Ճանաչելով տվյալների 6 ազդեցիկ կին գիտնականներին

Կանայք տեխնիկայի շարքում՝ տվյալների գիտություն

Տեխնոլոգիական ոլորտում կանայք պատմականորեն թերներկայացված են եղել: Այդուհանդերձ, աճող մղում է առաջանում ավելի շատ կանանց խրախուսելու տեխնոլոգիայի ոլորտում աշխատելու և դրանում բարգավաճման համար: Մեր օրերում կան բազմաթիվ ակումբներ և նախագծեր, որոնք աջակցում են կանանց տեխնոլոգիայի ոլորտում, ինչպիսիք են ցանցային խմբերը, մենթորության ծրագրերը և կրթաթոշակները:

ՏՏ ոլորտում կանանց թերներկայացվածությունը պայմանավորված է մի շարք պատճառներով, այդ թվում՝ նախապաշարմունքներով և նախապաշարմունքներով, մենթորների և դերային մոդելների պակասով և կառուցվածքային խոչընդոտներով: Տեխնոլոգիական ոլորտում բազմազանության խթանումը ոչ միայն արդարացի է, այլև ապացուցված է, որ այն ավելի լավ արդյունքներ է տալիս, ներառյալ ստեղծագործականության և նորարարության բարձրացումը:

Որպեսզի խրախուսենք ավելի շատ կանանց մուտք գործել ոլորտ, կարևոր է նվազեցնել ինստիտուցիոնալ և մշակութային խոչընդոտները, որոնք խոչընդոտում են մուտքն ու առաջխաղացումը տեխնոլոգիական ոլորտում: Սա ենթադրում է աջակցություն հավասար փոխհատուցման, հարմարվող աշխատանքային գրաֆիկի և աշխատավայրում ներառական մշակույթների՝ ի լրումն երիտասարդ աղջիկների և կանանց STEM կրթության խրախուսման: Մենք կարող ենք ապահովել, որ կանայք համապատասխան կերպով ներկայացված լինեն և գնահատվեն տեխնոլոգիական ոլորտում՝ ընդունելով այս քայլերը:

Այս բլոգային շարքում մենք ճանաչում ենք կանանց, ովքեր իրենց ազդեցությունն են թողել տեխնոլոգիայի տարբեր ոլորտներում՝ սկսած տվյալների գիտությունից:

Տվյալների գիտության ոլորտում կանայք նույնպես պատմականորեն քիչ են ներկայացված: Սակայն բազմաթիվ ծրագրեր ու կազմակերպություններ փորձում են փոխել սա։

Պատկերի նկարագրություն. Գրասեղանի վրա աշխատող երեք կանայք:

Տվյալների գիտությունը ներառում է վիճակագրական, ինչպես նաև հաշվողական մեթոդների օգտագործում՝ մեծ քանակությամբ տվյալներից պատկերացումներ հանելու համար: Քանի որ տվյալների գիտությունը դառնում է ավելի ու ավելի կարևոր արդյունաբերության շատ ոլորտներում, աճում է հմուտ գիտնականների պահանջարկը:

Այնուամենայնիվ, չնայած դրանց անհրաժեշտությանը, կանայք դեռևս քիչ են ներկայացված տվյալների գիտության ոլորտում:

Մի շարք ջանքեր և կազմակերպություններ խթանում են կանանց տվյալների գիտության մեջ՝ փորձելով փակել գենդերային բացը: Օրինակ, Women in Data Science-ը (WiDS) համաշխարհային կազմակերպություն է, որը տրամադրում է մենթորություն, ցանցային հնարավորություններ և կրթական ռեսուրսներ ոլորտում աշխատող կանանց: Նմանապես, կանայք մեքենայական ուսուցման մեջ (WiML) տվյալների գիտնականների և մեքենայական ուսուցման էնտուզիաստների խումբ է, որն աջակցություն է տրամադրում այս համայնքին:

Այլ նախաձեռնությունները ներառում են կրթաթոշակներ և վերապատրաստման դասընթացներ, որոնք հատուկ հարմարեցված են տվյալների գիտության ոլորտում կանանց համար: Օրինակ, Անիտա Բորգի ինստիտուտը օգնում է կանանց, ովքեր փնտրում են հաշվողականության և տեխնոլոգիաների բնագավառում՝ տրամադրելով կրթաթոշակներ և աջակցության այլ ձևեր:

Նյութերի կարգապահության դիվերսիֆիկացիան կպահանջի անհատների, կազմակերպությունների համատեղ ջանքերը և ջանասիրությունը: Մենք կարող ենք օգնել ապահովել, որ տվյալների գիտությունը օգուտ քաղի տաղանդների և հեռանկարների ողջ շրջանակից, եթե մենք քանդենք այն խոչընդոտները, որոնք խանգարում են կանանց մուտք գործել և հաջողության հասնել այդ ոլորտում:

Ճանաչելով տվյալների գիտության մեջ ամենահայտնի կանանց ազդեցությունը

Չնայած տվյալների գիտության մեջ կանանց անբավարար ներկայացվածությանը, եղել են բազմաթիվ կարևոր կին գործիչներ, որոնք նշանակալի ազդեցություն են թողել ոլորտի, աշխարհի և մեր (առօրյա) կյանքի վրա: Կարևոր է ճիշտ ճանաչել և տոնել նրանց ձեռքբերումները, ովքեր ճանապարհ են հարթել այլ կանանց համար, որոնց պետք է հետևեն: Չնայած տվյալների գիտությունը կարող է թվալ փոքր-ինչ նոր տերմին, դրա պատմությունը գալիս է 1960-ականների սկզբին, Երկրորդ համաշխարհային պատերազմին և նույնիսկ Վիկտորիա թագուհու ժամանակաշրջանին:

1. Մարգարեթ Հեմիլթոն

Պատկերի նկարագրություն. համակարգչային գիտնական Մարգարեթ Համիլթոնը լուսանկարվում է Apollo ուղեցույցի ծրագրաշարով, որը նա և իր թիմը մշակել են MIT-ում: Վարկ՝ շնորհակալությամբ MIT թանգարան

Մարգարեթ Հեմիլթոնի ամենաուշագրավ աշխատանքներից մի քանիսը նրա ներդրումն էր «Semi-Automatic Ground Environment» (SAGE) նախագծին և «Ապոլոն» առաքելություններին: Նա աշխատել է SAGE նախագծի վրա MIT-ում 1960-ականներին, որտեղ նա գրել է ծրագրային ապահովում թշնամու ինքնաթիռները նույնականացնելու համար:

1960-ականների վերջին և 1970-ականների սկզբին նա օգնել է NASA-ում Apollo առաքելության ուղղորդման և կառավարման համակարգերի կոդավորմանը, որտեղ նա ծածկագրել է «ծրագրային ճարտարագիտություն» տերմինը՝ նկարագրելու իր և իր թիմի կատարած աշխատանքը:

Նա 2003 թվականին ՆԱՍԱ-ի կողմից ստացել է Exceptional Space Act Award մրցանակը, իսկ 2016 թվականին նախագահ Բարաք Օբամայի կողմից նրան շնորհվել է Ազատության Նախագահական մեդալ։

2. Քեթրին Ջոնսոն

Պատկերի նկարագրություն՝ Քեթրին Ջոնսոնի դիմանկարը: Վարկերը՝ NASA

1960-ականների տվյալների մեկ այլ ազդեցիկ կին գիտնական է Քեթրին Ջոնսոնը, որի ամենանշանավոր ներդրումը ներառում է Միացյալ Նահանգների Freedom 7 առաքելության տվյալների վերլուծությունը և Friendship 7 առաքելության հաշվարկները:

Նրան վերագրվում է Freedom 7-ի ուղեծրի կատարյալ ուղեծրի ուղին հաշվարկելու համար տվյալների օգտագործումը: Նա նաև նպաստեց առաքելությանը, որն ուղարկեց առաջին ինքնաթիռը Երկրի ուղեծիր և Ապոլոն 11 առաքելությանը, որն առաջին մարդուն ուղարկեց Լուսին:

Նախքան ՆԱՍԱ-ում աշխատելը, նա արդեն ճանապարհ էր հարթում չներկայացված խմբերի համար, քանի որ նա առաջին երեք սևամորթ ուսանողներից մեկն էր, ով ընդունվեց Արևմտյան Վիրջինիայի համալսարանի ինտեգրված ասպիրանտուրայում:

Նրա ներդրումը ճանաչվել է նաև նախագահ Բարաք Օբամայի կողմից 2015 թվականին Նախագահական Ազատության մեդալով:

3. Ֆլորենս Նայթինգեյլ

Պատկերի նկարագրություն. Ֆլորենս Նայթինգեյլի դիմանկարը: Վարկանիշներ՝ Perry Pictures/Կոնգրեսի գրադարան, Վաշինգտոն, D.C. (LC-USZ62-5877)

Ժամանակակից բուժքույրության հիմնադիր Ֆլորենս Նայթինգեյլը նույնպես տվյալների գիտնական էր: Նա գիտակցեց հիվանդանոցներում լավ հաշվառման կարևորությունը և Թագուհի Վիկտորիայի աջակցությամբ կազմակերպեց թագավորական հանձնաժողով՝ վերլուծելու բանակի մահացության տվյալները:

Նրանց վերլուծությունը օգնեց պարզել, որ զինվորների մահվան դեպքերի մեծ մասը պայմանավորված է կանխարգելվող հիվանդություններով: Իր ազդեցությունն էլ ավելի մեծացնելով՝ Նայթինգեյլը ստեղծեց դիագրամ, որն այժմ հայտնի է որպես «Nightingale Rose Diagram»՝ ներկայացնելու տվյալները, որոնք ցույց են տալիս մահացության մակարդակի նվազումը Սանիտարական հանձնաժողովի պրակտիկաների կիրառումից հետո: Տվյալների մատչելի ներկայացումն օգնեց պաշտպանել սանիտարական նոր չափանիշները:

4. Ֆեյ-Ֆեյ Լի

Պատկերի նկարագրություն. Դոկտոր Ֆեյ-Ֆեյ Լիի դիմանկարը գրատախտակի առջև: Վարկերը՝ Ֆիլիպ Մոնտգոմերի

Դոկտոր Ֆեյ-Ֆեյ Լին ամերիկացի ականավոր համակարգչային գիտնական է, ով զգալի ներդրում է ունեցել արհեստական ​​ինտելեկտի ոլորտում:

Նրա նշանավոր աշխատանքը ներառում է 2017 թվականին Google-ում AI-ի գլխավոր գիտնական ծառայելը, ImageNet-ի և ImageNet Challenge-ի գյուտարարը և STEM-ի և AI-ի բազմազանության պաշտպանության առաջատար ջատագովը:

Նա համահիմնել է AI4ALL ոչ առևտրային կազմակերպությունը, որը կենտրոնանում է AI-ի բազմազանության և մատչելիության խթանման վրա: Դոկտոր Լին լայնորեն համարվում է արհեստական ​​ինտելեկտի առաջամարտիկ, ով մեծ ուշադրություն է դարձնում մարդկային արժեքների կարևորությանը մեքենայական ուսուցման զարգացման գործում:

5. Դոկտոր Ժանետ Վինգ

Պատկերի նկարագրություն. Դոկտոր Ժանետ Վինգի դիմանկարը: Վարկերը՝ Microsoft

Դոկտոր Ժանետ Վինգը, Կոլումբիայի Տվյալների գիտության ինստիտուտի համակարգչային գիտության պրոֆեսորը, 2006 թվականին հեղինակել է շարադրություն, որը կոչվում է «Հաշվարկային մտածողություն», որը պաշտպանում է հաշվողական մտածողության կարևորությունը՝ որպես բոլորի համար արժեքավոր հմտություն: Նա նաև զբաղեցրել է Microsoft Research-ի կորպորատիվ փոխնախագահի պաշտոնը, որտեղ նա ստեղծել է ծրագիր՝ կանխատեսելու, թե տեխնոլոգիան ինչպես կազդի հասարակության վրա հաջորդ տասնամյակի ընթացքում:

Դոկտոր Վինգի ներդրումները համակարգչային գիտության մեջ արժանացել են նրա բազմաթիվ մրցանակների, և նա մի շարք հարգված կազմակերպությունների ականավոր անդամ է, ինչպիսիք են Գիտության առաջընթացի ամերիկյան ասոցիացիան, Արվեստների և գիտությունների ամերիկյան ակադեմիան և Էլեկտրական և էլեկտրոնային ինժեներների ինստիտուտը: (Ieee), ինչպես նաեւ հաշվարկային սարքավորումների ասոցիացիա (ACM):

6. Դաֆնե Քոլլեր

Պատկերի նկարագրություն. Բժիշկ Դաֆնե Կոլլերի դիմանկարը: Վարկեր՝ Սյուն

Դաֆնե Քոլլերը համակարգչային գիտնական և ձեռնարկատեր է, ով զգալի ներդրում է ունեցել մեքենայական ուսուցման ոլորտում, մասնավորապես հավանական մոդելների և Բայեսյան ցանցերի ոլորտում: Նա իր PhD է ստացել Սթենֆորդի համալսարանում 1993 թվականին և շարունակել դառնալ համակարգչային գիտության պրոֆեսոր Սթենֆորդում, որտեղ նա համահեղինակ է վարել համալսարանի առաջին առցանց դասընթացը 2011 թվականին, որը ներգրավել է ավելի քան 100,000 ուսանողների:

Նա հիմնել է մի քանի հաջողակ ստարտափներ արհեստական ​​ինտելեկտի և մեքենայական ուսուցման ոլորտում, ներառյալ Insitro ընկերությունը, որն օգտագործում է մեքենայական ուսուցումը նոր դեղամիջոցներ և թերապիաներ մշակելու համար: Համակարգչային գիտության ոլորտում իր աշխատանքի համար արժանացել է բազմաթիվ մրցանակների։

Ճարտարագիտության ազգային ակադեմիան, Արվեստների և գիտությունների ամերիկյան ակադեմիան և Հաշվողական կենսաբանության միջազգային միությունը այն հեղինակավոր կազմակերպություններից են, որոնց անդամ է Քոլլերը: Նա առաջատար ձայն է մեքենայական ուսուցման ոլորտում և ժամանակակից տեխնոլոգիաների ամենաազդեցիկ կանանցից մեկը:

Women and Code Labs Academy

Տեխնոլոգիայի, ինչպես նաև տվյալների գիտության մեջ կանայք պատմականորեն թերներկայացված են եղել, սակայն տարիների ընթացքում կան տվյալների գիտնականների ակնառու օրինակներ: Code Labs Academy-ում մենք կարծում ենք, որ կրթությունը պետք է հասանելի լինի բոլորին, ի թիվս այլոց, հատկապես կանանց:

Մեր «Տեխնոլոգիայի կանայք» առցանց միջոցառումների շարքում, որը մենք հյուրընկալել էինք 2022 թվականին, մենք նպատակ ունեինք հնարավորություն տալ կանանց՝ կիսելու իրենց փորձը ոլորտում: Բացի այդ, մեր կորպորատիվ սկզբունքներից է բազմազանությունն ու ներառականությունը, ինչը նույնպես արտացոլված է մեր թիմի անդամների գենդերային հարաբերակցությամբ. Ներկայումս մեր ընկերության 52%-ը իգական սեռի է, իսկ 4%-ը՝ ոչ երկուական: Մենք ցանկանում ենք ապահովել, որ կրթության հավասար հասանելիություն ապահովենք արական, իգական սեռի, տարօրինակ և ոչ երկուական անհատների համար:

Բեռլինում մեր դասարանային դասընթացներից բացի, մենք առաջարկում ենք նաև առցանց ծրագրավորման դասընթացներ կիբերանվտանգության, տվյալների գիտության, UX/UI դիզայնի և վեբ զարգացման ոլորտներում: Այսպիսով, ցանկացած մարդ ամբողջ աշխարհում, անկախ սեռից, ծագումից և այլնից, կարող է հասնել իր նպատակին և սկսել իր առաջին աշխատանքը տեխնոլոգիական ոլորտում:

Իմացեք ավելին

Եթե ​​ցանկանում եք ավելին իմանալ մեր bootcamps-ի մասին կամ եթե ունեք հարցեր մեր սկզբունքների կամ արժեքների վերաբերյալ, դիմեք մեզ էլ.փոստի միջոցով կամ զանգահարեք մեզ:

Ուշադիր եղեք Eventbrite մեր սեմինարների և միջոցառումների համար Բեռլինում անձամբ, ինչպես նաև ամբողջովին հեռավոր իրադարձությունների համար:

Եթե ​​ցանկանում եք սովորել, թե ինչպես կոդավորել, վստահ եղեք, որ դուք կստանաք նույն հնարավորությունը, ինչ մյուսները, երբ սովորեք Code Labs Academy-ում:

Աղբյուրներ.

• https://www.collibra.com/us/en/blog/celebrating-four-female-data-scientists-who-changed-the-world#:~:text=Katherine%20Johnson%20is%20one%20of, իգական%20տվյալներ%20գիտնականներ%20-ից%20ամսաթիվ.

• 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