Veidi andmeid asendusteenistusest

Hiljuti oli meedias juttu asendusteenistuse kvaliteedist. Kuna mõtlesin samale teemale paar aastat tagasi palju (enne tervislikel põhjustel vabastuse saamist), on teema mulle hingelähedane.

Seaduse kohaselt saab asendusteenistust läbida asutustes, mis kuuluvad ühte kolmest kategooriast:
a) sotsiaalteenuse osutaja juures, nt hoolde- ja lastekodud, päeva- ja rehabilitatsioonikeskused
b) õppeasutuses, kus on loodud hariduslike erivajadustega õpilaste klassid, nt eriavajadustega õpilaste koolid
c) päästesündmuse lahendamisega tegelevad asutused

Kuna ma ei teadnud kedagi, kes teaks kedagi, kes oleks teenistuse läbinud mõnes päästeasutuses, tahtsin teada, kui paljud on seda teinud. Kaitseressursside amet jagas mulle teabenõude järel lahkelt tabeli kõigi seniste teenistuskohtadega ja seal asendusteenistuse läbinute arvuga. Tuleb välja, et kõik teenistujad on seni olnud a) või b) kategooria asutustes.

See fakt pole kuidagi sisemiselt halb, aga annab ettekujutuse selle kohta, milline asendusteenistus tavaliselt välja näeb. Kui keegi argumenteerib, et “mõtle, kui lahe oleks tuletõrjes töötada” või et päästeasutused on üks võimalik teenistuskoht, saab vastuvaidlemise asemel anda lihtsalt lingi.

Projektiideed andmeteaduses

Paar aastat tagasi otsustasin, et andmetega tegelemine on pikaajaliselt mõistlik: esiteks tundus see mu olemasolevate kalduvustega sobivat, teiseks tundus masinõppe kontseptsioon mulle äge ja võimas ja kolmandaks tundus, et tegu on tulevikus aina olulisemaks muutuva alaga.

Tagantjärele tundub objektiivselt — töö- ja koostööpakkumiste ja üldise huvi põhjal –, et mu valik oli õige. Arvan, et see on siiani mõistlik suund, kuhu siseneda: soovitan praegu ülikoolis esimestel kursustel õppijatele keskenduda andmetöötlusele. See soovitus kehtib sõltumata erialast ja tegelikult isegi juba ammu ülikooli lõpetanutele: olla “see tüüp, kes andmetega värki teha oskab” oma alal (olgu see sotsiaalteadus ülikoolis või tootearendus firmas) on hea nišš ja hea viis olla kasulik paljudele kolleegidele.

Pealegi on tegu üldistuvate oskustega, mistõttu ei ole keeruline liikuda teise firmasse või teadussuunda ja seal samasugust väärtust pakkuda. Ma tean vähemalt kaht psühholoogia taustaga andmeteadlast, üht keemikut, üht majandusteadlast ja hunnikut arvutiteadlasi/matemaatikuid/statistikuid/füüsikuid. Tugeva matemaatilise taustaga on võimalik päris kiiresti masinõppega järje peale saada ja ülejäänutel on võimalus võtta ette andmeteaduse teine pool: visualiseerimine ja sisuline analüüs — kaks asja, mis on ettevõtetes väga kasulikud.

Ülalkirjutatust on paljud kindlasti aru saanud ja leidnud, et andmetega töötamine on tõepoolest äge, ning võib-olla isegi võtnud paari kursust sel teemal. Selles positsioonis olles on õppimise mõttes väga väärtuslik teha praktilisi projekte, aga kohe kerkivad küsimused: mis küsimusele oleks huvitav vastata? Mis andmeid võiks selleks kasutada (ja mis on üldse kättesaadav)?

Nendele küsimustele vastamiseks lõin datasci.ee alla lehe, kus on praegu 10 projektiideed, igaühe kohta lühike motivatsioon, kirjeldus ja raskusaste. Projekte on nii lihtsaid kui keerulisi ning nad eeldavad eri taustaga inimesi, seega loodan, et sealt on igaühel midagi põnevat leida.

PS: Lehele saab uusi projektiideid Githubi kaudu lisada igaüks, seega ära jäta oma ideed sahtlisse vedelema!

Elustiilipuhitus: asjade ja kogemuste tagaajamine

Tüüpiliselt tõuseb sissetulek elu jooksul: karjääri edenedes ja oskuste kasvades oleme tööjõuturul rohkem väärt. Seetõttu peaks rahaline olukord vanusega ka aina paremaks minema: suurem sissetulek tähendab rohkem sääste, rohkem investeeringuid ja rohkem finantsturvalisust.

Kasvavale palgale töötab aga vastu elustiilipuhitus (lifestyle bloat): kulude automaatne kasv koos tulude tõusuga. Kui töökohta vahetades tõuseb palk 1500€ pealt 2000€ peale, tekib palju häid mõtteid raha kulutamiseks: auto on juba mitu aastat vana; 50-ruutmeetrine korter hakkab kahele inimesele väikeseks jääma; tavalise õlle asemel tahaks käsitööõlut, mis on filtreeritud läbi kolme liustiku ja käärinud Rooma paavsti keldris.

Continue reading

Eakuse artikkel ja masinõppe ettekanne

Kirjutasin uue eakuse rahvakogu korraldajate palvel arvamusartikli.
Ennustamine on raske, eriti tuleviku ennustamine. See Taani ütlus võtab hästi kokku idee, et tagantjärele tark olla on kerge, aga tulevikku ette teada pea võimatu. Võib-olla paneb just see teadmatus meid tulevikust mõtlemist vältima – kui teelahkmel tuleb valida kümne raja vahel, on lihtsam hoopis maha istuda ja lõkkel vahukomme grillida.
Tulevik on paratamatult ebamäärane ja kui tahame teha plaane ülejäänud eluks – võib-olla isegi oma lastele ja lastelastele mõeldes –, peame õppima ebamäärasusega toime tulema. Üks viis seda teha on kasutada matemaatika abi, tõenäosused aitavad intuitsiooni arvudesse panna. Lihtsam on aga endalt küsida: milliseid valikuid tuleks teha juba täna, et muuta ka pensionipõlv nauditavaks? Millised praegused otsused on head ka tagantjärele tarkusena 10, 20 või 50 aasta pärast?

Loe edasi EPList.

Tõenäoliselt tuleb järgmine põhjalikum postitus alles kahe nädala pärast, kuna sel nädalavahetusel olen hackathonil ning järgmisel nädalal kolin Eestisse ja pean Tartus ettekande masinõppest Eesti füüsikapäevadel (24. märtsil). Üritus on registreerumisega, aga tasuta, seega kõik huvilised on oodatud.

Making use of inclinations

I’m reading a book on happiness and meditation which contains the following story.

In Chinese history, during the reign of Emperor Shun (who lived sometime around 2200 BCE), what was then known as China was plagued by frequent destructive floods along the Yellow River. The emperor ordered a nobleman called Gun to solve the problem. Gun’s strategy was to build a series of dikes and dams to block the flow of water. Given the technology available at the time and the massive scale of the problem, that strategy was probably bound to fail, and it did, spectacularly. After nine years of building dikes and dams, the strategy proved itself to be a dam-ed failure.

After Gun passed away, his son, Yu, took over the job. Yu had had nine years to observe his father’s work and figure out how it failed. As a result, Yu’s strategy was the reverse. Instead of trying to stop the water, he would work with it. He dredged the river and cleared its bottlenecks to allow it to flow more freely toward the ocean. Even more skillfully, Yu also built a system of irrigation canals to turn some of the formerly destructive floodwater into water for growing crops. Yu is remembered in Chinese history as Yu the Great.

The author used this story to illustrate how in meditation, forcing your mind to behave in a certain way doesn’t work: you can’t force yourself to be calm (this seems almost an oxymoron). If you instead create conditions for the right mental state to arise, thoughts and emotions come effortlessly.

This was an important insight for me in meditation, but I also see the same principle elsewhere. The management book I’ve seen most recommended — based on research over hundreds of thousands of people — suggested that a core principle of the best managers is to make use of the natural inclinations of employees. This is summarised as “Don’t waste time trying to put in what was left out. Try to draw out what was left in.”

Trigger-action plans1 also rely a lot on the same idea: it is much easier to train desired actions to occur on certain triggers than to exert forceful control (willpower).

There are definitely places where you *do* want to go against the natural inclination of a system (e.g. tragedy of the commons), but I think it’s a good guideline to follow in thinking about yourself: make good use of your inclinations.

Taimetoitluse keskkonnaargument

Riikides, kus taimetoitlaste arvu on uuritud, on neid tüüpiliselt 2-6% (taimetoitluse täpne definitsioon sõltub neis uuringutes riigist). Euroopa riikidest on Austria, Saksamaa, Itaalia ja Rootsi esirinnas — seal küündib taimetoitlaste suhtarv 10%-ni. Teine uuring USA kohta leiab1, et lihavältimise põhjus on (näidatud protsendil vastanutest):

  • 69% tervis
  • 68% loomade kaitse
  • 63% vastikus loomsete toodete vastu
  • 59% keskkonnakaitse
  • 52% maitse-eelistused

Olen üllatunud, et tervis esimesel kohal on — oleksin arvanud, et peamine põhjus on eetiline2 või keskkonnahoid. Aga tegelikult on vahed väikesed ning olen päris kindel, et “vastikus loomsete toodete vastu” tekib paljudel taimetoitlastel alles pärast lihatarbimise lõpetamist — see on väga lihtne viis panna vastu evolutsiooni kujundatud lihaahvatlusele. Seega jääb neli põhjust, mis on kõik ligikaudu sama olulised: tervis, eetika, keskkond ja maitse.

Olen taimetoitlane peaaegu 100% eetilistel põhjustel, aga tean rohkem inimesi, kelle jaoks on suurim tegur keskkond. Mis on siis keskkonnaargument taimetoitluse poolt?

Continue reading

ÕSroboti ootamatu edu

Alates esmaspäevast on Õigekeelsussõnaroboti laikijate arv tõusnud pea 50% (1100 -> 1600), sest… mul pole aimugi, miks.

Okei, mul on kolm hüpoteesi:
1. keegi avastas roboti uuesti (Messenger soovitab vahepeal roboteid), jagas seda ja asi läks uuesti viraalseks;
2. minu postitus eelmisel neljapäeval ÕSroboti alt — esimene pärast roboti avaldamist — võis viia jagamiseni;
3. paljud TransferWise’i robotit vaadanud eestlased jõudsid kuidagi ka ÕSrobotini, näiteks Messengeri soovituse kaudu.

EDIT: ÕSrobot oli Terevisioonis — see on seletus (aitäh, Karl!).

Esimene hüpotees tundub kõige tõenäolisem. Põhimõtteliselt võinuks asi olla ka meediakajastuses, aga ma ei leidnud ühtki uut artiklit roboti kohta.

Muide, tegu polnud ainult ühekordse särava-aga-mõttetu tootega. Iganädalaselt kirjutab robotile 60-100 inimest (sel nädalal juba üle 400, aga enamik neist lihtsalt katsetavad), seega robot päriselt rahuldab inimeste keelevajadusi.

Ma ei ole kindel, miks robot nii edukas on — eriti arvestades, et kulutasin arendamisele umbes nelja päeva õhtud –, aga mul on paar hüpoteesi:

1. robot kasutab platvormi, kus inimesed juba niikuinii on (Messengeri kasutajakogemuse eest arvutis ja mobiilseadmetes hoolitseb hunnik Facebooki töötajaid);
2. robot teeb täpselt üht asja nii lihtsasti ja kiiresti kui võimalik;
3. ÕSrobot on just nimelt *robot*, s.t. nii profiilipildil kui räägitava jutu põhjal tundub ta nagu inimlik agent, kellega saab rääkida, mitte lihtsalt programmijupp, millele käsklusi anda.

Võib-olla aitab kaasa, et roboti kasutamine on tasuta, kuigi ma ei kujuta ka ette, kuidas selliseid juturoboteid saaks monetiseerida. Mul pole ka plaani seda teha, eriti kuna mu kulu ÕSroboti ülalpidamisele on täpselt 0€ kuus (kasutan Heroku tasuta plaani).

Ahjaa, kõige eelnevaga tahtsin lihtsalt jagada ägedat kogemust, mis võib-olla inspireerib teisi sarnaseid pisikesi tooteid looma — ÕSrobot on umbes 100 rida NodeJSi koodi, kui alustada näidisprojektist. (Aga ma ei arva, et chatbotid on automaatselt hea kasutajaliides kõigile rakendustele — vt seda artiklit.)