# Эмили Глассберг Сандс: Как машинное обучение в Coursera меняет рынок труда и подбор талантов Источник: https://www.youtube.com/watch?v=WAFleL8ICSo Канал: Startup Grind Опубликовано: 05.03.2019 --- Эмили Глассберг Сандс, вице-президент по данным в Coursera, рассказывает о том, как машинное обучение преодолевает барьеры онлайн-образования. В центре внимания — трансформация платформы из хранилища видеолекций в интеллектуальную систему, которая адаптирует учебные пути, поддерживает мотивацию и помогает выпускникам находить работу в компаниях уровня Google и Yandex. ## 🎓 Образование в эпоху ускорения: миссия Coursera [[JUMP:0:00]] Технологии развиваются быстрее, чем человечество успевает к ним адаптироваться. Ссылаясь на тезисы Томаса Фридмана, Эмили Сандс утверждает, что главная задача современных образовательных платформ — «искривить кривую адаптивности» [1:04]. Для Coursera это означает выход за рамки простого обучения. Компания стремится не только развивать человеческий капитал, но и создавать надежные сигналы (credentials) для рынка труда [0:38]. На текущий момент масштаб платформы впечатляет: * Около 40 миллионов учащихся со всего мира [1:18]. * 1500 компаний и правительственных организаций, спонсирующих обучение своих сотрудников [1:26]. * 3300 курсов, специализаций и магистерских программ от партнеров уровня Stanford, Penn, Yale и Google [1:38]. Основной проблемой онлайн-обучения Сандс называет гетерогенность аудитории: люди приходят с разным бэкграундом, целями и языковыми барьерами [1:56]. Однако эти вызовы превращаются в возможности благодаря анализу данных. ## 🕸️ Knowledge Graph: искусство находить правильный контент [[JUMP:02:51]] Эмили вспоминает свой личный опыт: в университете она записалась на сложнейший семинар по французскому экзистенциализму и поняла лишь одно — обучение начинается с выбора правильного курса [3:01]. Чтобы решить проблему подбора контента для 40 миллионов человек, Coursera разработала «Граф знаний» (Knowledge Graph). Система оперирует 40 000 навыков, связывая их по трем осям [3:39]: 1. **Контент:** какие курсы обучают конкретному навыку и на каком уровне. 2. **Карьера:** какие навыки требуются для определенных вакансий. 3. **Учащиеся:** какими навыками уже обладает конкретный пользователь. ### Практическое применение графа По словам Сандс, преподаватели вузов часто воспринимают инструменты лишь как средство. Например, обучая статистике, они не указывают в описании библиотеку **NumPy**, считая это второстепенным [5:12]. Однако студенты ищут курсы именно по названию инструментов. Внедрение графа знаний позволило Coursera предлагать десятки актуальных курсов по запросу «NumPy», которые раньше оставались незамеченными [5:37]. Интересным побочным эффектом стало саморазвитие графа: изначально он был сфокусирован на бизнесе и IT, но благодаря краудсорсингу данных от пользователей система начала сама распознавать и группировать «мягкие навыки» (soft skills) — например, управление стрессом и публичные выступления [6:03]. ## 📈 Персонализация и эффективность обучения [[JUMP:07:34]] Сандс подчеркивает, что главная стоимость обучения — это не деньги (49–79 долларов за курс), а время [7:47]. Чтобы сделать процесс эффективным, Coursera использует теорию заданий (Item Response Theory, IRT). Система анализирует 80 миллионов ежегодных попыток прохождения тестов, чтобы одновременно оценить [8:12]: * Сложность каждого конкретного вопроса. * Реальный уровень компетенции учащегося. Это позволяет создавать индивидуальные рекомендации: если пользователь силен в управлении данными, но слаб в машинном обучении, система предложит ему начать с основ нейросетей, не тратя время на пройденный материал [8:38]. ## 🤖 Машинное обучение как цифровая поддержка [[JUMP:09:18]] Первые массовые онлайн-курсы (MOOC) были просто видеозаписями лекций из аудиторий. Современное онлайн-образование должно предлагать то, что невозможно в физическом классе [9:31]. Одной из таких инноваций являются «внутрикурсовые вмешательства» (In-course help). Нейронная сеть прогнозирует, в какой момент студент может бросить учебу, основываясь на его демографии и поведении [10:12]. Вместо того чтобы заваливать всех письмами, модель точечно отправляет учебные пособия или подбадривающие сообщения (nudges) [11:17]. Результаты показали, что после запуска модели количество пользователей, считающих такую помощь полезной, резко возросло [10:52]. Система также работает с целями пользователей: * **Структурированные цели:** выбор конкретных дедлайнов. * **Неструктурированные цели:** свободные ответы о намерениях. Анализ этих данных помогает системе лучше понимать мотивацию будущих студентов [12:21]. ## 🏢 Связь с рынком труда: кейсы Yandex и Adobe [[JUMP:13:27]] Важнейшая задача Coursera — превратить обучение в карьерный успех. Спикер приводит примеры того, как крупные компании используют данные платформы для найма и ротации кадров. Бенчмаркинг навыков позволяет бизнесу видеть лучших сотрудников в определенных областях. * **Adobe:** ИТ-гигант использует платформу, чтобы выявлять среди своих бэкенд-инженеров тех, кто готов к переходу на позиции специалистов по машинному обучению [14:21]. * **Yandex:** Российский поисковик (который, как шутит Эмили, в России считают «оригиналом», а Google — «Яндексом в США» [14:46]) использует Coursera для поиска талантов из «нетрадиционной среды». Поскольку классический скрининг резюме неэффективен для людей без профильного образования, Yandex ориентируется на профили навыков, сформированные алгоритмами Coursera [15:11]. По словам Сандс, это уже привело к реальному найму нескольких студентов на позиции инженеров-программистов начального уровня [15:24]. ## 💬 Социальный аспект и будущее soft skills [[JUMP:17:28]] Отвечая на вопросы слушателей, Эмили Сандс признает, что онлайн-среде пока сложно полностью воспроизвести социальный драйв очного обучения [17:44]. Тем не менее, Coursera активно экспериментирует с форматами для магистерских программ (MBA, Computer Science), где студенты учатся когортами по 800 человек [18:50]. Для оценки командной работы и коммуникации платформа не пытается изобретать велосипед, а внедряет привычные инструменты: * **Zoom** для живого общения [19:30]. * **Slack** для командного взаимодействия и оперативной связи [19:30]. Сандс заключает, что стартапам в сфере данных важно с первого дня собирать информацию, даже если в начале пути она кажется избыточной. Только накопив критическую массу данных за несколько лет, компания сможет создавать продукты, которые действительно меняют пользовательский опыт и приносят ценность бизнесу [16:06].