavený na „learning by doing“, úzce propojený s profesní praxí i oborovou komunitou. Proč studovat analýzu dat na MUNI? Co přinese spolupráce partnerům z praxe? Zeptali jsme se profesora Jana Slováka, garanta programu.
Analýza dat je oblastí aktivit i technik zpracování a využívání nejrůznějších dat s cílem odhalit užitečné informace a tím usnadnit rozhodování. Její důležitost stále narůstá s digitalizací a automatizací současného světa. Zahrnuje přípravu, kontrolu, čištění, transformaci, modelování, popis a vizualizaci, ale i strojové učení. A ten, kdo v této oblasti umí matematicky přemýšlet a pracovat s daty sofistikovaným způsobem, má silnou konkurenční výhodu. Získat ji může studiem nového studijního programu Data Analytics na MUNI, který je garantován Ústavem matematiky a statistiky SCI MUNI a Fakultou informatiky MUNI. Program představují i tato krátká videa.
Příležitost se objevila primárně v tom, že jeden z MASH projektů na MUNI (MUNI Award in Science and Humanities) získal velmi výrazný člověk, Stanislav Sobolevsky, DrSc., Ph.D., který paralelně pracuje v datové analýze na New York University. MUNI záměr podpořila tím, že byl vybrán pro financování z projektu NPO_MUNI_MSMT-16606/2022, jenž financuje přípravu nových studijních programů na univerzitách. Administrativa projektu je velmi náročná, a tak jsme moc vděční kolegyním a kolegům na děkanátu a rektorátu, kteří nám skvěle pomáhají.
Naší motivací je oslovit zvláštní cílovou skupinu, která donedávna v populacích napříč světem neexistovala. Je to vrstva mladých lidí, digitálních nomádů, kteří se – už v době středoškolského studia nebo těsně poté – úspěšně zanoří do programátorské nebo jiné práce spojené s computer science. Jsou ve svém oboru úspěšní, mají třeba své firmy, pracují pro velké společnosti a jsou zvyklí vydělávat si daleko víc, než o čem kdy jejich rodiče snili. A pokud mají pocit, že jim chybí formální vysokoškolské vzdělání, vstoupit do normálního studijního programu by pro ně bylo nepřijatelné, protože už nejsou začátečníci a nechtějí být celé dny ve škole. Chtějí patrně primárně pracovat a studium mít k tomu navíc, ne naopak. Navíc by naše standardní programy pro ně byly odtržené od praxe a asi i nudné.
Takže chceme přitáhnout tyto lidi, kteří si dnes, v době nástupu generativní umělé inteligence, všimnou, že např. geniálních a rychlých kodérů, co jsou mezi mladými, přestane být brzy tolik potřeba. Protože výzkumy ukazují, že kvalifikovaní lidé s nadhledem a vhledem do problematiky dokáží při tvorbě složitých softwarových systémů pracovat třeba až osmdesátkrát rychleji s použitím umělé inteligence než bez ní.
Nabízíme šanci lidem, kteří si chtějí rozvinout svou kvalifikaci. Chceme nabídnout, aby si studiem pořídili tzv. data driven mathematical mindset, tedy návyk na základě opravdových dat matematicky přemýšlet a pracovat s daty sofistikovaným způsobem. Tento formalizovaný, matematický styl myšlení a přemýšlení je něco, co se – až na výjimky – úplně samo v člověku nezrodí. A v našich klasických programech takové praktické propojení matematiky a computer science získají těžko. Od ostatních studijních programů v oboru analýzy dat se odlišujeme v tom, že architektura našeho programu je velmi podobná kvalitním MBA programům. Na rozdíl od nich ale necílíme na lidi, co se již věnují top managementu a chtějí se osobnostně a profesně posunout. Nabízíme podobný přístup a cíle už na úrovni bakalářského programu velmi šikovným programátorům. Vidíme v tomto experimentu obrovskou příležitost v současné době rozvoje technologií a regionálních i evropských potřeb pracovního trhu, ale v neposlední řadě i východisko z mizerného výhledu financování výuky z veřejných zdrojů v ČR. V době současných technologií a potřeb na pracovním trhu, potřeb rozvoje regionu, MUNI, SCI MUNI i jejího Ústavu matematiky a statistiky, chceme jít této příležitosti naproti a vytvořit platformu, na kterou by se ti správní lidé z celého světa mohli do Brna začít stahovat.
Ano, už teď máme obrovský nedostatek takových lidí. Výzvě zvládnout nějakou formu analýzy dat nebo ovládat nástroje generativní umělé inteligence budou brzy vystaveni prakticky všichni. A lidí, kteří na to budou nachystaní odborně i svým přístupem k práci, se nedostává ve velkém. Brno je čím dál více bráno jako celosvětově viditelný hub computer science, zejména v cybersecurity a podobně, takže lidi se vzděláním, které nabízíme, potřebuje. Úspěchem pro nás bude, když se nám podaří přitáhnout ročně 20 až 25 opravdu skvělých studujících, kteří již jsou usídleni ve střední Evropě nebo zatím pracují jinde ve světě (např. Indie, Čína, Maroko, Alžír, Kolumbie apod.). Reálně si ale myslím, že kdyby sem přijelo 200 lidí ročně do Brna, tak to je tak zhruba to, co by zde firmy potřebovaly.
Úspěchem bude, když se nám podaří přesvědčit přiměřené množství komerčních partnerů, aby pomohli studujícím i nám s financováním programu. Všichni partneři budou samozřejmě moci využívat studentských stáží a dalších běžných forem spolupráce k naplnění jejich personální politiky. Neobvyklým prvkem naší nabídky je možnost zpracování vstupních konzultací pro potřeby a případné projekty firem v oblasti analýzy dat a jejich pilotní realizace prostřednictvím studentů, pod plným vedením a mentoringem našich zaměstnanců.
Narůstá množství firem, které vidí, že sice mají svou skupinu lidí pro datovou analýzu, ale jejich potřeby rostou rychleji než ta skupina. A ještě víc bude menších, začínajících nebo i prostředních a velkých firem, které datovou analýzu potřeb zákazníků, vývoje trhu nebo jiných souvislostí, potřebují. Ale svoje experty nemají a jeden den schopného konzultanta by stál cca €1500. Takže z toho pohledu €7000, které chceme od studujících za semestr na studium, vlastně není až tak moc, když spolupracujícím firmám můžeme nabídnout, že několik prvních dnů takto kvalifikované práce mohou získávat pro jednotlivé projekty v rámci partnerství s námi. Na druhou stranu je to koncept, o kterém nevím, že by někde zatím fungoval. To znamená, že získat důvěru ze strany společností, bude v začátku těžké. Proto si myslím, že budeme růst spíš pomalu. Ale jsem si jistý, že ve světě je dost lidí, kteří za skutečné peníze budou rádi dělat skutečnou práci a které umíme dostat do Brna.
V minulém létě jsme dělali experimenty a zkoušeli jsme, co můžeme čekat od uchazečů. 29 účastníků si mohlo vybrat z několika typů zadání, a to pak řešili. Ti úspěšní se dostali do dalšího kola, kdy řešili složitější projekty s podporou mentora.
Jeden projekt byl například z komplexních dat z oblasti New Yorku zahrnujících, mimo jiné, data o pohybu cyklistů. Úkolem bylo vydolovat z těch dat, do jaké míry zřízení cyklistické stezky přes jeden z mostů změnilo chování cyklistů? Způsob řešení samozřejmě datově zpracovali, ale měli velmi elegantní a přesvědčivou prezentaci a musím říct, že jenom zřídka vidím i při prezentaci diplomových prací, výsledky, které jsou lepší. A tak se mi potvrdilo, že šikovných lidí, kteří mají o podobné aktivity zájem, je po světě dost.
A druhý takový hezký příklad byl se zadáním vyškolit vhodně zvolený neuronový systém, aby vyvodil souvislosti mezi sentimentem obsaženým v názorech na filmy, místem bydliště recenzenta a jeho sociálním statutem. Zpracovatelé si z našeho webu stáhli obrovský balík dat. Ten obsahuje velké množství informací, jež jsou pro položenou otázku naprosto nerelevantní. Takže oni museli z těch dat vydolovat ty části, které jsou relevantní, museli je očistit od nepodstatných údajů a pak teprve mohli začít s tréninkem. To byl velmi složitý projekt a mnozí ho řešili velmi úžasně. Náš mentoring v pokročilých kolech hackatonu pomáhá účastníkům rozvíjet schopnost kvalifikované dedukce, inference, uvedení do souvislosti, odhalení, co je příčina a co je důsledek, do jaké míry je jistý závěr věrohodný. A to jsou schopnosti a návyky, které se na současném trhu práce cení. Opravňuje nás to předpokládat, že o naše studentky a studenty budou mít spolupracující firmy zájem už od prvního dne jejich studia.
Děkuji za rozhovor a přeji programu hodně šikovných studentek a studentů.
Zuzana Jayasundera
Jan Slovák získal doktorát na Univerzitě Karlově v Praze v roce 1990. Zastával vedoucí pozice ve Vídni, Adelaide a krátce pobýval na desítkách dalších míst po celém světě. Jeho hlavní vědecké úspěchy se odrážejí ve dvou velmi vlivných monografiích Natural Operations in Differential Geometry, Springer 1993 (s I. Kolářem a P.W. Michorem) a Parabolic Geometries I: Background and General Theory, AMS Publishing, 2009 (s A. Cap).
Jeho zapojení do projektů strategického rozvoje vyústilo v řadu dalších manažerských aktivit na akademické, regionální i národní úrovni (např. děkan Přírodovědecké fakulty, prorektor pro strategii a rozvoj Masarykovy univerzity, předseda oborové komise věd o neživé přírodě Grantové agentury ČR, člen pracovní skupiny připravující založení Technologické agentury ČR atd.). V letech 2015 až 2023 působil jako ředitel Ústavu matematiky a statistiky na Přírodovědecké fakultě MUNI.
Od roku 2008 působí jako šéfredaktor prestižního časopisu vydavatelství Elsevier, Differential Geometry and its Applications.
Přečtěte si rozhovor o životě a díle Otakara Borůvky a činnosti Společnosti, která se stará o jeho odkaz. Na tohoto matematika zavzpomínal Eduard Fuchs, který se s ním setkával téměř 30 let.
Čestným doktorátem byli oceněni, z rozhodnutí Vědecké rady Masarykovy univerzity, profesor Thomas Robert Cech, jenž významně přispěl k formování oboru biologických věd; a profesor Peter Wolfram Michor, který významně přispěl k rozvoji matematiky.
