В этом месяце мы встречаемся с Сухом, который работает с нами волонтером около пяти лет. Мы действительно гордимся тем, что он был вдохновлен сообществом, чтобы найти свою роль в зеленой энергии сегодня. Он также был суперзвездным волонтером почти во всех наших ролях и является фантастическим сторонником DataKind, даже пригласив своего собственного брата в проект.
- Местоимения: он/его
- Роли: специалист по данным/инженер по машинному обучению в Kaluza
член комитета, посол данных и все, что между ними, в DataKind UK! - Ссылки: LinkedIn
Каков ваш фон данных?
Я изучал математику в университете, а когда ушел, изо всех сил пытался найти первую работу, которую смог найти, как это делают многие! В итоге это была роль общего технического консультанта с программным обеспечением под названием SAP.
Я все еще хотел использовать свои навыки решения задач и математические навыки. Возможность, больше ориентированная на науку о данных, появилась в крупной автомобильной компании. Роль включала анализ выживания и вероятность того, что кто-то купит машину — хотя обычно анализ выживания немного более болезненный, а не покупка новой машины!
Именно тогда я впервые начал работать с данными и использовать R, и мне это очень понравилось. Мне нравилось иметь возможность прогнозировать, проверять прогнозы, запускать A/B-тесты и видеть, как они работают, и видеть, что то, что я делаю, было правдой.
Какими проектами данных вы сейчас занимаетесь?
В настоящее время я работаю специалистом по данным и/или инженером по машинному обучению в компании Kaluza (названной в честь немецкого физика, который предположительно открыл пятое измерение), где я работаю над программным обеспечением для управления и оптимизации устройств с высоким энергопотреблением, таких как электромобили и тепловые насосы.
Предполагается, что программное обеспечение поможет оптимизировать управление и зарядку таких вещей, как электромобили, чтобы энергия потреблялась тогда, когда это лучше всего для сети, и когда для производства этой энергии можно использовать меньше углерода. Это означает управление спросом на энергию, чтобы она была дешевле, экологичнее и проще для сети.
Как можно интеллектуально управлять устройствами, чтобы снизить затраты и сбалансировать подачу энергии, чтобы угольные и газовые электростанции не включались для управления спросом на энергию, а также помогали управлять затратами? Есть оптимизм в отношении того, что использование электронных устройств растет, и такие технологии будут более распространены. Это очень интересно.
Что побудило вас стать волонтером DataKind UK?
Раньше мне нравилась моя работа, а не ее применение в автомобилях и маркетинге. Но я не был уверен, как совершить прыжок. Мой брат в то время работал в благотворительной организации Mind, занимающейся психическим здоровьем, и сказал, что было бы интересно применить то, что я делаю, к его работе. Я решил, что хочу создать организацию, которая будет помогать благотворительным организациям в реализации проектов по науке о данных. Но я ничего не знал об этом пространстве, поэтому быстро поискал, нашел DataKind UK и подумал: «О, это гениально!»
Я провел свой первый уик-энд DataDive около четырех лет назад в благотворительной организации Lancashire Women. Мне довелось встретить так много людей, чьи роли различались в разных секторах. Я начал думать об секторах, которые мне нравились, и областях, которые мне небезразличны, включая здравоохранение и энергетику. К счастью, я нашел этот небольшой стартап, который искал младшего специалиста по данным, и смог получить эту работу.
Я благодарен DataKind за многое — за то, что он открыл мне глаза на то, что там есть! В те первые выходные я познакомился с людьми из нейробиологии, здравоохранения, консультантами в разных компаниях, занимающимися разными вещами. DataKind помог мне несколькими способами: сначала через создание сетей и поиск группы замечательных людей, которые помогли мне понять, что есть все виды работы. А во-вторых, повышение квалификации. DataKind — это идеальное безопасное пространство для повышения квалификации и в то же время оказывает положительное влияние. Вы обретаете немного больше уверенности, многому учитесь за эти выходные, и это помогло мне с переходом и поиском новой работы.
Что вы хотели бы знать, когда начали вникать в данные?
Вы никогда не будете знать всего: всегда будет новый инструмент, техника или метод, с которыми вы не знакомы. Наука о данных особенно быстро развивается. Важнее сохранить это любопытство и желание учиться. Вам не нужно изучать все заранее, чтобы получить работу или помочь с проектом.
Всему также можно научиться. Вы можете быть специалистом, но это не значит, что вы будете разбираться в другой области. Говорить с людьми, делиться этими знаниями и спрашивать, чем они занимаются, действительно полезно. Люди, как правило, с удовольствием рассказывают о том, что они делают, даже если у вас нет практического опыта. Приятно знать, чем вы можете заняться, и всегда приятно слышать о чем-то новом. Иногда передо мной открываются совершенно новые области, потому что я узнал название новой техники, что приводит к пяти новым вещам.
Я думаю, что все в одной лодке — никто не знает всего. Будьте в порядке с этим. Вы будете чувствовать меньше беспокойства в целом!
Какой проект данных вас вдохновляет?
Внешний проект, управляемый небольшой организацией, которая делает отличную работу под названием Open Climate Fix. Это некоммерческая исследовательская группа, пытающаяся использовать компьютеры для борьбы с изменением климата. Они думали, что есть возможность улучшить солнечное прогнозирование на национальном уровне, чтобы узнать, сколько солнечной энергии генерируется в любой момент времени в Великобритании. Если вы можете знать это число и быть как можно более подготовленными, вам не нужно держать в резерве столько электростанций, работающих на ископаемом топливе.
Они используют краткосрочное прогнозирование, называемое солнечным прогнозированием текущей погоды, и используют различные входные данные, такие как движение облаков, а также входные данные от более старых моделей для прогнозирования погоды. Это передовые вещи для очень хорошего варианта использования, большое влияние — и это с открытым исходным кодом, так что каждый может внести свой вклад!
Вы всегда думали, что собираетесь углубляться в данные? Если нет, то что еще?
Уходя из университета, я не думал о работе в сфере данных как таковой — я все еще разбирался во всем. Я хотел сделать что-то количественное, но не знал что. У меня не было навыков, чтобы сразу заняться этим, и это не было на моем радаре, пока у меня не появилась первая возможность с этим, тогда это открыло мне глаза на карьеру. Мне по-прежнему нравится работать с количественными данными!
Что вас удивило в вашем волонтерском опыте?
DataKind помог расширить мое понимание того, что там есть. Вот почему мне так нравится с ними работать — я встречаюсь со многими интересными благотворительными организациями и многое понимаю о том, чем они занимаются. Обычно вы не получаете такого уровня доступа или понимания. Во многом это касается понимания пользователей сервиса, понимания результатов и влияния — мне очень нравится видеть, как это работает.
Я представил DataKind филиалу Mind моего брата в Хакни и Уолтем-Форест. Он пришел на выходные DataDive, ему понравилось, затем он проявил инициативу и выучил R с помощью DataKind. Теперь он менеджер данных в благотворительной организации по оказанию юридической помощи и постоянно использует R.
Когда я слышу о благотворительных организациях, я постоянно ищу, может ли DataKind им помочь. Я рекомендую его всем, кого встречу, так что, надеюсь, я получу еще несколько благотворительных проектов! Мне нравится там работать волонтером: я несколько раз был специалистом по устранению неполадок, пару раз послом данных, DataDiver по выходным, помогал на сессиях «Готовы ли вы к DataDive?» и некоторое время был в комитете. Комитет по оценке и воздействию был одной из моих любимых ролей, поскольку он видел ранние этапы того, чего хочет благотворительная организация, уточнял это, а также слышал об интересных идеях, которые не могут быть реализованы в проекте, или рассматривал этические последствия.
Вы также можете позвонить в благотворительную организацию и узнать о том, что они сделали после проекта. Я всегда улыбаюсь, когда слышу, как они говорят: «Мы пошли в DataKind, в итоге мы опубликовали весь этот отчет, провели гораздо больше исследований, получили гораздо больше финансирования, и все это началось с этих выходных». работа, которую вы делаете!
Есть ли ресурс (статья, курс, подкаст и т. д.), который вы бы порекомендовали сообществу?
Есть два канала YouTube, которые мне нравятся, которые отлично объясняют многие теории статистики/науки о данных/машинного обучения: 3blue1brown и StatQuest. Оба отлично справляются со сложными темами в науке о данных и статистике, полезны как для новичков, так и для ветеранов!
Расскажите нам о себе что-нибудь совершенно не связанное с данными!
На такой работе ты много времени сидишь перед компьютером, поэтому большинство моих увлечений пытаются уйти от компьютеров и экранов. Недавно я прошел 100 км по Уэст-Хайленд-Уэй в Шотландии, это было потрясающе, и я планирую совершить поездку на велосипеде из Дюнкерка в Амстердам позже в этом году. Вам определенно нужно время на свежем воздухе, чтобы разогнать кровь и сбалансировать не очень физически активную карьеру!
Если вам интересно стать волонтером DataKind UK, загляните на нашу волонтерскую страницу!
