Рассматривайте науку о данных как инженерную практику и соответствующим образом структурируйте образование.
Делиться
Наука о данных переживает кризис идентичности.
Признаки этого кризиса наблюдаются уже много лет. Например, в первом выпуске Harvard Data Science Review было проще определить, чем наука о данных не является, чем то, чем она является (Мэн, 2019). Эта путаница не исчезла. Более того, можно утверждать, что она даже усугубилась. Как Мэн отметила много лет назад (2019), большинство из нас имеет некоторое представление о других типах ученых. Но кто такой специалист по данным и чем именно он занимается?
История науки о данных глубоко укоренена в статистике. Еще в 1962 году один из самых влиятельных статистиков XX века, Джон Тьюки, призывал к признанию новой науки, ориентированной на обучение на основе данных. Последующие работы статистического сообщества, в частности Джеффа Ву (Донохо, 2015) и Уильяма Кливленда (2001), официально предложили название «наука о данных» и предложили расширить ее границы в академической статистике (Донохо, 2015). Тем не менее, в последующие годы наблюдалось значительное влияние компьютерных наук, призывы к признанию науки о данных как уникальной дисциплины, отличной от статистики, и фундаментальное переосмысление науки о данных как науки.
Расширение вероятностных и выводных традиций статистики наряду с алгоритмическими, программными и системными аспектами информатики привело к современному взгляду на науку о данных как на междисциплинарную область, которую Блей и Смит (2017) с любовью называют «дитя статистики и информатики». Винг и коллеги (2018) считают, что определяющей характеристикой науки о данных является не только использование методов, но и их применение в контексте определенной области. Это взаимодействие между областью и методами делает науку о данных не просто суммой ее частей, а самостоятельной областью со своей собственной направленностью.
Однако остается фундаментальный вопрос о самом названии. Проницательный вопрос Винга (2020): «Существует ли проблема, уникальная для науки о данных, которую можно убедительно доказать, что она не будет решена или поставлена ни одной из составляющих ее дисциплин, например, информатики и статистики?» — является важнейшим критерием для определения того, следует ли считать науку о данных наукой. Некоторые вопросы, возникающие в науке о данных, могут казаться новыми (Винг, 2020); однако даже они часто сводятся к применению существующих дисциплин (статистика, информатика, теория оптимизации), а не указывают на принципиально новую науку.
Вклад различных дисциплин может обогатить науку о данных. Однако, как показывают исследования (Wilkerson, 2025), это также вызывает путаницу у студентов, преподавателей и работодателей. Существуют значительные различия в образовании в области науки о данных на уровне бакалавриата, в подходах к обучению науке о данных для студентов, специализирующихся в этой области, и для студентов других специальностей, а также в инициативах по изучению науки о данных в школах (от начальной до средней), возникающих у разных групп и дисциплин.
Вклад различных дисциплин трудно распространять в отсутствие централизованного сообщества (Dogucu et al., 2025), что приводит к фрагментации. Междисциплинарный характер науки о данных становится все более многодисциплинарным. Многочисленные профессиональные общества теперь имеют отдельные подгруппы и направления, посвященные науке о данных или тесно связанной с ней области. Специализированные журналы по науке о данных — Environmental Data Science и Annual Review of Biomedical Data Science, например, — являются отличными площадками для исследований; однако мы можем терять интерактивный и целостный аспект междисциплинарной области. Ориентироваться во всем ландшафте науки о данных — непростая задача. Это еще больше проявляется в множестве различных ролей, которые появляются в объявлениях о вакансиях «специалист по данным» (Saltz and Grady, 2017), и достигает кульминации в «проблеме единорога», когда работодатели нереалистично ожидают, что один человек может освоить все навыки, которые считаются наукой о данных (Saltz and Grady, 2017).
Инженерный взгляд
Вопросы Винга (2020) показывают, что наука о данных имеет принципиально иное отношение к контексту предметной области, чем математика, статистика или информатика. Это иное отношение — где предметная область является неотъемлемой частью, а не источником вдохновения — именно то, что отличает инженерию от науки.
В науках области знаний порождают вопросы, но эти области не являются фундаментальными. Математика изучает абстрактные структуры, и мы можем заниматься теорией групп, не имея в виду каких-либо конкретных приложений. Статистика изучает выводы из данных в целом, и мы можем разработать статистическую теорию, не имея в виду конкретной области знаний. Информатика изучает вычисления абстрактно, и мы можем разрабатывать алгоритмы, теорию сложности и языки программирования, не имея в виду конкретных приложений. Эти области знаний вдохновлены областями знаний, но существуют независимо от них.
Инженерное дело, с другой стороны, не может существовать без контекста применения. Гражданское строительство буквально невозможно изучать, не учитывая то, что вы строите (мосты, плотины, здания). Область применения не просто вдохновляет — она является определяющей. Мы не можем преподавать машиностроение как чистую абстракцию, а затем «добавлять» приложения позже. Компромиссы (например, алгоритмические, эффективные, стоимостные) имеют смысл только в рамках ограничений предметной области инженера. Наука о данных вписывается в эту модель.
Работа специалиста по анализу данных больше похожа на работу инженера-строителя, проектирующего мост, чем на работу физика, изучающего фундаментальные силы. Мост должен функционировать с учетом имеющихся материалов, бюджета, рельефа местности и требований безопасности — даже если это означает использование приближений, а не идеальных решений. Тем не менее, инженерные дисциплины могут также генерировать фундаментальные идеи в качестве побочного продукта, даже если это не является их целью. Термодинамика частично возникла из попыток инженеров создать более совершенные паровые двигатели. Теория информации появилась благодаря инженерам, работавшим над телекоммуникациями. Но цель этой области — создание работающих систем, а не продвижение фундаментальной теории. Специалист по анализу данных, разработавший модель, которая повышает удержание клиентов на 5%, добился успеха, даже если он использовал готовые методы и не получил никаких новых идей.
В основе науки о данных лежит создание вещей, которые работают в сложных, реальных условиях. Как и другие инженерные дисциплины, она включает в себя:
- Прагматичный компромисс (точность против интерпретируемости против вычислительных затрат)
- Работа в условиях ограничений (ограниченные данные, вычислительные ресурсы, бизнес-требования)
- Интеграция различных методов для решения практических проблем.
- Основное внимание уделяется развертыванию, сопровождению и итерациям.
Возможно, науку о данных лучше всего понимать и преподавать, используя инженерный подход. Возможно, науке о данных необходимы специализации, аналогичные специализациям инженеров-механиков, инженеров-строителей и инженеров-электриков. Такой инженерный подход касается эпистемологии и практики, а не обязательно организационной структуры. Инженерное дело в основе своей – это подход к решению проблем – создание систем, работающих в условиях ограничений, – а не принадлежность к какому-либо факультету. Биомедицинская инженерия – это инженерное дело, независимо от того, находится ли она в составе факультета машиностроения или медицинского вуза. Важно, чтобы программы по науке о данных переняли инженерные принципы: строгие основы, специализированные направления, акцент на создании, а не на чистом открытии, и профессиональные стандарты. Это может происходить на факультетах статистики, компьютерных наук, в инженерных вузах или на отдельных факультетах науки о данных. Ключевое значение имеет образовательная философия и стандарты, а не название факультета.
Существующие инженерные фундаменты
Мы не первые, кто рассматривает науку о данных как инженерное дело. В эссе Стьюера (2020) метко отмечено, что, хотя наука о данных становится инженерным делом XXI века, её преподают с использованием двух совершенно разных подходов. Первый — это выводная модель в статистике, где цель состоит в том, чтобы делать достоверные утверждения об окружающем мире. Это контрастирует с теорией вычислительного обучения, где данные рассматриваются как примеры, а цель — усвоить общую концепцию. Стьюер отмечает (2020), что нет общей эпистемологической основы, на которой обучались бы все специалисты по данным. Мы развиваем эти первоначальные призывы к созданию общих основ и представляем размышления о том, как это могло бы выглядеть для науки о данных как академической дисциплины и профессии.
Хёрл и Сни (2015) предложили новую дисциплину, называемую статистической инженерией, для решения больших, неструктурированных, сложных проблем, сочетающую в себе множество статистических инструментов и другие дисциплины. Статистическая инженерия — это применение статистического мышления к большим, неструктурированным, реальным проблемам. Этот призыв к созданию новой дисциплины привёл к формированию Международной ассоциации статистической инженерии (ISEA). По-видимому, ISEA рассматривает статистическую инженерию как науку об интеграции и строгом применении методов, а науку о данных — как практику использования этих методов.
Пан и его коллеги (2021) предложили внедрить в инженерные области концепции науки о данных, такие как машинное обучение, и сосредоточиться на статистике. Они отмечают, что важно усовершенствовать университетскую программу и с самого начала обучать инженеров использованию науки о данных и грамотности в работе с данными (Пан и др., 2021). Мы считаем, что наука о данных должна принять эту взаимную философию. Джеральд Фридланд принял это близко к сердцу, выпустив новый учебник (Фридланд, 2023), представляющий машинное обучение с инженерной точки зрения. Стоит отметить, что инженерные подходы появляются и в смежных областях. Например, Ребекка Уиллет (2019) призвала к инженерному подходу к искусственному интеллекту.
Хотя идея науки о данных как инженерного подхода не нова, остается ряд открытых вопросов. Как должны измениться учебные программы, если мы признаем, что наука о данных — это инженерный подход? На каких компетенциях следует делать акцент? Как обучать не только точности, но и ошибкам? Должны ли специалисты по данным иметь кодексы профессиональной этики, как у инженеров? Наша цель — продолжить дискуссию о науке о данных как инженерном подходе, предлагая при этом педагогические, профессиональные и этические взгляды на эти вопросы.
Последствия для образования
Традиционные инженерные дисциплины требуют глубоких фундаментальных знаний именно потому, что инженерам необходимо понимать, когда они находятся на границе устоявшейся теории. Инженер-строитель должен достаточно хорошо разбираться в материаловедении и строительной механике, чтобы знать, когда проектная задача требует новых исследований, а когда это простое применение известных принципов.
Аналогично, специалист по анализу данных, работающий, скажем, над новой архитектурой для прогнозирования временных рядов, в идеале должен понимать: «Такое поведение сходимости странное — возможно, это затрагивает что-то фундаментальное в ландшафтах оптимизации», а не «Это просто проблема настройки гиперпараметров».
Мы хотим избежать образования, которое выпускает специалистов, умеющих использовать инструменты, но не способных распознать, когда они наблюдают нечто, противоречащее теоретическим ожиданиям, — а именно в такие моменты и возникают фундаментальные идеи. Отсутствие специализации создает как проблему определения критериев (как оценивать специалистов?), так и проблему подготовки (одна учебная программа не может удовлетворить все потребности).
Вот несколько предложений, которые помогут в продолжающихся дискуссиях по поводу учебной программы в области науки о данных.
- Основной курс линейной алгебры и теории вероятностей.
- Физика для понимания — знакомство со статистической механикой и теорией информации, рассматриваемое в контексте их связи с системами обучения, было бы чрезвычайно ценным.
- Курсы «Основы для практиков» — это курсы, специально разработанные для того, чтобы дать практикам достаточную теоретическую базу для распознавания аномалий и решения фундаментальных вопросов. Это не курс по инструменту X; скорее, «Вот что должно происходить согласно теории, и вот как это выглядит, когда вы выходите за рамки теории».
- Преподавайте надежность, тестирование и объяснимость как первостепенные понятия.
- Примеры фундаментальных открытий — обучение на примерах, таких как «как был обнаружен алгоритм Dropout» или «почему оптимизатор Adam сходится иначе, чем предсказывала теория», для развития навыка распознавания фундаментальных вопросов.
- Внедрить итоговые «лабораторные проекты», созданные по образцу дипломных проектов инженерных специальностей.
- Акцент на этике и справедливости в отношении данных.
Изменения в учебном процессе заключаются в переходе от научного подхода — например, подгонка модели для прогнозирования цен на жилье — к инженерному подходу — разработка точной модели ценообразования, понятной регулирующим органам и автоматически переобучающейся при изменении рыночных условий. Теперь студенты должны учитывать конвейеры обработки данных, версионирование, мониторинг и этику, а не только абсолютную ошибку. Студенты инженерных специальностей узнают, что системы дают сбои, и что проектирование — это итеративный процесс. Студенты, изучающие науку о данных, тоже должны это понимать.
Этика должна преподаваться как ограничение при проектировании. Вместо того чтобы добавлять этические вопросы в качестве темы для обсуждения, она рассматривается как параметр проектирования. Если наши системы не должны приводить к неравным результатам в зависимости от пола или расы, то этика становится техническим требованием проектирования, а не второстепенным моральным вопросом.
В инженерном подходе к анализу данных инструменты не являются необязательными дополнениями. Выбор правильных инструментов для обеспечения воспроизводимости, мониторинга и развертывания, автоматизации и документирования становится эквивалентом норм и стандартов безопасности в традиционном инженерном деле.
Наша система оценки студентов также меняется. Вместо того чтобы оценивать только точность или математические выкладки, мы оцениваем надежность, ясность проектирования, интерпретируемость и справедливость. Студентов следует поощрять за создание долговечных систем.
Изменения в педагогике дадут специалистам возможность:
- Читайте теоретические работы и понимайте, что в них утверждается.
- Умейте распознавать ситуации, когда эмпирические результаты противоречат теоретическим ожиданиям.
- Обладать теоретическими и физическими представлениями об алгоритмах.
- Умейте понимать, когда следует обратиться к более глубокой теории.
- Общайтесь с исследователями в смежных областях.
- Учитесь на системных ошибках
Чтобы было понятно, мы не говорим «реорганизовать все колледжи и университеты». Скорее, мы говорим: «признать науку о данных инженерной практикой и соответствующим образом структурировать образование». Инженерное дело — это способ практики, а не просто организационная категория. Инженерная концепция касается профессиональной идентичности и образовательных стандартов, а не местоположения факультета.
Предлагаемые специализации и изменения в профессиональных обществах
Если наука о данных — это инженерия, нам необходимо перейти от научной модели (ориентированной на распространение результатов исследований и академическую сертификацию) к инженерной модели (ориентированной на профессиональные стандарты, общественную ответственность и практическую компетентность). Это включает в себя специализации, обязательные к исполнению этические кодексы, технические стандарты с нормативными последствиями и аккредитацию в сфере образования. Как могут выглядеть специализации в области науки о данных? Вот один из возможных вариантов, который поможет продвинуть дискуссию.
Специалист по статистическому/экспериментальному анализу данных
- Требования к образованию: причинно-следственный анализ, экспериментальный дизайн, методология проведения опросов.
- Области применения: A/B-тестирование, оценка политики, клинические испытания.
- Основные разделы математики: действительный анализ, теория вероятности, статистика.
- Ограниченный опыт работы с: распределенными системами, глубоким обучением.
Специалист по анализу данных в области искусственного интеллекта/машинного обучения
- Требования к образованию: алгоритмы, распределенные системы, оптимизация.
- Области применения: рекомендательные системы, поиск, крупномасштабное прогнозирование.
- Основные разделы математики: линейная алгебра, оптимизация, основы статистической механики.
- Обширный опыт работы в следующих областях: разработка программного обеспечения, MLOps, масштабируемость.
Специалист по анализу научных данных/исследований
- Требования к образованию: естественные науки + статистика.
- Области применения: геномика, климатология, физика, социальные науки.
- Основные предметы по математике и естественным наукам: физика, статистика, линейная алгебра, научные вычисления.
- Основные аспекты: интерпретируемость, количественная оценка неопределенности, причинно-следственные модели.
Специалист по анализу данных в сфере бизнес-аналитики
- Требования к образованию: бизнес/экономика, основы статистики и математический анализ.
- Основное внимание уделяется: SQL, визуализации, коммуникации, знаниям предметной области.
- Применение: Панели мониторинга, отчеты, исследовательский анализ.
Программы по науке о данных и профессиональные сообщества, ориентированные на инженерные задачи, должны иметь стандарты данных, аналогичные строительным нормам. Причем не для регулирования, как в случае со строительными нормами, а для сертификации инструментов и подходов для промышленности. Это должно включать стандарты документирования данных (что представляет собой адекватная документация), протоколы проверки моделей (когда модель готова к развертыванию?), стандарты воспроизводимости (минимальные требования к вычислительной воспроизводимости), протоколы проверки на справедливость и предвзятость, а также стандарты безопасности и конфиденциальности при обработке данных. Это должны быть не академические статьи, а постоянно обновляемые стандарты, разрабатываемые и принимаемые промышленностью.
В профессиональных сообществах специалистов по анализу данных также произойдет изменение состава и приоритетов. Будет предоставлено равное пространство для практиков, а не только для академических исследователей. Инженеры учатся на ошибках (например, обрушениях мостов). Анализу данных также необходимы примеры неудач. Этика, ориентированная на последствия, будет доминировать в преподавании и публикациях. Общественное благополучие (когда специалист по анализу данных должен отказаться от создания чего-либо?), последующий вред (ответственность за то, как используются модели) и обязательные стандарты (а не просто желаемые) займут центральное место. Инженерная этика задает вопрос: «Что может пойти не так и кому может быть нанесен вред?» Этика анализа данных должна делать то же самое.
Преподавание науки о данных как инженерного дела переосмысливает понятие успеха, смещая акцент с «точности модели» на «надежность и ответственность системы». Поскольку наши системы обработки данных формируют мир, мы должны готовить специалистов по данным не просто как аналитиков данных, но и как инженеров, разрабатывающих последствия работы систем обработки данных.
Избегание ложной дихотомии
Утверждение о том, что «наука открывает, инженерия применяет», слишком упрощено. Реальность гораздо богаче. История показывает, что инженерия и наука тесно переплетаются, и многие фундаментальные научные открытия возникли в результате инженерной практики. Граница между ними проницаема и продуктивна. Наука о данных будет генерировать новые научные открытия, а специалисты по данным, совершающие научные открытия, занимаются исключительной инженерной деятельностью, а не отказываются от инженерии в пользу науки. В этом отношении название имеет второстепенное значение, поскольку инженерная концепция ценит оба типа вклада. Хотя ее педагогика и профессионализм признают, что большая часть работы — это синтез и применение, мы все же должны создавать пространство для открытий. Это гораздо более здоровая модель, чем утверждать, что все специалисты по данным занимаются фундаментальной наукой, или что те, кто создает системы, каким-то образом хуже. Рассматривая науку о данных как…
Инженерная дисциплина, которая применяет статистические, вычислительные и предметные знания для проектирования систем, основанных на данных, которые эффективно и этично функционируют на практике.
…разъясняет, почему специалисты по обработке данных ценят конвейеры и масштабируемость, почему важны воспроизводимость и ремонтопригодность, и почему науке о данных не нужно изобретать новые математические методы, чтобы стать настоящей областью. Когда мы рассматриваем науку о данных как инженерное дело, мы перестаем спрашивать: «Какая модель лучше всего?» и начинаем спрашивать: «Какая системная разработка решает эту проблему ответственно и устойчиво?» Этот сдвиг позволяет подготовить специалистов, способных мыслить комплексно, балансируя теорию, вычисления и этику — подобно тому, как инженеры-строители балансируют физику, материалы и безопасность.
Благодарности
Автор хотел бы поблагодарить доктора Билла Хардера (директора по развитию преподавательского состава и повышению качества преподавания) и доктора Родни Йодера (доцента кафедры физики и инженерных наук) за полезные обсуждения и отзывы по данной статье.
Ссылки
Блей, Д.М. и Смит, П. (2017). Наука и наука о данных. Труды Национальной академии наук, 114(33), 8689–8692.
Кливленд, У. С. (2001). Наука о данных: план действий по расширению технических областей статистики. Международный статистический обзор, 69(1):21–26
Догуджу, М., Демирчи, С., Бендекгей, Х., Риччи, Ф.З., и Медина, К.М. (2025). Систематический обзор литературы по исследованиям в области образования в сфере науки о данных для студентов. Журнал статистики и образования в области науки о данных, 33(4), 459-471.
Донохо, Д. (2017). 50 лет науки о данных. Журнал вычислительной и графической статистики, 26(4), 745-766.
Фридланд, Г. (2024), Машинное обучение, основанное на информации, Springer Cham, https://doi.org/10.1007/978-3-031-39477-5
Хёрл, Р.В. и Сни, Р.Д. (2015), Статистическая инженерия: идея, время которой пришло?, препринт arXiv, https://arxiv.org/abs/1511.06013
Мэн, С.-Л. (2019). Наука о данных: искусственная экосистема. Harvard Data Science Review, 1(1). https://doi.org/10.1162/99608f92.ba20f892
Пан, И., Мейсон, Л., и Матар, М. (2021), Инженерное проектирование, ориентированное на данные: интеграция моделирования, машинного обучения и статистики. Вызовы и возможности, препринт arXiv, https://arxiv.org/abs/2111.06223
Зальц, Дж. С. и Грейди, Н. В. (2017). Неоднозначность ролей в команде специалистов по анализу данных и необходимость создания системы управления кадровыми ресурсами в этой области. Международная конференция IEEE по большим данным (Big Data), Бостон, Массачусетс, США, 2017, стр. 2355-2361, doi: 10.1109/BigData.2017.8258190.
Штойер, Д. (2020), Время профессионализации науки о данных, Significance, Том 17, Выпуск 4, Август 2020, Страницы 44–45, https://doi.org/10.1111/1740-9713.01430
Уилкерсон, М.Х. (2025). Составление карты концептуальных основ «образования в области науки о данных». Harvard Data Science Review, 7(3). https://doi.org/10.1162/99608f92.9ac68105
Уиллетт, Р. (2019). Инженерные перспективы ИИ. Harvard Data Science Review, 1(1). https://doi.org/10.1162/99608f92.98280d4a
Винг, Дж. М., Джейнэйя, В. П., Клоэфкорн, Т., и Эриксон, Л. К. (2018). Саммит лидеров в области науки о данных, Отчет о семинаре, Национальный научный фонд. Доступно по адресу https://dl.acm.org/citation.cfm?id=3293458
Винг, Дж. М. (2020). Десять проблемных областей исследований в науке о данных. Harvard Data Science Review, 2(3). https://doi.org/10.1162/99608f92.c6577b1f
Источник: towardsdatascience.com
