Interjú Hegyközi Péterrel, egy telekommunikációs cég Commercial Intelligence Expertjével a Data Science képzésről
Hegyközi Péter, egy telekommunikációs cég Commercial Intelligence Expertjeként érkezett Data Science képzésünkre. Munkája során nap mint nap lehetősége adódik a legújabb technológiák kipróbálására, ezért a KÜRT Akadémia átfogó képzésére volt szüksége, ami megmutatta számára a helyes irányt. Különösen a Python alapú gépi tanulási megoldás volt hasznos számára, amit szinte azonnal alkalmazni tudott a munkája során.
Miért kerestél adatos képzést, és hogyhogy végül a KÜRT Akadémia képzése mellett döntöttél?
Már jó ideje az adatos vonal állt a szakmai érdeklődésem középpontjában, tudatosan kerestem a lehetőségeket, hogy ebbe az irányba fejlődjek. A KÜRT Akadémia képzésének az interneten elérhető információk alapján nagyon jó az általános megítélése, illetve természetesen fontos érv volt mellette, hogy mind a brand, mind az oktatók nevei igen jól csengenek a magyar piacon.
A te ágazatodban mik a komolyabb adatos kihívások és lehetőségek? Te miben szerettél volna fejlődni, fejleszteni?
Nálunk a telekommunikációban jelenleg nagyon nehéz olyan területet találni, ami nem adatos kihívásról vagy lehetőségről szól. A hálózati infrastruktúránk által továbbított adatvolumen piactól függően 40-60%-os átlagos éves növekedési ütemet mutatott az elmúlt időszakban, amivel csak akkor tudunk lépést tartani az analitikai és döntéstámogatási rendszerek oldalán, ha a viszonylag jövőbiztos módszerekkel megpróbáljuk megérteni az adatainkat. Szerencsésnek mondhatom magam, hogy egy innovációra nyitott szervezet tagjaként lehetőségem van kísérletezni a legújabb technológiákkal, viszont épp’ emiatt volt szükségem egy átfogó képet adó képzésre, hogy segítsen kijelölni valamilyen csapásirányt.
A képzés melyik része volt számodra a legizgalmasabb?
Egyértelműen a gépi tanulás Python implementációit élveztem legjobban, amihez hozzájárult az is, hogy szinte azonnal tudtam alkalmazni élesben. Mivel korábban egyáltalán nem foglalkoztam ML-lel, így különösen hasznos volt számomra, hogy helyre tudtam tenni magamban ezt a tipikusan túlmisztifikált területet. Természetesen ez elsősorban a professzionális előadók érdeme.
A képzés fontos része a csapatokban létrehozott projekt. Mesélnél arról a projektről, amiben részt vettél? Milyen kihívások voltak, mit tanultatok közben?
Egy kiskereskedelmi boltlánc forgalmi adatai alapján mennyiségi előrejelző algoritmust építettünk Pythonban. Szerintem egy ilyen projektben a zsákutcák a legtanulságosabbak, mert ezek által tudunk mély megértést szerezni a területről, amivel dolgozunk. Számos különböző algoritmust és adatmodellt kipróbáltunk mielőtt elfogadható eredményeket tudtunk kicsikarni a gépből, viszont minden alkalommal, amikor valami nem működött megfelelően, volt egy ’aha’ pillanat. Ilyenkor valami mindig helyre billen az ember fejében, és ez olyan praktikus tudás, amit könnyű elővenni és implementálni egy éles projektnél.
Mesélnél kicsit a résztvevőkről, ki milyen területről, milyen előzetes tudással érkezett?
Mi voltunk az első online csoport, szóval a networking érthető módon kissé akadályoztatott volt. Az egyértelmű volt, hogy mind az előképzettség, mind az ágazati háttér nagyon vegyes, ami szerintem kimondottan jót tett a csoportdinamikának bizonyos esetekben.
A live online képzés mennyire volt követhető? Volt-e előnye/hátránya a tantermi változathoz képest?
Számomra teljesen követhető volt, a pro/kontra értékelés viszont nagyon erősen egyéni preferenciák kérdése. Én mindig a fizikai jelenlétet részesítem előnyben, ugyanakkor tudom, hogy sokan voltak, akik kifejezetten örültek, hogy online zajlik a képzés.
A képzés elvégzése után mi az, amit átültetsz majd a mindennapi működésbe, és mi az, ami hosszú távon hozhat hatást?
Van néhány dolog, amit szinte azonnal elkezdtem használni, mint például néhány egyszerűbb Python alapú gépi tanulási megoldás, vagy éppen az Apache Spark big data technológiák. A hosszú távú hatás leginkább egy paradigmaváltásként írható le. Ha valakinek kalapácsot adsz a kezébe, az mindenhol szöget fog keresni. Szerintem a puszta tény, hogy a képzés elvégzése óta aktívan keresem a lehetőséget arra, hogy használjam és fejlesszem a megszerzett tudásom, már hozzáadott értéket jelent a vállalat és saját magam számára is. Másképp’ tekintek az egyszerű elemzési feladatokra is, egyszerűen azért, mert tudom, hogy néha csak néhány sor kód választ el attól, hogy például egy prediktív analitikát tegyek az asztalra, és persze meg is tudom írni ezt a néhány sort.
Szerinted kinek érdemes elvégezni a képzést?
Szerintem – mivel erre tart a világ – ezt középiskolában kéne tanítani... 🙂 A realitások talaján maradva ez vállalati stratégiai- és karriertervezési kérdés is egyben. Azt gondolom, hogy a legtöbb prosperáló cégnél percek alatt össze lehetne rakni a megfelelő business justificationt, amely alátámasztja a képzésbe fektetett idő és pénz megtérülését. Egyéni szinten a nyitottságot fontosabbnak gondolom, mint az előképzettséget. Ha valaki hisz az adattudatosság fontosságában, és ebbe az irányba akarja mozdítani a karrierjét, akkor itt jó helyen lesz.
Hozzászólások