Training Students to Extract Value from Big Data: Summary of a Workshop

از آنجایی که در دسترس بودن فناوری‌های جمع‌آوری داده‌های با کارایی بالا، مانند دستگاه‌های تلفن همراه سنجش اطلاعات، سنجش از راه دور، سوابق گزارش اینترنت، و شبکه‌های حسگر بی‌سیم رشد کرده است، علم، مهندسی و تجارت به سرعت از تلاش برای توسعه گذر کرده‌اند. اطلاعات از داده های اندک به موقعیتی که اکنون چالش این است که میزان اطلاعات از توانایی انسان برای بررسی و جذب آن فراتر رفته است. مجموعه داده‌ها به طور فزاینده‌ای پیچیده می‌شوند و این به طور بالقوه مشکلات مرتبط با نگرانی‌هایی مانند اطلاعات از دست رفته و سایر نگرانی‌های کیفیت، ناهمگونی داده‌ها و قالب‌های مختلف داده را افزایش می‌دهد.

توانایی کشور در استفاده از داده‌ها بستگی زیادی به این دارد. در دسترس بودن نیروی کاری که به درستی آموزش دیده و آماده مقابله با مناطق پر نیاز است. آموزش دانش‌آموزان برای توانایی در بهره‌برداری از داده‌های بزرگ نیازمند تجربه در تجزیه و تحلیل آماری، یادگیری ماشین و زیرساخت‌های محاسباتی است که به مشکلات واقعی مرتبط با داده‌های عظیم آشکار و در نهایت رسیدگی می‌شود. تجزیه و تحلیل داده های بزرگ به مهارت های بین رشته ای نیاز دارد، از جمله توانایی تصمیم گیری مدل سازی در حالی که تعادل بین بهینه سازی و تقریب ایجاد می شود، همه اینها در عین توجه به معیارهای مفید و استحکام سیستم. برای توسعه این مهارت‌ها در دانش‌آموزان، مهم است که به چه کسی آموزش داده شود، یعنی پیشینه تحصیلی، تجربه و ویژگی‌های یک دانشجوی آینده‌نگر علوم داده. چه چیزی تدریس شود، یعنی مطالب فنی و کاربردی که باید به دانش آموز آموزش داده شود. و نحوه آموزش، یعنی ساختار و سازماندهی یک برنامه علم داده.

آموزش دانش آموزان برای استخراج ارزش از داده های بزرگ خلاصه ای از کارگاهی است که در آوریل 2014 برگزار شد. کمیته آمارهای نظری و کاربردی شورای تحقیقات ملی برای بررسی بهترین روش آموزش دانش آموزان برای استفاده از داده های بزرگ. این کارگاه نیاز به آموزش و برنامه های درسی و دوره هایی را که باید گنجانده شود، مورد بررسی قرار داد. یکی از انگیزه‌های این کارگاه، دیدگاه پراکنده کنونی از آنچه از تجزیه و تحلیل داده‌های بزرگ، تجزیه و تحلیل داده‌ها یا علم داده است، بود. برنامه های جدید فارغ التحصیل به طور مرتب معرفی می شوند، و آنها مفاهیم خاص خود را از معنای آن اصطلاحات و مهمتر از همه، از آنچه دانش آموزان برای مهارت در کار با داده فشرده نیاز دارند، دارند. این گزارش دیدگاه‌های مختلفی را در مورد آن عناصر و ادغام آنها در دوره‌ها و برنامه‌های درسی ارائه می‌کند.

As the availability of high-throughput data-collection technologies, such as information-sensing mobile devices, remote sensing, internet log records, and wireless sensor networks has grown, science, engineering, and business have rapidly transitioned from striving to develop information from scant data to a situation in which the challenge is now that the amount of information exceeds a human's ability to examine, let alone absorb, it. Data sets are increasingly complex, and this potentially increases the problems associated with such concerns as missing information and other quality concerns, data heterogeneity, and differing data formats.

The nation's ability to make use of data depends heavily on the availability of a workforce that is properly trained and ready to tackle high-need areas. Training students to be capable in exploiting big data requires experience with statistical analysis, machine learning, and computational infrastructure that permits the real problems associated with massive data to be revealed and, ultimately, addressed. Analysis of big data requires cross-disciplinary skills, including the ability to make modeling decisions while balancing trade-offs between optimization and approximation, all while being attentive to useful metrics and system robustness. To develop those skills in students, it is important to identify whom to teach, that is, the educational background, experience, and characteristics of a prospective data-science student; what to teach, that is, the technical and practical content that should be taught to the student; and how to teach, that is, the structure and organization of a data-science program.

Training Students to Extract Value from Big Data summarizes a workshop convened in April 2014 by the National Research Council's Committee on Applied and Theoretical Statistics to explore how best to train students to use big data. The workshop explored the need for training and curricula and coursework that should be included. One impetus for the workshop was the current fragmented view of what is meant by analysis of big data, data analytics, or data science. New graduate programs are introduced regularly, and they have their own notions of what is meant by those terms and, most important, of what students need to know to be proficient in data-intensive work. This report provides a variety of perspectives about those elements and about their integration into courses and curricula.