Kust leida usaldusväärset infot?

I

Hiljuti Tartus toimunud tõepõhjahäkatonil arutasin osalejate ja mentoritega küsimust: kuidas leida tõtt? Kui meil on konkreetne küsimus, näiteks “kas kofeiini tarbimine on sinu jaoks hea“, siis kust leiaksime infot, mis oleks täielik ja kallutamata? (Kui tahad laiemat ettekujutust mingist alast, annab head juhised LW artikkel “Scholarship: How to Do It Efficiently“.)

Continue reading

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.