Лукас — студент 10-й когорты программы магистра наук в области науки о данных в Университете Сан-Франциско. Он присоединился к программе MSDS после получения степени бакалавра экономики в Университете Вирджинии, игры в группе в Лос-Анджелесе и работы в компании по налоговым льготам.
Фон
Иви: Привет, Лукас, можешь начать с того, что расскажешь нам немного о себе?
Лукас: я родом из Бразилии и в молодости переехал в Ричмонд, штат Вирджиния. В колледже я изучал экономику и математику с упором на международную торговлю — мне всегда нравились системы, и я хотел больше исследовать их в контексте экономики и математики. Я бы сказал, что склонен к количественному анализу, но после колледжа я переехал в Лос-Анджелес, чтобы заниматься музыкой, и занимался этим два года. В это время я также занимался репетиторством — в основном по математике — до того, как устроился на работу в компанию, предоставляющую налоговые льготы, где я заметил, что некоторые процессы можно упростить. У меня был некоторый опыт работы с R и Stata, когда я изучал экономику, и оттуда я начал учиться программировать, потому что чувствовал, что могу сделать жизнь проще.
Почему наука о данных?
Эви: Это так интересно! Так что же побудило вас продолжить карьеру в области науки о данных?
Лукас:Мне потребовалось некоторое время, чтобы понять, в каком направлении я хочу продвигать свою карьеру, но в конце концов я узнал о программе MSDS, и наука о данных показалась мне решением всех проблем, с которыми я сталкивался. против моей работы, поэтому я подумал: «Мне лучше пойти в школу для этого». Здорово иметь инструменты для решения действительно сложных проблем. Честно говоря, наука о данных в конечном итоге стала гораздо больше связана с решениями для глубокого и машинного обучения, что сильно отличается от экономического подхода к количественному анализу, пытающемуся объяснить взаимосвязи (например, линейная регрессия по сравнению с моделью регрессии Лассо или случайной моделью). модель леса.) Мне нравится, что здесь наука о данных дает нам инструменты для решения более сложных проблем и больше фокусируется на прогнозировании и производительности, а не просто пытается понять отношения, которые мы, возможно, даже не в состоянии понять.
Почему программа USF MSDS?
Эви: В этом есть смысл; Я думаю, что вместе со мной, исходя из психологического фона, я чувствую то же самое о разнице между этими двумя подходами. Так, в частности, почему вы выбрали программу USF MSDS?
Лукас: Я выбрал эту программу по нескольким причинам: практика, тот факт, что она длится всего год, и я слышал и читал о программе только хорошее. У меня есть несколько друзей и друзей семьи, связанных с USF, которые посоветовали мне проверить программу, и она показалась мне действительно крутой. Я знал, что хочу вернуться в школу, чтобы изучать науку о данных, но я не был уверен, хочу ли я учиться в аспирантуре неполный рабочий день, пока я работаю, или я должен взять на себя обязательство заниматься этим полный рабочий день. USF казался лучшим сочетанием действительно строгой программы, отличного преподавательского состава, очень быстрого выполнения работ и местоположения. Меня также впечатлил тот факт, что эта программа учитывала этические соображения в отношении данных.
Эви:Конечно! Я очень ценю различные взгляды на науку о данных, которые предлагает программа, и я с нетерпением жду курса «Этика в науке о данных», который мы будем изучать позже в программе.
Любимый курс и проект?
Иви:Что бы вы назвали своим любимым уроком и любимым проектом на данный момент?
Лукас: До сих пор мне больше всего нравились занятия по сбору данных. Я чувствую, что мы очень быстро многому научились на этом занятии, и он служит отличным ресурсом для многих начальных задач в задаче по науке о данных, например, если вам нужно очистить веб-сайт. Мне также нравилось узнавать о том, как работает Интернет, знать о различных форматах данных, о том, как настроить сервер — я был действительно впечатлен тем, как много я узнал на этом занятии.
Иви:То же самое! Мне нравилось, насколько практическими были эти занятия, и, несмотря на то, насколько сложными были проекты, я всегда уходил от них с мыслью: «Вау, это так круто».
Лукас: Мне также очень нравятся занятия по машинному обучению. Что касается моего любимого проекта, я бы назвал проект градиентного спуска, который мы делали в разделе «Введение в машинное обучение». Несмотря на то, что я думаю, что мы сделали много забавных проектов по сбору данных, проект градиентного спуска определенно научил меня больше всего для машинного обучения. Я думаю, что узнать о том, что происходит под капотом в таком итеративном решении, действительно интересно, и я действительно хорошо подготовился к этому модулю.
Области, которые вас больше всего интересуют?
Эви: Какие области науки о данных вас больше всего интересуют?
Лукас: Думаю, исходя из своего опыта, мне уже очень комфортно работать с линейными моделями. Теперь меня интересуют системы глубокого обучения и управления, например агент или что-то, что принимает решения. В частности, на данный момент я хочу применить методы машинного обучения и оптимизации к управлению и распределению энергии, и я думаю, что в этой области есть много возможностей для повышения эффективности и оптимизации.
Практика
Эви: я думаю, это ведет к нашему следующему вопросу, а именно: каков ваш практический проект?
Лукас: я прохожу практику в Nextracker, и мне это очень нравится. Это был один из проектов, который, когда я его увидел, понял, что этот проект для меня — это именно то, чем я хотел заниматься. В проекте был один дополнительный компонент, которого я не предвидел, но вот как все идет: Nextracker продает аппаратное и программное обеспечение для отслеживания, которое удерживает весь массив солнечных панелей на огромных солнечных фермах. Эти трекеры отслеживают солнце, чтобы максимизировать производительность. В моем проекте я занимаюсь оптимизацией этих трекеров, находя правильный угол для солнечных панелей в любой момент времени. Есть определенные вещи, например, если один ряд отбрасывает тень на другой ряд, что может снизить производительность на 50%. Если на улице облачно, мы хотим, чтобы панели были более горизонтальными, так как большая часть излучения в этой точке будет рассеиваться. Прямо сейчас я выполняю ручное моделирование, чтобы увидеть, какие углы дают наилучшие результаты, а позже я буду обучать модель глубокого обучения для этого процесса оптимизации и прогнозирования цен сетки, что потребует батареи и понимания того, когда выводить в аккумулятор по сравнению с сетью, чтобы максимизировать прибыль. Я также буду прогнозировать выработку электроэнергии. Мне приходится работать со многими менеджерами Nextracker, чтобы объединить то, что я делаю, с работой, которую делают другие инженеры в компании. Некоторые работы очень сложны в математике, но они довольно хорошо объяснили мне концепции и пакеты, которые они используют, и в первые несколько недель я также написал несколько функций, которые были действительно полезны для меня в начале.
Личные интересы
Эви: Что вы любите делать, чтобы расслабиться, и как вы проводите свободное время вне программы?
Лукас: я живу рядом с парком Золотые Ворота, поэтому мне нравится гулять с моей собакой и моей девушкой, а также мне нравится тусоваться с друзьями и ходить в новые рестораны. Я все еще время от времени беру в руки свою гитару!
