Αναγνωρίζοντας 6 επιδραστικές γυναίκες επιστήμονες δεδομένων

Women in Tech Series: Data Science

Στον τομέα της τεχνολογίας, οι γυναίκες ιστορικά υποεκπροσωπούνται. Ωστόσο, υπάρχει μια αυξανόμενη ώθηση για την ενθάρρυνση περισσότερων γυναικών να εργαστούν στην τεχνολογία και να ευδοκιμήσουν σε αυτήν. Σήμερα, υπάρχουν πολλοί σύλλογοι και έργα που υποστηρίζουν τις γυναίκες στην τεχνολογία, όπως ομάδες δικτύωσης, προγράμματα καθοδήγησης και υποτροφίες.

Η υποεκπροσώπηση των γυναικών στον κλάδο της πληροφορικής οφείλεται σε διάφορους λόγους, συμπεριλαμβανομένων των προκαταλήψεων και των προκαταλήψεων, της έλλειψης μεντόρων και προτύπων και δομικών εμποδίων. Η ενίσχυση της διαφορετικότητας στον τομέα της τεχνολογίας δεν είναι μόνο δίκαιη, αλλά έχει αποδειχθεί ότι παράγει καλύτερα αποτελέσματα, συμπεριλαμβανομένης της αυξημένης δημιουργικότητας και της καινοτομίας.

Προκειμένου να ενθαρρυνθούν περισσότερες γυναίκες να εισέλθουν στον τομέα, είναι σημαντικό να μειωθούν τα θεσμικά και πολιτιστικά εμπόδια που εμποδίζουν την είσοδο και την προώθηση στον τομέα της τεχνολογίας. Αυτό συνεπάγεται την υποστήριξη ίσης αποζημίωσης, προσαρμόσιμων προγραμμάτων εργασίας και συμπεριληπτικών κουλτούρων στο χώρο εργασίας, εκτός από την ενθάρρυνση της εκπαίδευσης STEM για νεαρά κορίτσια και γυναίκες. Μπορούμε να διασφαλίσουμε ότι οι γυναίκες εκπροσωπούνται και εκτιμώνται επαρκώς στον τομέα της τεχνολογίας υιοθετώντας αυτά τα βήματα.

Σε αυτήν τη σειρά ιστολογίου, αναγνωρίζουμε τις γυναίκες που έχουν επηρεάσει διαφορετικούς τομείς της τεχνολογίας, ξεκινώντας από την επιστήμη των δεδομένων.

Οι γυναίκες στον τομέα της επιστήμης δεδομένων υποεκπροσωπούνται επίσης ιστορικά. Ωστόσο, πολλά προγράμματα και οργανισμοί προσπαθούν να το αλλάξουν αυτό.

Περιγραφή εικόνας: Τρεις γυναίκες που εργάζονται πάνω από ένα γραφείο.

Η επιστήμη δεδομένων περιλαμβάνει τη χρήση στατιστικών μεθόδων καθώς και υπολογιστικών μεθόδων για την εξαγωγή πληροφοριών από μεγάλους όγκους δεδομένων. Καθώς η επιστήμη των δεδομένων γίνεται όλο και πιο σημαντική σε πολλούς κλάδους, υπάρχει μια αυξανόμενη ζήτηση για ειδικευμένους επιστήμονες.

Ωστόσο, παρά την ανάγκη τους για αυτά, οι γυναίκες εξακολουθούν να υποεκπροσωπούνται στον τομέα της επιστήμης δεδομένων.

Αρκετές προσπάθειες και οργανισμοί προωθούν τις γυναίκες στην επιστήμη των δεδομένων σε μια προσπάθεια να καλυφθεί το χάσμα μεταξύ των φύλων. Για παράδειγμα, οι Women in Data Science (WiDS) είναι ένας παγκόσμιος οργανισμός που παρέχει καθοδήγηση, ευκαιρίες δικτύωσης και εκπαιδευτικούς πόρους σε γυναίκες που εργάζονται στον τομέα. Με παρόμοιο τρόπο, οι Women in Machine Learning (WiML) είναι μια ομάδα γυναικών επιστημόνων δεδομένων και λάτρεις της μηχανικής μάθησης που παρέχει υποστήριξη σε αυτήν την κοινότητα.

Άλλες πρωτοβουλίες περιλαμβάνουν υποτροφίες και μαθήματα κατάρτισης ειδικά προσαρμοσμένα για γυναίκες στην επιστήμη των δεδομένων. Για παράδειγμα, το Ινστιτούτο Anita Borg βοηθά γυναίκες που αναζητούν πτυχία στους υπολογιστές και την τεχνολογία παρέχοντας υποτροφίες και άλλες μορφές βοήθειας.

Η διαφοροποίηση στην πειθαρχία των υλικών θα απαιτήσει συντονισμένες προσπάθειες από άτομα, οργανισμούς και επιμέλεια. Μπορούμε να βοηθήσουμε να διασφαλίσουμε ότι η επιστήμη των δεδομένων επωφελείται από το πλήρες φάσμα των ταλέντων και των προοπτικών, εάν καταρρίψουμε τα εμπόδια που εμποδίζουν τις γυναίκες να εισέλθουν και να επιτύχουν στον τομέα.

Αναγνωρίζοντας τον αντίκτυπο των πιο διάσημων γυναικών στην επιστήμη των δεδομένων

Παρά την υποεκπροσώπηση των γυναικών στην επιστήμη των δεδομένων, υπήρξαν πολλές σημαντικές γυναικείες φιγούρες που είχαν σημαντικό αντίκτυπο στη βιομηχανία, τον κόσμο και την (καθημερινή) ζωή μας. Είναι σημαντικό να αναγνωρίζουμε και να γιορτάζουμε σωστά τα επιτεύγματα εκείνων που έχουν ανοίξει το δρόμο για να ακολουθήσουν άλλες γυναίκες. Αν και η επιστήμη των δεδομένων μπορεί να φαίνεται ότι είναι ένας κάπως νέος όρος, η ιστορία της ανάγεται στις αρχές της δεκαετίας του 1960, στον Δεύτερο Παγκόσμιο Πόλεμο, ακόμη και στην περίοδο της Βασίλισσας Βικτώριας.

1. Μάργκαρετ Χάμιλτον

Περιγραφή εικόνας: Η επιστήμονας υπολογιστών Margaret Hamilton ποζάρει με το λογισμικό καθοδήγησης Apollo που ανέπτυξε αυτή και η ομάδα της στο MIT. Πίστωση: Ευγενική προσφορά Μουσείο MIT

Μερικά από τα πιο αξιοσημείωτα έργα της Margaret Hamilton ήταν οι συνεισφορές της στο έργο Semi-Automatic Ground Environment (SAGE) και στις αποστολές Apollo. Εργάστηκε στο έργο SAGE στο MIT τη δεκαετία του 1960, όπου έγραψε λογισμικό για την αναγνώριση εχθρικών αεροσκαφών.

Στα τέλη της δεκαετίας του 1960 και στις αρχές της δεκαετίας του 1970, βοήθησε στην κωδικοποίηση των συστημάτων καθοδήγησης και ελέγχου της αποστολής Apollo στη NASA, όπου κωδικοποίησε τον όρο «μηχανική λογισμικού» για να περιγράψει τη δουλειά που έκανε αυτή και η ομάδα της.

Έλαβε το Βραβείο Exceptional Space Act από τη NASA το 2003 και το 2016 της απονεμήθηκε το Προεδρικό Μετάλλιο Ελευθερίας από τον Πρόεδρο Μπαράκ Ομπάμα.

2. Κάθριν Τζόνσον

Περιγραφή εικόνας: Πορτρέτο της Κάθριν Τζόνσον. Πιστώσεις: NASA

Μια άλλη σημαντική γυναίκα επιστήμονας δεδομένων από τη δεκαετία του 1960 είναι η Katherine Johnson, της οποίας οι πιο αξιοσημείωτες συνεισφορές περιλαμβάνουν ανάλυση δεδομένων για την αποστολή Freedom 7 των Ηνωμένων Πολιτειών και υπολογισμούς για την αποστολή Friendship 7.

Της πιστώνεται ότι χρησιμοποίησε δεδομένα για τον υπολογισμό μιας τέλειας τροχιακής τροχιάς για το Freedom 7. Συνέβαλε επίσης στην αποστολή που έστειλε το πρώτο αεροσκάφος σε τροχιά γύρω από τη Γη και την αποστολή Apollo 11 που έστειλε τον πρώτο άνθρωπο στη Σελήνη.

Πριν από τη δουλειά της στη NASA, άνοιγε ήδη το δρόμο για υποεκπροσωπούμενες ομάδες, καθώς ήταν ένας από τους τρεις πρώτους μαύρους φοιτητές που εγγράφηκαν σε ένα ολοκληρωμένο μεταπτυχιακό πρόγραμμα στο Πανεπιστήμιο της Δυτικής Βιρτζίνια.

Οι συνεισφορές της αναγνωρίστηκαν επίσης από τον Πρόεδρο Μπαράκ Ομπάμα με το Προεδρικό Μετάλλιο της Ελευθερίας το 2015.

3. Florence Nightingale

Περιγραφή εικόνας: Πορτρέτο της Florence Nightingale. Συντελεστές: Perry Pictures/Βιβλιοθήκη του Κογκρέσου, Ουάσιγκτον, D.C. (LC-USZ62-5877)

Η Florence Nightingale, η ιδρυτής της σύγχρονης νοσηλευτικής, ήταν επίσης επιστήμονας δεδομένων. Αναγνώρισε τη σημασία της καλής τήρησης αρχείων στα νοσοκομεία και οργάνωσε μια Βασιλική Επιτροπή, με την υποστήριξη της Βασίλισσας Βικτώριας, για να αναλύσει τα δεδομένα θνησιμότητας του στρατού.

Η ανάλυσή τους βοήθησε να προσδιοριστεί ότι η πλειονότητα των θανάτων στρατιωτών προκλήθηκε από ασθένειες που μπορούσαν να προληφθούν. Κάνοντας τον αντίκτυπό της ακόμη μεγαλύτερο, η Nightingale δημιούργησε ένα διάγραμμα, γνωστό πλέον ως «Διάγραμμα Τριαντάφυλλου του Αηδονιού», για να παρουσιάσει τα δεδομένα που καταδεικνύουν τη μείωση των ποσοστών θνησιμότητας μετά την εφαρμογή πρακτικών της Επιτροπής Υγιεινής. Η παρουσίαση των δεδομένων με δυνατότητα πρόσβασης βοήθησε στην υποστήριξη νέων προτύπων υγιεινής.

4. Φέι-Φέι Λι

Περιγραφή εικόνας: Πορτρέτο του Dr Fei-Fei Lee μπροστά από έναν πίνακα. Συντελεστές: Philip Montgomery

Ο Dr Fei-Fei Li είναι ένας εξέχων Αμερικανός επιστήμονας υπολογιστών που έχει συμβάλει σημαντικά στον τομέα της τεχνητής νοημοσύνης.

Το αξιοσημείωτο έργο της περιλαμβάνει τη θητεία ως επικεφαλής επιστήμονας τεχνητής νοημοσύνης στην Google το 2017, ως εφευρέτης του ImageNet και του ImageNet Challenge και ως κορυφαίος υποστηρικτής για την υπεράσπιση της διαφορετικότητας στο STEM και το AI.

Συνίδρυσε τον μη κερδοσκοπικό οργανισμό AI4ALL, ο οποίος εστιάζει στην προώθηση της ποικιλομορφίας και της προσβασιμότητας του AI. Ο Δρ Λι θεωρείται ευρέως ως πρωτοπόρος της τεχνητής νοημοσύνης που δίνει μεγάλη έμφαση στη σημασία των ανθρώπινων αξιών στην ανάπτυξη της μηχανικής μάθησης.

5. Dr Jeannette Wing

Περιγραφή εικόνας: Πορτρέτο της Dr Jeanette Wing. Πιστώσεις: Microsoft

Η Δρ Jeannette Wing, καθηγήτρια επιστήμης υπολογιστών στο Ινστιτούτο Επιστήμης Δεδομένων της Κολούμπια, συνέγραψε ένα δοκίμιο το 2006 με τίτλο "Υπολογιστική σκέψη", υποστηρίζοντας τη σημασία της υπολογιστικής σκέψης ως πολύτιμης δεξιότητας για όλους. Κατείχε επίσης τη θέση της Εταιρικής Αντιπροέδρου της Microsoft Research, όπου δημιούργησε ένα πρόγραμμα για να προβλέψει πώς η τεχνολογία θα επηρεάσει την κοινωνία μέσα στην επόμενη δεκαετία.

Η συνεισφορά της Dr Wing στην επιστήμη των υπολογιστών της έχει κερδίσει πολυάριθμα βραβεία και είναι διακεκριμένο μέλος αρκετών αξιόλογων οργανισμών, όπως η Αμερικανική Ένωση για την Προώθηση της Επιστήμης, η Αμερικανική Ακαδημία Τεχνών και Επιστημών και το Ινστιτούτο Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών (IEEE) καθώς και του Association for Computing Machinery (ACM).

6. Daphne Koller

Περιγραφή εικόνας: Πορτρέτο της Δρ Daphne Koller. Credits: Pillar

Η Daphne Koller είναι επιστήμονας υπολογιστών και επιχειρηματίας που έχει συνεισφέρει σημαντικά στον τομέα της μηχανικής μάθησης, ιδιαίτερα στον τομέα των πιθανοτικών μοντέλων και των δικτύων Bayes. Έλαβε το διδακτορικό της από το Πανεπιστήμιο του Στάνφορντ το 1993 και συνέχισε ως καθηγήτρια επιστήμης υπολογιστών στο Στάνφορντ, όπου δίδαξε μαζί το πρώτο διαδικτυακό μάθημα του πανεπιστημίου το 2011, το οποίο προσέλκυσε περισσότερους από 100.000 φοιτητές.

Έχει ιδρύσει πολλές επιτυχημένες startups στον τομέα της τεχνητής νοημοσύνης και της μηχανικής μάθησης, συμπεριλαμβανομένης της Insitro, μιας εταιρείας που χρησιμοποιεί τη μηχανική μάθηση για την ανάπτυξη νέων φαρμάκων και θεραπειών. Έχει λάβει πολλά βραβεία για το έργο της στον τομέα της πληροφορικής.

Η Εθνική Ακαδημία Μηχανικής, η Αμερικανική Ακαδημία Τεχνών και Επιστημών και η Διεθνής Εταιρεία Υπολογιστικής Βιολογίας είναι μερικοί από τους αναγνωρισμένους οργανισμούς στους οποίους είναι μέλος ο Κόλερ. Είναι ηγετική φωνή στον τομέα της μηχανικής μάθησης και μία από τις γυναίκες με τη μεγαλύτερη επιρροή σήμερα στην τεχνολογία.

Women and Code Labs Academy

Οι γυναίκες στην τεχνολογία καθώς και στην επιστήμη των δεδομένων υποεκπροσωπούνται ιστορικά, ωστόσο, υπάρχουν εξαιρετικά παραδείγματα γυναικών επιστημόνων δεδομένων όλα αυτά τα χρόνια. Εμείς στην Code Labs Academy πιστεύουμε ότι η εκπαίδευση πρέπει να είναι διαθέσιμη σε όλους, μεταξύ άλλων, ιδιαίτερα στις γυναίκες.

Στη διαδικτυακή μας σειρά εκδηλώσεων «Women in Tech» που φιλοξενήσαμε το 2022, στοχεύαμε να δώσουμε στις γυναίκες μια πλατφόρμα για να μοιραστούν την εμπειρία τους στον κλάδο. Επιπλέον, μία από τις εταιρικές μας αρχές είναι η διαφορετικότητα και η συμπερίληψη, κάτι που αντικατοπτρίζεται και στην αναλογία των φύλων των μελών της ομάδας μας: Επί του παρόντος, το 52% της εταιρείας μας είναι γυναίκες και το 4% είναι μη δυαδικό. Θέλουμε να διασφαλίσουμε ότι παρέχουμε ίση πρόσβαση στην εκπαίδευση για άνδρες, γυναίκες, queer και μη δυαδικά άτομα.

Εκτός από τα μαθήματα στην τάξη μας στο Βερολίνο, προσφέρουμε επίσης διαδικτυακά μαθήματα προγραμματισμού για την Ασφάλεια στον Κυβερνοχώρο, την Επιστήμη Δεδομένων, το Σχέδιο UX/UI και την Ανάπτυξη Ιστού. Έτσι, οποιοσδήποτε σε όλο τον κόσμο, ανεξάρτητα από το φύλο, το υπόβαθρο κ.λπ., μπορεί να κυνηγήσει τον στόχο του και να ξεκινήσει την πρώτη του δουλειά στην τεχνολογία.

Μάθε περισσότερα

Εάν θέλετε να μάθετε περισσότερα για τα bootcamps μας ή εάν έχετε οποιεσδήποτε ερωτήσεις σχετικά με τις αρχές ή τις αξίες μας, επικοινωνήστε μαζί μας μέσω email ή καλέστε μας.

Έχετε το νου σας στοEventbrite για τα εργαστήρια και τις εκδηλώσεις μας αυτοπροσώπως στο Βερολίνο, καθώς και για τελείως απομακρυσμένες εκδηλώσεις.

Αν θέλετε να μάθετε πώς να κωδικοποιείτε, να είστε βέβαιοι ότι θα έχετε την ίδια ευκαιρία με οποιονδήποτε άλλον, όταν μελετάτε με την Code Labs Academy.

Πηγές:

• https://www.collibra.com/us/en/blog/celebrating-four-female-data-scientists-who-changed-the-world#:~:text=Katherine%20Johnson%20is%20one%20of, γυναίκα%20δεδομένα%20επιστήμονες%20έως%20ημερομηνία.

• https://odetta.ai/blogs/5-female-data-scientists-that-are-paving-the-way-in-2022-1

• https://www.analyticsvidhya.com/blog/2022/03/women-leaders-in-data-science-top-influentials-from-the-industry/

• https://profiles.stanford.edu/fei-fei-li

• https://www.history.com/topics/womens-history/florence-nightingale-1

• https://www.nasa.gov/content/katherine-johnson-biography

• https://www.britannica.com/biography/Margaret-Hamilton-American-computer-scientist