Σήμερα παίρνουμε συνέντευξη από τον Carlos J. Gil Bellosta, κάποιον που έχει αφιερώσει τη ζωή του στα στατιστικά, τα μαθηματικά και τον προγραμματισμό.
Ο Carlos J. Gil Bellosta έχει εργαστεί σε εταιρείες όπως οι Ebay, BBVA, Everis ή Barclays. Ωστόσο, είναι επίσης στατιστικολόγος, επιστήμονας δεδομένων, ενθουσιώδης R, και blogger στις ημέρες του ελεύθερου χρόνου του.
Αν και εδρεύει στη Μαδρίτη, σπούδασε μαθηματικά και στατιστικά στο Πανεπιστήμιο της Σαραγόσα και στο Πανεπιστήμιο της Ουάσιγκτον στο Σεντ Λούις των ΗΠΑ.
Το Datanalytics ξεκίνησε το 2005 και, πιο πρόσφατα, το Circiter S.L., όπου συνεργάστηκε με μεγάλα και μικρά δεδομένα. Είναι ενεργό μέλος της κοινότητας χρηστών R, έχει αναπτύξει διάφορα πακέτα, όπως τα ολοένα και πιο δημοφιλή rPython, pxR και MicroDatosEs, και είναι πρόεδρος της ένωσης χρηστών R (Comunidad R Hispano) από την ίδρυσή της το 2011.
1. Τι κάνει ο μαθηματικός προγραμματισμός; Ποια είναι η σχέση μεταξύ μαθηματικών και πληροφορικής;
Υπάρχει ένα κλασικό άρθρο, The Manager and the Moron, όπου λέει:
"(Ο) υπολογιστής δημιούργησε κάτι που δεν υπήρχε ποτέ στην ιστορία του κόσμου, δηλαδή να πληρώνει θέσεις εργασίας για μαθηματικούς." ("Ο υπολογιστής έχει δημιουργήσει κάτι που δεν υπήρχε ποτέ στην ιστορία του κόσμου - δηλαδή, θέσεις εργασίας για μαθηματικούς."
Νομίζω ότι έχεις δίκιο. Υπάρχει μόνο μια συζήτηση στο Twitter για αυτό. Συγκεκριμένα, σχετικά με το τι είναι πιο χρήσιμο για την επιστήμη δεδομένων: μελέτη μαθηματικών ή επιστήμης υπολογιστών. Έχω πει κάτι τέτοιο ότι η πληροφορική δεν μελετάται, ότι η πληροφορική είναι γνωστή (μελετάτε φυσική, οικονομικά ή μαθηματικά). Μαθαίνουμε Αγγλικά για να επικοινωνούμε με τρίτα μέρη (ανθρώπους) και μαθαίνουμε την επιστήμη των υπολογιστών να αλληλεπιδρούμε με έναν ασήμαντο τρόπο με εκείνες τις μηχανές με τις οποίες αλληλεπιδρούμε τόσες ώρες την ημέρα.
Ως μαθηματικός, εκπαιδεύομαι για να παραμείνω στη θεωρητική πλευρά των πραγμάτων. Με την πάροδο του χρόνου, αρχίζει να εκτιμά την πρακτικότητα των πραγμάτων. Για να κάνετε, να εκτελέσετε, χρειάζεστε υπολογιστές. Και ξέρετε πώς να τα προγραμματίσετε.
2. Πιστεύετε ότι ο προγραμματισμός υπολογιστών πρέπει να εφαρμοστεί στις σχολές οικονομικών και επιχειρήσεων; Γιατί;
Νομίζω ότι το έχω ήδη απαντήσει. Τα οικονομικά και τα οικονομικά είναι πρακτικοί κλάδοι. Και αυτό σημαίνει υπολογιστές. Και όχι, το Excel δεν είναι αρκετό.
3. Σήμερα, πιστεύετε ότι ένας καλός οικονομολόγος πρέπει να έχει βασικές έννοιες του προγραμματισμού;
Διαφωνώ. Βασικός? Με τιποτα. Πρέπει να είναι βαθιά. Και δεν το λέω αυτό: Συνιστώ τη σειρά άρθρων που δημοσιεύθηκαν από τον Jesús Fernández Villaverde στο NadaEsGratis σχετικά με το θέμα.
4. Ως δάσκαλος σε ιδρύματα όπως τα IE, EOI ή EAE, σε ποιες σημειώσεις αλλάζουν οι ικανότητες των μαθητών; Αντιλαμβάνεστε βελτίωση ή επιδείνωση;
Είναι όλοι πολύ διαφορετικοί ιστότοποι, με πολύ ετερογενή προφίλ μαθητών. Υπάρχουν προγράμματα που στοχεύουν σε "μεσαία στελέχη" που αναζητούν ένα επιχειρηματικό όραμα (αλλά χωρίς να βρώμουν τα χέρια τους με κώδικα). υπάρχουν για επαγγελματίες με κάποια εμπειρία. Άλλοι, που απευθύνονται περισσότερο σε πρόσφατους αποφοίτους που θέλουν να εμβαθύνουν τις ποσοτικές τους δεξιότητες … Και αυτό που με εκπλήσσει περισσότερο είναι, ακριβώς, η μη αλλαγή. Δεν βλέπω ότι οι νέες γενιές, εκείνοι που είχαν smartphone "για πάντα", δεν είναι ιδιαίτερα έξυπνοι. Το "μοντέρνο" ισοδύναμο με τον αδέξιο κώδικα αντιγραφής στο Word τραβά μια φωτογραφία του και το μοιράζεται στο WhatsApp.
Μια άλλη εκδήλωση της μη αλλαγής είναι ότι το ποσοστό των πραγματικά καλού μαθητών παραμένει σταθερό με την πάροδο του χρόνου.
5. Τι θα συνιστούσατε σε κάποιον που θέλει να ξεκινήσει τον προγραμματισμό σε θέματα που σχετίζονται με την οικονομία;
Πύθων. Σχεδόν σίγουρα η Python. Και γραφικά (με Python). Ότι ακολουθεί επίσης μερικά ιστολόγια ατόμων που δημοσιεύουν σε υποθέματα (εντός της οικονομίας) που τον ενδιαφέρουν και προσπαθούν να εμπνευστούν από αυτές τις ιδέες για να αρχίσουν να κάνουν τα πρώτα του βήματα. Η έναρξη του προγράμματος είναι δύσκολη. Γι 'αυτό είναι βολικό να το συνδυάσετε με ένα χόμπι.
6. Και σχετικά με το λογισμικό, ποια προγράμματα προτείνετε να πραγματοποιήσετε οικονομετρικές μελέτες; (R, Python, Matlab, Eviews, Stata …)
R και Python. Και επιλέγοντας ένα για να ξεκινήσω, θα έλεγα ο Python. Προγράμματα όπως Eviews, Stata ή Matlab δεν έχουν περιοδεία, επομένως μπορούν να παραλειφθούν.
7. Ως Πρόεδρος της ισπανικής κοινότητας R, έχετε κατά νου ένα έργο;
Πρώην Πρόεδρος. Για μερικούς μήνες. Τώρα η κοινότητα R Hispano βρίσκεται σε καλύτερα χέρια. Στην πραγματικότητα, η κοινότητα R Hispano διοργανώνει το XI R Users Conference, το οποίο θα είναι πολύ μεγάλο. Μεταξύ άλλων, επειδή επιστρέφουν στη Μαδρίτη.
8. Η εκπαίδευση από διαδικτυακά μέσα είναι ακόμη υποτιμημένη. Πιστεύετε ότι πρόκειται να αλλάξει; Πού τείνει η εκπαίδευση του μέλλοντος;
Νομίζω ότι είναι λάθος να εκτιμήσουμε (πάνω ή πλην) τι έχει μάθει κάποιος ή ισχυρίζεται ότι έχει μάθει (ακόμη και με επίσημο τίτλο). Πρέπει να αξιολογήσετε τι έχει κάνει κάποιος, το προσωπικό του χαρτοφυλάκιο. Υπό αυτήν την έννοια, η άτυπη εκπαίδευση (online ή όχι) αποκτά μια πολύ σημαντική αξία: αντιμετωπίζει κάποιο πρόβλημα και αναζητά τρόπους για την επίλυσή του. Η άτυπη εκπαίδευση έχει επίσης μεγάλη αξία σε μια εποχή που οι τεχνολογίες εξελίσσονται ραγδαία.
Ωστόσο, υπάρχουν πράγματα που θα παραμείνουν τα ίδια για πάντα. Μια καλή βάση (σκέφτομαι έναν καλό βαθμό ή παρόμοιο) είναι απαραίτητη για τη δημιουργία του εννοιολογικού πλαισίου όπου αυτά τα περισσότερα … μεταβατικά στοιχεία ταιριάζουν. Και πάλι, εδώ τα μαθηματικά με βοήθησαν πολύ: Νομίζω ότι ξέρω καλύτερα από άλλους τι είναι κοινό μεταξύ διαφορετικών τεχνολογιών, τι αξίζει να σωθεί και να θυμηθεί, για τις πτυχές του Kleenex (για χρήση και απόρριψη επειδή υπόκεινται σε αναθεώρηση και αλλαγή).
9. Τέλος, σχετικά με την επαγγελματική σας εμπειρία, ποιες συμβουλές θα δώσατε σε κάποιον που θέλει να αφιερωθεί σε ένα υποκατάστημα όπως το δικό σας;
Εξαρτάται από το πού βρίσκεστε, τι έχετε μελετήσει, πόσο χρονών είστε. Για παράδειγμα, θα έλεγα σε έναν νεαρό μαθηματικό: μάθετε να προγραμματίζετε καλά, μαθαίνετε τεχνολογίες που σχετίζονται με δεδομένα και πηγαίνετε στη δουλειά για μερικά χρόνια σε μια εταιρεία συμβούλων που σας εκθέτει σε διάφορα προβλήματα και επιχειρήσεις. Θα ήθελα να ζητήσω από κάποιον με περισσότερη εμπειρία να σκεφτεί ειλικρινά πού το βρίσκουν πιο δύσκολο (στον προγραμματισμό; Στη μαθηματική και / ή στατιστική βάση;) Και να κατευθύνουν τις προσπάθειές τους προς αυτή την κατεύθυνση (ίσως με online εκπαίδευση, με καλά βιβλία, με προσωπικά προκλήσεις, κ.λπ.).
10. Θα μπορούσατε να δείξετε ένα παράδειγμα του τι μπορεί να κάνει ο προγραμματισμός στην καθημερινή ζωή;
Συνήθως βάζω συνδέσμους στο Twitter για περίεργα πράγματα που τα άτομα με περισσότερο χρόνο από εμένα. Μερικές φορές, διασκεδάστε με ένα παράδειγμα όπως αυτό που θα δείξω τώρα. Που, επιπλέον, τείνουν να γίνουν μικροϊοί (ιογενή στον μικρο-κόσμο μου, έλα). Αλλά είναι συνήθως ο λιγότερο πρακτικός τύπος εφαρμογών. Αυτοί που πραγματικά αξίζουν τον κόπο είναι άλλοι πολύ πιο βαρετοί και απείρως λιγότερο επιδεικτικοί. Ωστόσο, ένα παράδειγμα είναι η προσομοίωση ενός γκολ σε έναν επίσημο αγώνα.
Κινούμενα σχέδια ποδοσφαίρου με R https://t.co/ytnkXaH8uw pic.twitter.com/vmy2EO17aM
- Carlos Gil Bellosta (@gilbellosta) 1 Απριλίου 2019