Matthias Täschner se k programování dostal přes počítačové hry, strávil dvanáct let v armádě a dnes působí jako datový vědec na Univerzitě v Lipsku. V rozhovoru vysvětluje, proč není cílem dělat z lidí programátory, jak motivovat studenty k práci s AI a co nabídne jeho kurz na letní škole EOSC pro data stewardy.
Působím jako výzkumník a datový vědec v Data Science Centre ScaDS.AI na Univerzitě v Lipsku, které je součástí širšího kompetenčního centra pro umělou inteligenci financovaného německou vládou a spolkovou zemí Sasko. Na univerzitě pracuji od roku 2019 a moje činnost stojí na třech hlavních pilířích. Prvním je výzkum a projektový management, v jehož rámci spolupracuji s partnery z akademické sféry, průmyslu i veřejné správy na zavádění umělé inteligence a analýzy dat. Druhým pilířem je koordinace a správa IT infrastruktury. Třetím pak organizace kurzů zaměřených na umělou inteligenci a datovou vědu pro studenty, výzkumníky i zástupce veřejné správy.
Srdcem jsem IT administrátor. Baví mě nastavování, ladění a správa serverové a softwarové infrastruktury. Hned potom je to výuka. Rád předávám znalosti. Naopak administrativa kolem projektů mě baví asi nejméně.
Na to se mě lidé často ptají. Strávil jsem v armádě dvanáct let. Pracoval jsem jako velitel týmu v oblasti rádiové a satelitní komunikace. Mou hlavní náplní byla technická správa zařízení, ale také školení dalších kolegů. Bylo to dlouhé období, ale také formativní. Přišel jsem do armády v osmnácti a naučil jsem se hodně o sebeorganizaci, o strukturovaném přístupu k věcem i práci s lidmi. Také jsem se naučil, jak učit technické věci lidi, kteří vlastně o to učení moc nestojí.
Po určité době mi tahle kapitola začala připadat uzavřená. Neviděl jsem další perspektivu kromě toho, že budu dalších dvacet let dělat totéž. A nechtěl jsem pracovat na pozici, která v krajním případě vyžaduje, abych střílel na jiné lidi.
Měl jsem dvě možnosti. Buď se stát profesionálním vojákem až do důchodu, nebo po dvanácti letech odejít a vrátit se do civilního života. Zvolil jsem druhou možnost. Začal jsem dělat to, co jsem po střední škole vynechal, nastoupil jsem na vysokou školu a vystudoval data science.
Návrat byl překvapivě snadný. Nejtěžší pro mě bylo sedět ve třídě s lidmi o polovinu mladšími. Zároveň jsem měl jinou motivaci než dřív. Studoval jsem, protože jsem opravdu chtěl. Navíc jsem nikdy úplně neztratil kontakt s civilním životem.
„Přišel jsem do armády v osmnácti a naučil jsem se hodně o sebeorganizaci, o strukturovaném přístupu k věcem i práci s lidmi. Také jsem se naučil, jak učit technické věci lidi, kteří vlastně o to učení moc nestojí.“
S kolegou pořádáme kurzy pro medicínské obory, pro sociální vědy i pro veřejnou správu. Celkově bývá zpětná vazba velmi pozitivní, ale když jsem s kurzy začínal, bylo to jinak. Dělal jsem tu chybu, že jsem do kurzů dával příliš složité věci, které bavily mě, ale pro účastníky z netechnických oborů byly zahlcující. Postupně jsme kurzy upravili a teď už jsem, myslím, na dobré cestě.
Cílem není udělat z lékařů programátory, ale dát jim základní orientaci, aby rozuměli principům, uměli komunikovat s datovými vědci a mohli se dál rozvíjet. Pomáhá, když si část těch věcí vyzkouší v praxi. Pak je vidět, že programování, AI nebo data science mohou být pro jejich práci skutečně užitečné.
Velmi důležitou oblastí je zpracování přirozeného jazyka (natural language processing, NLP). Umožňuje analyzovat texty, pracovat s velkými objemy dat a interpretovat i porovnávat dokumenty.
„Cílem není udělat z lékařů programátory, ale dát jim základní orientaci, aby rozuměli principům, uměli komunikovat s datovými vědci a mohli se dál rozvíjet. Pomáhá, když si část těch věcí vyzkouší v praxi. Pak je vidět, že programování, AI nebo data science mohou být pro jejich práci skutečně užitečné.“
To je dobrá otázka. Mě původně zajímaly hlavně počítačové hry. Nejen hraní, ale i to, jak fungují. Začal jsem si hrát s kódem, třeba jen proto, abych si ve hře přidal víc zlata. Chtěl jsem hru trochu „obejít“ a upravit program. To byla moje první motivace. Postupem času se můj zájem o počítače prohluboval a během služby v armádě jsem absolvoval dvouleté odborné vzdělání v oboru IT systémový technik a další školení jako IT administrátor.
Podle mě lidem pomáhá, když jim ukážete principy – jak fungují zařízení, software nebo třeba doporučovací algoritmy na TikToku. Jakmile pochopí, k čemu jim to může být, a zkusí si sami vytvořit něco užitečného, vyřešit zajímavý problém nebo si zautomatizovat rutinní práci, začne jim to dávat smysl.
V mladším věku pak hodně záleží na rodině i škole. V některých německých gymnáziích existují speciální závěrečné projekty, během nichž studenti několik měsíců zkoumají vlastní výzkumnou otázku, většinou v STEM oborech. Spolupracují přitom s výzkumníky, například i s námi v institutu.
Neměl jsem konkrétní vzor. Rodiče mě podporovali, ale nebyli technicky zaměření. Byla to spíš náhoda a vlastní zájem, částečně ovlivněný i kamarády.
„Podle mě lidem pomáhá, když jim ukážete principy – jak fungují zařízení, software nebo třeba doporučovací algoritmy na TikToku. Jakmile pochopí, k čemu jim to může být, a zkusí si sami vytvořit něco užitečného, vyřešit zajímavý problém nebo si zautomatizovat rutinní práci, začne jim to dávat smysl.“
Nejdůležitější je zvědavost. Taky chuť učit se, schopnost řešit problémy a radost z dosažení výsledku. Podle mě je důležité zažít ten pocit, že se něco podaří. Pamatuji si třeba na své hodiny informatiky ve škole. Byly dost nudné ve srovnání s tím, co jsem už tehdy dělal sám. Bylo to jen: tohle je HTML, tohle je prohlížeč, tohle je Microsoft Word a podobně. To není moc zábavné. Myslím, že je potřeba to zasadit do nějakých zajímavých výzev.
Upřímně řečeno to byla spíš náhoda. Kolega Robert Haase, který spolupracuje s EOSC a Open Science Network, se v červnu nemohl zúčastnit, a tak oslovil mě. Školení totiž vedeme společně. Rychle jsem souhlasil, protože výuka je součást mé práce, která mě velmi baví, a možnost strávit dva dny na letní škole EOSC je skvělá příležitost.
„Nejdůležitější je zvědavost. Taky chuť učit se, schopnost řešit problémy a radost z dosažení výsledku. Podle mě je důležité zažít ten pocit, že se něco podaří.“
Plán je takový, že povedu dvě lekce. Jednu v úterý 16. června a druhou ve středu. Obě se zaměří na JupyterLab, interaktivní nástroj pro práci s daty a kódem, který se v data science používá velmi často.
V první lekci bych chtěl JupyterLab představit jako prostředí pro data stewardy, kde lze jejich úkoly řešit s pomocí AI asistenta. Nejen jako doplněk, ale jako skutečně užitečný a produktivní nástroj.
Druhá lekce na to naváže a půjde víc do hloubky, pokud jde o knihovny a nástroje v Pythonu, které lze v JupyterLabu využít pro úkoly datových stewardů. Zaměříme se například na publikování dat a dokumentace do repozitářů nebo kontrolu datových schémat u příchozích dat.
Žiju tady už skoro dvacet let. Na Lipsku mám rád, že to není anonymní velkoměsto. Všude se dostanete na kole. Lipsko má živou subkulturní scénu, spoustu barů, restaurací a menších klubů. Zároveň je na dosah ruky příroda, parky, lesy a asi pět nebo šest velkých jezer.
je výzkumný pracovník (Research Associate) v Data Science Center ScaDS.AI na Univerzitě v Lipsku, kde působí v oblasti Service & Transfer. Ve svém výzkumu se zaměřuje na témata související s analýzou a integrací dat, umělou inteligencí a vizualizací. Řídí projekty v oblasti vývoje aplikací a výzkumu ve spolupráci s partnery z průmyslu, akademické sféry a veřejné správy. Zodpovídá také za plánování a realizaci školení v oblasti datové vědy a umělé inteligence a za koordinaci IT infrastruktury v ScaDS.AI.
Iniciativa EOSC CZ úspěšně uzavřela historicky druhé volby vedoucích pracovních skupin. Nově zvolení lídři budou v následujícím období formovat směřování odborných komunit a přispívat k rozvoji správy výzkumných dat v České republice i v evropském kontextu.
Duben je po celém světě měsícem občanské vědy, přesněji aktivit, při nichž se do sběru i analýzy dat zapojuje neodborná veřejnost. Globálně jde o desítky milionů lidí, v Česku o statisíce zapojení ročně. Zapojit se do měsíce občanské vědy může kdokoli, stačí chytrý telefon, počítač a chuť podílet se na výzkumech, jejichž výsledky končí v odborných studiích i mezinárodních databázích a v některých případech dokonce výrazně urychlují samotné tempo bádání.
