מה ההבדל בין מדעי הנתונים למדעי המחשב? ואילו מיתוסים מסתובבים סביב התחום הכי מדובר בהייטק?

בפרק החדש של "מדברים הנדסה" נפגוש את יובל כץ (שנה א’) ושובל בנזר (שנה ד’), שישתפו בחוויות מהלימודים באפקה, בטיפים למתעניינים בתחום, ובסיפורים מאחורי פרויקטים מרתקים כמו אלפא וויב.

הצטרפו לשיחה כנה על הדרך לעולם מדעי הנתונים, על האתגרים וההזדמנויות שמחכות לסטודנטים – ועל מה שחשוב לדעת לפני שבוחרים במסלול הזה.

לפרקים נוספים של פודקאסט מדברים הנדסה לחץ כאן

כל האמת על מדעי הנתונים

מתארחים : יובל כץ ושובל בנזר

בפרק החדש של "מדברים הנדסה", יובל כץ (שנה א') ושובל בנזר (שנה ד') חושפים את האמת מאחורי המיתוסים הנפוצים בתחום מדעי הנתונים! הם חולקים חוויות וטיפים מהלימודים באפקה, מסבירים את ההבדל בין מדעי הנתונים למדעי המחשב, ומספרים על פרויקטים מרתקים כמו אלפא וויב. האזינו לפרק כדי לגלות את כל מה שרציתם לדעת על מדעי הנתונים🎧
/

תמלול

דובר 1: אז אני חושב שאם תיתן לי כל תחום שהוא, אז אני יכול לעבור לקחת מדעי הנתונים. מה שאתה, הכלים שאתה יכול ללמוד במדעי הנתונים, ואתה יכול להשתמש בהם, היצירתיות היא הגבול שלך. אם אתה רוצה לנתח איך שחקנים משחקים, אתה יכול לנתח, אתה יכול עם תמונה, אתה יכול לפי איך שהם מדברים, איך שהם שרים, אתה יכול לנתח את זה לפי כל, אתה יכול לנתח את זה בעצם לפי כל סוג של דאטה שאתה בוחר למדל, אתה יכול ליצור תורבנות מאוד טובות.

זאת אומרת, אתה יכול לנתח ולשפר את השחקנים. אתה יכול לבדוק אם שחקן מזהיף, הוא לא באמת שחק טוב. אנחנו יכולים לבדוק את הדברים האלה.

דובר 2: מדברים הנדסה. הפודקאסט של אפקה. המכללה האקדמית להנדסה בתל אביב.

והפעם...

דובר 1: היי, אני שובל. שובל בנג'ר. אני שנה ג' ולומד כאן מדעי הנתונים באפקה.

אני יובל. קאץ בן 25 מגן יבנה. גם שנה א' למדעי הנתונים באפקה.

ובאתי לשאול אותך כמה שאלות. יאללה, בוא נתחיל. למה בעצם בחרת מדעי הנתונים?

זה השאלה הראשונה. גם אני התחברתי עם זה. למה בחרתי בעצם מדעי הנתונים?

אז לכל אחד יש את ה... למה הוא בוחר במקום מסוים, למה הוא מתחבר. אני יכול להגיד שאני באופן אישי מאוד התחברתי לנתונים תמיד.

כי תמיד ראיתי את זה באיזה שהם משחקים. או אם ראיתי את זה במוטיבציה מאוד חזקה שבצבא, בשירות הצבאי שלי. אז יצא לי לעבוד עם כזה מסעדי נתונים של אנשי מילואים.

ואז הייתי גם פוגש אותם בשטח. ואז פתאום הייתי רואה את ההשפעה של פתאום מה קורה כשאתה עושה כמה שינויים. ואז פשוט רציתי לקחת את הרצון הזה וללמוד כלים שיעזרו לי בצורה משמעותית.

דובר 2: יפה.

דובר 1: אז ממש נגעת בזה. כן. אני מרגיש שכאילו אני גם יכול לעשות עכשיו הרבה יותר דברים.

והיצירתיות שלי ממש כאילו... הזמן שלי זה הגבול. זאת אומרת שיש יצירתיות גם בתוך כל המספרים והמחשבים והדברים הריאליים האלו.

אז זהו. אני חושב שאתה מביא את היצירתיות ואת מה שאתה אוהב לעשות. ואז אתה יכול להשתמש בכלים ובטכניקות מאוד מאוד טובות ושימושיות.

שאגב אנחנו רואים אותם גם בשוק. אתה יכול להשתמש בהם למה שאתה רוצה. ניס.

מגניב. ממש מגניב. אני האמת שהתחלתי...

התחלתי מדעי המחשב לפני שלוש שנים ופרשתי ברייכמן. הרגשתי גם אומץ אחרי הצבא וגם שן יחס אישי. ובהכלל התחלתי למדעי הנתונים בגלל שאני אוהב מתמטיקה, אוהב מספרים, אני אוהב לפתור דברים.

זה קצת מוזר כשאומרים לך אתה אוהב מתמטיקה כי יש לה הרבה אנשים חוויה לא טובה מהתיכון ממתמטיקה. כן. האמת שאני אהבתי.

אני האהבה השונה שאהב. תראה, אני חושב שמתמטיקה יכולה להסביר הרבה מאוד דברים. אולי, כשאתה חושב על זה לעומק זה משהו שיכול להסביר אולי הרבה דברים שאנחנו גם לא יודעים גם היום.

ואם אנחנו מבינים מתמטיקה בצורה טובה, אנחנו יכולים מאוד להתקדם קדימה. כן, מגניב. ובטח לספי של הכסף, כאילו.

זה גם איזשהו גורם. כן, זה כמו שיודעים, אם תחפשו כאילו באינטרנט מה המקצוע הכי רווחי אז כאילו זה יהיה המקצועות האלו. אז כן, למה לא?

בחוץ מזה אני גם אוהב מאוד משחק ולמדתי משחק. זה התעכביבים שלי והפאנל, והתחלתי את התואר הזה בשביל kokל את עצמי בצורה טובה. אז מעניין אותי גם לדעת אם אני יכול איכשהו לחבר את התחביבים שלי ואת כל התחומי העניין שלי.

אם זה משחק, אם זה עיצוב, אם זה דברים שהם יותר אומונותיים בתוך כל התחום הזה. אז אני חושב שאם תיתן לי כל תחום שהוא, אז אני יכול לעבור לקחת מדעי הנתונים, ממש את הכלים שאתה יכול ללמוד במדעי הנתונים, ואתה יכול להשתמש בהם, ושוב, כמו שאמרתי בהתחלה, היצירתיות היא הגבול שלך. כי אתה בעצם, נגיד, אם אני אקח משחק לדוגמה, אז אתה יכול לקחת ואתה רוצה, אם אתה רוצה לנתח איך שחקנים משחקים, אתה יכול לנתח, אתה יכול עם תמונה, אתה יכול לפי איך שהם מדברים, איך שהם שרים, אתה יכול לנתח את זה לפי כל, אתה יכול לנתח את זה בעצם לפי כל סוג של דאטה שאתה בוחר למדל, אתה יכול ליצור תובנות מאוד טובות.

זאת אומרת, אתה יכול לנתח ולשפר את השחקנים, אתה יכול לבדוק אם שחקן מזעף, הוא לא באמת שחק טוב, אנחנו יכולים לבדוק את הדברים האלה. נייס. ממש אפשר לבחון, לשפוט, לבקר, לראות מה רמת האמינות של כל...

או, עכשיו אנחנו כבר נכנסים קצת לחלק של סטטיסטיקה, אבל נגיע לזה, זה עוד יגיע, אוקיי. נייס. יש איזשהו פרויקט או משהו מעניין שעשית, שאתה רוצה לספר לי?

בטח, אז לי יצאה להיות חלק מתוכנית שנקראת Alpha Wave של המוטט Brainstorm Israel, שבעצם זה הייתי חלק מצוות אורגני של חמישה משתתפים, ובעצם אני הייתי החלק הטכני בצד הזה, זאת אומרת שהייתה איתנו גם מהנדס, הייתה איתנו איש פרודקט, הייתה איתנו שתי קליניות, והיה אותי, שאני בעצם צריך לתת פה איזשהו פתרון אלגוריתמי, או פתרון של איך אנחנו רוצים שזה יעבוד בצורה חכמה. ולי התמזל מזלי שיצא לי באמת להרחיב את ההרחיות שלי במהלך הפרויקט. בפרויקט עצמו זה היה בעצם, Alpha Wave נוצר כדי בעצם לתת מענה בתחום הביו-רפואי לכל מיני בעיות קיימות היום בשוק.

עכשיו, זה נתן גם איזשהו מקום שהיה לנו שיתוף פעולה עם חברות, שזה משהו שהוא לא מובן מעולה לעשות בשלב, גם בלימודים, כבר לעבוד מול חברות, וגם לפתח כלים שהם מאוד מתקדמים. אז אצלנו, אנחנו עסקנו בתחום עם קטועי ידיים, המלחמה, ובעצם לקטועי ידיים יש להם כאב שנקרא כאב פאנטון. אנחנו רצינו לתת פתרון שהם יוכלו גם לעשות, גם להמשיך את הטיפול בבית, וגם לנסות אולי שזה יהיה נוח לטווח הארוך.

אז הדרך שבה פתרנו את זה, זה בעצם לנסות לחשוב על כמה שפחות אמצעים נוספים. בנינו איזושהי אפליקציה, פלטפורמה, שהייתה מבוססת ראייה ממופשבת, שזה חלק מהקורסים של לימודים ומדעי הנתונים באפקה. ואני לא הייתי יכול לקבל את הידע הזה, אם לא היה לי את הידע המקדים הזה.

ובעצם, לפי ראייה ממופשבת, אתה יכול ממש לזהות את התמונה, וככה בנינו בעצם מודל שזיהה, הוא עשה כל מיני דברים. אבל בגדול, החלק מאוד חשוב שלו, שזה זיהה בין אנשים שהם קטועים. והיום לא היה עד לנקודה הזאתי, שזה חבל, כלים שיודעים לזהות קטועי ידיים, אפילו ידיים קטועות.

וזה עוזר בתהליך שאתה רוצה נגיד להלביש יד וירטואלית על בן אדם ולשחק משחק, ואז הוא יתרגל לתחושה החדשה שלו עם היד הזאתי, אז זה חלק מזה. וזה לגמרי היה הזדמנות מעולה, שאני מרגיש שמאוד פיתחה אותי קדימה, גם בעבודה מול בצוות, גם בעבודה מול אנשים, גם בעבודה להגיש מוצר. נרים מוצר מאפס, וגם תהליך השיבה הכל, אפשר להגיד גם שזה עוברת בצורה של, הרבה פעמים התוכניות אקסלרציה האלה, הם עובדים בצורה של שתי שלבים, שאתה מתחיל בשלב הראשון צוות גדול, מספר מאוד גדול של נגיד היה 12 צוותים, כפוי 5 משתתפים, ואתה מצטמצם לשישה, ואז אחרי זה יש לך השלושה הראשונים, או השניים הראשונים, או המקום הראשון בלבד, מקבלים תוכנית מענקים.

ככה זה הרבה פעמים עובד, ולא הייתה לי את האפשרות להבין את זה, אם לא הייתי פשוט עושה את זה תוך כדי הלימודים. כן, זה נשמע מטורף. והגעתי לזה דרך אפקה.

והם עזרו לך גם תוך כדי, התייעצו יורך? בטח, הצלתי להתייעץ עם הראש חוג, עם ליאור, דוקטור ליאור אוזנצוויגי, שהוא הראש חוג של מדעי נתונים, וצלתי ממש להתייעץ איתו תוך כדי התוכנית, ולהסביר לו איפה אני בדיוק עומד, ומה הלבטים שלי, ממש עזר לי עם זה. מה שאני רואה עם הסטודנטים שהייתי בשנה, יש קורסים שהם לא כל כך פשוטים.

וזה ידוע שזה קורסים מאוד מאתגרים, שלא חיכה לעבור אותם. יש איזשהו קורס שאתגר אותך, יש איזושהי דרך שהצלחת להתמודד איתו. אני חושב שאצל כל אחד זה איזשהו מקום שנופל לו הסימון.

כאילו, בצורה מסוימת, וזה משהו קריטי שהעזר לו בלימודים. בשבילי זה הגיע בשנה השנייה, בקורס אנליזה הרמונית, שהרגשתי שאני, אוקיי, מצאתי את הדרך שלי, איך אני רוצה ללמוד. ואם אני מתחיל בזה שאני מסכם באופן פעיל את מה שהמרצה אומר במילים שלו, ואז אחרי זה אני מוסיף את זה למצגות שלו, ואז אחרי זה אני מוסיף את זה גם, ומנסה לשכתב את זה לצורה יותר ברורה, ואז אני גם פותר תרגילים.

אז יש גם תמיד בכל קורס שיש באפקה, יש תרגילים מצורפים, ויש לך גם פתרונות, וזה מעולה. זה ממש עוזר, כאילו, שאתה לא לבד בזה. אבל אז גם אתה עובר, ואתה כאילו, יש לך ממש את הדרך שאתה יכול לבחון.

וזה היה בשבילי הנקודה הזאתי. כמובן שאני חושב שיש הרבה קורסים קשים, אבל בסוף מתמטיקה, וזה צריך לא להפחיד הרבה אנשים, מתמטיקה לא עובד בצורה שהיא מאוד מאוד קשה. תמיד יש לך מדרגות מסוימות, ותמיד הדבר הבא שאתה לומד, הוא יכול להיות מדרגה גדולה, אבל הוא לא בלתי אפשרי בשום שלב, כי יש אנשים שלמדו את זה.

וזה לגמרי אפשרי, זה מה שאני בא להגיד. כן, האמת שאני גם ככה הרגשתי בהתחלה, זה היה לי פשוט טוב עבור, לא הבנתי כלום, הייתי בחרדות ממש, שאני פשוט לא עבור כלום. אבל ממש לקראת תקופת המבחנים, ותוך כדי אני פשוט הבנתי שזה אפשרי, ובאמת דפו דפו כאילו עברתי את הסמסטר א' כמו שצריך.

אז כן, מאמין לך. זה כדאי. אצלי זה היה במקום אחר, שכאילו אני הייתי לומד דברים מאוד מאוד כאילו מגניבים, וגם כאילו היה לי קשה כזה וואו, מה אני עושה עכשיו?

והייתי צריך זמן להקל את זה, וזה היופי שבזמן לימודים, אתה יכול להקל את הרעיונות האלה, ואחר כך כשאתה חוזר עליהן שוב, ואתה פוגש אותן, ואתה משתמש בכלים גם מאלגברה לינארית בשנה ג' כי זה הבסיס, אז אתה בעצם, אתה אומר אוקיי, וואי, אני ממש זוכר שזה היה עניין גדול בשבילי ללמוד למשל ממדים באלגברה לינארית, זה היה וואו, ועכשיו זה כאילו, זהו, עכשיו זה ברור. אבל זה לא היה ברור, וזה חלק מהעניין שאתה צריך גם זמן להקל את החומר. כן, לגמרי, פשוט לתרגל.

יש לי מורמה יסודית שהייתה אומרת לי, לא תרגלת, לא הצלחת. זה הדרך להצלחה. זה פשוט זה, כן.

אז הדרך להתמודד כאילו עם ההבנה הזאת שאתה, וואו, למדתי את הדבר החדש, זה מטורף, איך אף אחד לא חושב על זה. כן. אז אתה צריך להקל את זה.

כן, ורגשת את הסיפוק של אחרי זה, זה נורא. כשאתה מקבל את מה שאתה עובד בשביליו קשה, זה בהחלט מספק. כן.

אז מה אתה חושב לגבי זה שסטודנטים, כאילו אנשים שרוצים להתחיל ללמוד, מתלפטים מדעי המחשב או מדעי הנתונים? מה היית אומר לאנשים שהולכים למדעי המחשב? אני רואה הרבה אנשים שהולכים למדעי המחשב, והם עושים, מוכרים איזשהו סוג של התמחות בלמידת מכונה, והבעיה בדבר הזה, שמדעי הנתונים זה תואר שנוצר שהוא מיועד נטו, כדי להתאים אותך לתפקידים שהאופק שלהם הוא בעולם של מדעי הנתונים.

זאת אומרת שבתואר של מדעי הנתונים, יש לך הרבה קורסים שאין אותם במדעי המחשב, והם קריטיים כדי שאתה תצליח באמת כמדעי הנתונים. זאת אומרת שהבסיס, לדוגמה הבסיס המתמטי שלך, צריך להיות ממש ממש חזק. זאת אומרת שצריך שיהיה לך מגוון רחב של קורסים מתמטיים בתואר, ולפעמים המדעי המחשב מפספסים את זה, וזה פוגש בהמשך, כי אתה פשוט מוגבל בסט יכולות שאתה מביא איתך, אם אתה רוצה להביא את זה איתך לעבודה, אז יכול להיות שהם מועמדים אחרים יהיה להם את זה, אז זה בעיה.

אז אני יכול להגיד לדוגמה שמדעי הנתונים, המגוון הרחב של קורסים הסטטיסטיים הוא גדול משמעותית. יש לך גם קורסים מתמטיים נוספים שמדעי המחשב לא עושים אותם בכלל, וגם יש לך קורסי בחירה שאתה עושה אותם, וזה גם נושאים מאוד מאוד מתקדמים, שבגלל שאתה כל כך מתמקצע במדעי הנתונים, אתה יכול להגיע אליהם כבר בתואר הראשון שלך, וזה ממש עד הטכנולוגיה של היום. אני רגע רוצה להגיד גם שכשאני התחלתי את התואר, אז היה כזה 2022, וחודש אחרי שהייתי בתוך הלימודים, אז גם יצא ChatGPT 3, ואני חושב שChatGPT 3 זה היה גם נקודה מאוד מאוד חזקה, שהשוק AI מאוד מאוד התפוצץ קדימה, והיום כולם כאילו לא מכיר בן אדם שלא יודע מה זה ChatGPT, או שהוא לא עובד עם זה שעות ארוכות, אבל גם יש פה את המקום של, אוקיי, היינו מחזור הראשון של הפקס, זאת אומרת שזה תואר מאוד חדש, אז זה גם מאוד מצוין בקטע הזה של הרבה מהקורסים, אז הם עוברים איזשהו התכון, וגם קורסים חדשים לחלוטין, כדי להתאים את עצמם למה שקורה היום בשוק, כי באמת יש לך מידע חדש שהוא, באמת, הקורסים שהספר של הקורס ממש נכתב חודשיים לפני שאני קורא אותו, וזה מצוין, כי אתה פשוט לומד את הנושאים הכי רלוונטיים, מודרנים, וזה פשוט משאיר אותך בעניינים. צריך אחר כזה עם חברים לחשוב כזה, מה אני הולך לעבוד כאילו בסוף התואר?

אז זה עדיין לא לגמרי, זה עוד לא הלם. זה עוד לא הלם, הבנתי. אז אני יכול להגיד שאצלנו, שוב, יש לנו אנשים שכבר עובדים בתעשייה, במחזור שלי, אני יכול להגיד שהשיח הזה קיים, אבל אנחנו גם מאוד יודעים את התשובות, אנחנו כבר יודעים מאוד מה התפקידים שאפשר להגיע איתם ממדעי הנתונים, זאת אומרת, אם אני יכול רגע להסתכל על תחום הרחב של מדעי הנתונים, אז יש לנו מדען נתונים, שבעצם עושה את התהליך לטפל בנתונים, בוחר את המודלים הרלוונטיים למידת הנכונה, והוא יודע לקחת את התוצאות של המודל החכם, והוא יודע להסיק מזה מסקנות, שזה בעיניי החלק הכי חשוב, הערך הכי גדול שאנחנו יכולים להביא. כי בעצם יכול להיות הרבה פעמים מצב שאנחנו נראה מספרים, או נראה לא יודע מה, איזה שהם אפילו תוצאות קוד שלא ראויות להרבה אנשים, ואנחנו נצטרך עם הדומיין והידע הספציפי שלנו, לבוא ולהגיד, אוקיי, אנחנו יכולים לגזור מזה החלטה עסקית שיכולה להשפיע. שוב, בכל מקום, זה יכולה לשפר אנשים, זה יכולה לחסוך עלויות, זה יכולה לייצר עלויות, זה יכול לעשות הרבה מאוד דברים.

אבל דרך העסקת מסקנות הזאת שלנו, אנחנו יכולים לעשות את זה, וזה חשוב. זה בעצם משפר כל תחום בכל עסק, בכל תחומי החיים. כן.

זה מטורף. כן, אבל צריך לדעת ללמוד ולעשות את זה טוב, וזה לא פשוט. גם זה טוב שהתחיל רק לפני שלוש שנים הוא נפתח.

נכון. ואתה מחזור ראשון. נכון.

אני מסתכל על זה כאיזה סוג של גאווה, כי אני חושב שכשליאור דיבר איתנו פעם ראשונה כשפתחנו את המחזור, ופתחנו את התואר, אז אני חושב שלא ידענו כל כך למה אנחנו ניכנס, ואני מאוד מאוד שמח על הדרך שבה אני מרגשתי בתואר עד עכשיו. היה לי יחס אישי מדהים, והתכונים שנעשו שהתאימו את התואר החדש הזה לצרכים הנוכחים של השוק. אני חושב שזה עשה שינוי משמעותי.

אני חושב שהכמות הידע שאנחנו רוכשים הוא לא מובן מאליו בהקשר של... אנחנו לומדים פה חומר לא פשוט ואינטנסיבי. זאת אומרת, אני מרגיש שביחס, שוב, למתחרים בשוק, אני ממש לומד את מה שצריך להיות.

אני לא מרגיש שחסר לי מידע. זה מה שחשוב לי. אני מרגיש שאני לומד במקום שמחת ידע, אני לא מרגיש הבדל.

וזה נהדר. מדהים. איך אתה יכול לספר כזה על החוויה שלך?

האמת שיחס ממש מחבק ועוטף, ויחסית ללימודים הקודמים שלי ברייכמן, עם כיתה עם 150 תלמידים, ולבוא ולשאול שאלה זה די מפחיד, ולא בטוח שהוא בכלל יתייחס אליך, או יענה לך לגמרי. אבל מה שכן, מה שפה, באפקט אני מרגיש שאתה יכול לשאול כל שאלה שאתה רוצה, גם הם נותנים לך יחס מאוד מאוד, שתרגיש בנוח לשאול מה שאתה רוצה. והם מתעניינים בך, והם שואלים, הבנת או לא הבנת?

וגם אם אתה עושה להם פרצוף כזה של, לא, כאילו, לא, וכאילו לא באה לך עכשיו, ואתה עדיין התעכב מזה, הם יבואו. וזה מרגיש לי מהרבה הרבה מרצים, והם מתרגלים פה, ואני באמת אהב פה. ממש אני אוהב.

ואגב, רק חשובה שצריך להגיד, לפעמים אתם תיצור מהשיעור, אתם לא הכי תבינו מה הלך בשיעור, וזה בסדר, כי פשוט חוזרים על הנושא עוד פעם, ומתרגלים אחר כך את השאלות, ואחר כך רואים שאלות ממבחנים. וזהו, וזה קל. בסוף זה יורד, זה מתחבר, זה...

וואי, אז היה לי ממש כיף לשמוע אותך, ואתה ממש מרגיע אותי, וממש מצפה לראות מה יהיה לי במשך הלימודים. אני יכול להגיד שהעניין שלך, הסקרנות שלך, זה משהו שהוא מאוד מאוד חשוב ללימודים. אני חושב שזה מה ש...

זה מה שאני רואה את עצמי כאילו, כשאני התחלתי ללימודים, וזה... היה לי שיחה ממש נהדרת איתך. אני ממש לשמוע אותך.

דובר 2: מהמם.