Серія «Жінки в техніці: наука про дані».
У технологічному секторі жінки історично були недостатньо представлені. Тим не менш, зростає поштовх заохочувати більше жінок працювати в технологіях і процвітати в них. Зараз існує багато клубів і проектів, які підтримують жінок у сфері технологій, наприклад, мережеві групи, менторські програми та стипендії.
Недостатня кількість жінок в ІТ-індустрії зумовлена різними причинами, зокрема упередженнями та упередженнями, браком наставників і зразків для наслідування та структурними перешкодами. Збільшення різноманітності в технологічному секторі не тільки справедливо, але й доведено, що воно дає кращі результати, включаючи підвищення креативності та інновацій.
Щоб заохотити більше жінок виходити на сферу діяльності, важливо зменшити інституційні та культурні перешкоди, які перешкоджають входженню та просуванню в технологічному секторі. Це передбачає підтримку рівної винагороди, адаптивний графік роботи та інклюзивну культуру на робочому місці на додаток до заохочення освіти STEM для молодих дівчат і жінок. Ми можемо гарантувати, що жінки будуть належним чином представлені та ціновані в технологічному секторі, прийнявши ці кроки.
У цій серії блогів ми відзначаємо жінок, які вплинули на різні галузі технологій, починаючи з науки про дані.
Жінки в галузі науки про дані також історично були недостатньо представлені. Проте численні програми та організації намагаються це змінити.
Опис зображення: три жінки працюють над столом.
Наука про дані передбачає використання статистичних методів, а також методів обчислення для отримання інформації з великих обсягів даних. Оскільки наука про дані стає все більш важливою в багатьох галузях промисловості, зростає попит на кваліфікованих науковців.
Однак, незважаючи на потребу в них, жінки все ще недостатньо представлені в галузі науки про дані.
Декілька зусиль і організацій сприяють розвитку жінок у науці про дані, намагаючись усунути гендерний розрив. Наприклад, Women in Data Science (WiDS) — це глобальна організація, яка надає наставництво, можливості для спілкування та освітні ресурси для жінок, які працюють у цій галузі. Подібним чином, Women in Machine Learning (WiML) — це група жінок-науковців даних та ентузіастів машинного навчання, які надають підтримку цій спільноті.
Інші ініціативи включають стипендії та навчальні курси, спеціально розроблені для жінок у сфері науки про дані. Наприклад, Інститут Аніти Борг допомагає жінкам, які бажають отримати дипломи в галузі комп’ютерної техніки та технологій, надаючи стипендії та інші форми допомоги.
Диверсифікація матеріальної дисципліни вимагатиме узгоджених зусиль окремих осіб, організацій та посидючості. Ми можемо допомогти переконатися, що наука про дані отримує користь від повного спектру талантів і перспектив, якщо ми подолаємо бар’єри, які заважають жінкам вийти на сферу діяльності та досягти успіху.
Визнання впливу найвідоміших жінок у Data Science
Незважаючи на недостатнє представництво жінок у науці про дані, було багато важливих жінок, які зробили значний вплив на галузь, світ і наше (щоденне) життя. Важливо належним чином визнавати та відзначати досягнення тих, хто проклав шлях для інших жінок. Хоча наука про дані може здатися дещо новим терміном, її історія сягає корінням у ранні 1960-ті роки, під час Другої світової війни та навіть у період королеви Вікторії.
Опис зображення: комп’ютерний науковець Маргарет Гамільтон позує з програмним забезпеченням керування Apollo, розробленим нею та її командою в MIT. Авторство: Музей MIT
Однією з найвизначніших робіт Маргарет Гамільтон був її внесок у проект напівавтоматичного наземного середовища (SAGE) і місії «Аполлон». У 1960-х роках вона працювала над проектом SAGE в Массачусетському технологічному інституті, де писала програмне забезпечення для ідентифікації ворожих літаків.
Наприкінці 1960-х і на початку 1970-х років вона допомагала в кодуванні систем наведення та контролю місії «Аполлон» у НАСА, де вона закодувала термін «розробка програмного забезпечення», щоб описати роботу, яку виконували вона та її команда.
У 2003 році вона отримала премію NASA Exceptional Space Act Award, а в 2016 році президент Барак Обама вручив їй Президентську медаль Свободи.
2. Кетрін Джонсон
Опис зображення: портрет Кетрін Джонсон. Авторство: NASA
Іншою впливовою жінкою-науковцем із даних 1960-х років є Кетрін Джонсон, чий найпомітніший внесок включає аналіз даних для місії Freedom 7 Сполучених Штатів і розрахунки для місії Friendship 7.
Їй приписують використання даних для розрахунку ідеальної орбітальної траєкторії для Freedom 7. Вона також брала участь у місії, яка відправила перший літак на орбіту Землі, і місії «Аполлон-11», яка відправила першу людину на Місяць.
До роботи в NASA вона вже прокладала шлях для малопредставлених груп, оскільки була однією з перших трьох чорношкірих студентів, які вступили на інтегровану аспірантуру в Університеті Західної Вірджинії.
Її внесок також був відзначений Президентом Бараком Обамою Президентською медаллю Свободи у 2015 році.
3. Флоренс Найтінгейл
Опис зображення: портрет Флоренс Найтінгейл. Авторство: Perry Pictures/Бібліотека Конгресу, Вашингтон, округ Колумбія (LC-USZ62-5877)
Флоренс Найтінгейл, засновниця сучасного медсестринства, також була дослідницею даних. Вона визнала важливість належного ведення обліку в лікарнях і організувала Королівську комісію за підтримки королеви Вікторії для аналізу даних про смертність армії.
Їх аналіз допоміг визначити, що більшість смертей солдатів були спричинені хворобами, яким можна було запобігти. Щоб зробити свій вплив ще більшим, Найтінгейл створила діаграму, тепер відому як «Діаграма солов’їної троянди», щоб представити дані, що демонструють зниження рівня смертності після впровадження практик Санітарної комісії. Доступне представлення даних допомогло пропагувати нові стандарти санітарії.
4. Фей-Фей Лі
Опис зображення: портрет доктора Фей-Фей Лі перед дошкою. Авторство: Філіп Монтгомері
Доктор Фей-Фей Лі — видатний американський вчений-інформатик, який зробив значний внесок у галузі штучного інтелекту.
Її відома робота включає роботу в якості головного наукового спеціаліста зі штучного інтелекту в Google у 2017 році, будучи винахідником ImageNet і ImageNet Challenge, а також провідним прихильником захисту різноманітності в STEM і AI.
Вона була співзасновником некомерційної організації AI4ALL, яка зосереджена на просуванні різноманітності та доступності ШІ. Доктора Лі широко вважають піонером ШІ, який наголошує на важливості людських цінностей у розвитку машинного навчання.
5. Доктор Жаннет Вінг
Опис зображення: Портрет доктора Жанетт Вінг. Авторство: Microsoft
Доктор Жаннет Вінг, професор інформатики в Інституті дослідження даних Колумбійського університету, у 2006 році написала есе під назвою «Обчислювальне мислення», в якому відстоювала важливість обчислювального мислення як цінної навички для кожного. Вона також обіймала посаду корпоративного віце-президента Microsoft Research, де створила програму для прогнозування того, як технології вплинуть на суспільство протягом наступного десятиліття.
Внесок доктора Вінг в інформатику заслужив її численні нагороди, і вона є почесним членом кількох поважних організацій, таких як Американська асоціація сприяння розвитку науки, Американська академія мистецтв і наук та Інститут інженерів з електротехніки та електроніки. (IEEE), а також Асоціації обчислювальної техніки (ACM).
6. Дафна Коллер
Опис зображення: портрет доктора Дафни Коллер. Авторство: Pillar
Дафна Коллер — комп’ютерний спеціаліст і підприємець, яка зробила значний внесок у сферу машинного навчання, зокрема в області імовірнісних моделей і байєсівських мереж. У 1993 році вона отримала ступінь доктора філософії в Стенфордському університеті, а потім стала професором інформатики в Стенфорді, де в 2011 році викладала перший онлайн-курс університету, який залучив понад 100 000 студентів.
Вона заснувала кілька успішних стартапів у сфері штучного інтелекту та машинного навчання, у тому числі Insitro, компанію, яка використовує машинне навчання для розробки нових ліків і методів лікування. Вона отримала багато нагород за свою роботу в галузі інформатики.
Національна інженерна академія, Американська академія мистецтв і наук і Міжнародне товариство обчислювальної біології є одними з престижних організацій, членом яких є Коллер. Вона є провідним голосом у галузі машинного навчання та однією з найвпливовіших жінок у сфері технологій.
Жінки та Академія Code Labs
Жінки в техніці, а також у науці про дані історично були недостатньо представлені, проте протягом багатьох років є видатні приклади жінок-науковців даних. Ми в Академії Code Labs вважаємо, що освіта має бути доступною для всіх, зокрема для жінок.
У нашій серії онлайн-подій «Жінки в техніці», які ми провели у 2022 році, ми прагнули дати жінкам платформу для обміну досвідом у галузі. Крім того, одним із наших корпоративних принципів є різноманітність та інклюзивність, що також відображається на гендерному співвідношенні членів нашої команди: наразі 52% у нашій компанії складають жінки, а 4% — небінарні. Ми хочемо забезпечити рівний доступ до освіти для чоловіків, жінок, диваків та небінарних осіб.
На додаток до наших курсів у Берліні, ми також пропонуємо онлайн-курси програмування з кібербезпеки, науки про дані, UX/UI дизайну та веб-розробки. Отже, будь-хто в усьому світі, незалежно від статі, походження тощо, може досягти своєї мети та розпочати свою першу роботу в техніці.
Вивчайте більше
Якщо ви хочете дізнатися більше про наші навчальні табори або у вас виникли запитання щодо наших принципів чи цінностей, зв’яжіться з нами електронною поштою або зателефонуйте нам.
Слідкуйте за Eventbrite за нашими майстер-класами та подіями, які проводяться як особисто в Берліні, так і повністю віддалено.
Якщо ви хочете навчитися кодувати, будьте впевнені, ви отримаєте такий самий шанс, як і будь-хто інший, навчаючись в Code Labs Academy.
Джерела:
-
https://www.collibra.com/us/en/blog/celebrating-four-female-data-scientists-who-changed-the-world#:~:text=Katherine%20Johnson%20is%20one%20of, жінки%20дані%20вчені%20до%20на дату.
-
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
