Драгана Коцеска е алумни студент од Академијата за Data Science, која се реши да ги надгради своите знаења и вештини за визуелизација на податоци, како и да научи за најдобрите практики во индустријата.

Нејзината посветеност и амбиција резултираа со унапредување на работното место во Schneider Electric како Power Electronics & Energy Management Data Scientist.

Си поразговаравме со Драгана за нејзиното кариерно патување

Здраво Драгана, ние од Академијата за Data Science те познаваме, но што би споделила за останатите?

Здраво! Јас сум Драгана, имам 26 години и сум од Скопје. Работам како Power Electronics and Energy Management Data Scientist во најбрзо растечката индустрија за центри за податоци или data centers и сум многу возбудена што сум дел од создавањето на она што ќе биде “data center of the future”. Она што ме опушта и исполнува надвор од работното време, се проекти во областа на графички дизјан. Потоа, се интересирам и читам на теми од антропологија кои ја проучуваат суштината на нашето постоење. Активно играм падел тенис и тоа има голема улога во одржување на мојот фокус и ментално здравје.

Пред сѐ, честитки за новото работно место! Ти си наш алумни студент кој постигна извонредни резултати! Да почнеме од почеток, како ти се роди желбата за Data Science?

Интересно е што во текот на моите студии и работни ангажмани, постојано работев со податоци и нивна анализа, особено затоа што мој интерес се главно научно-истражувачки и иновативни средини. Меѓутоа, множествата на податоци со кои работев многу често беа со мал обем или пак, со квалитативна природа. Моментот кога влегов во Data Center индустријата, за првпат се соочив со обемни податоци или Big Data, каде што веќе последователно дојде потребата од совладување на нови алатки со кои процесот на обработка и анализа на податоците ќе се олесни – MATLAB и Excel веќе не беа доволни. 

Раскажи ни повеќе за твоето кариерно патување. На што најмногу се гордееш со себе?

По завршување на гимназија, се запишав на Машински факултет во Скопје на насоката мехатроника, само затоа што оваа насока обединуваше елементи од машинство, електроника и информациски технологии. Тоа беше многу добар избор, затоа што тогаш не бев сигурна во која техничка насока сакам да специјализирам, па ми требаше основа што ќе ми овозможи лесно да транзитирам помеѓу претходно споменатите научни области. Тоа и се случи, кога после работа на реални проекти на програмата за иновации на машински, одлучив да специјализирам во полето на ИТ и да се фокусирам на придонес кон одржливост (sustainability). 

Аплицирав на универзитети во Данска, само затоа што таа земја е позната по тоа што има инкорпорирано одржливот (sustainability) како суштински начин на размислување во сите сфери на општеството. Бев примена на магистерски студии во областа на информациските технологии, каде што се учеше за иновација и развој на интелигентни и одржливи продукти/системи. Во текот на магистерските работевме со Big Data и беше очекувано од нас да имаме предзнаења во областа на Data Science. 

Tака почнав во слободно време самостојно да го надградувам своето знаење во полето на Data Science и сè беше во ред, сè до моментот кога почнав да работам паралелно со студиите и увидов дека визуелизација на податоци ми е слаба страна, а тоа е еден од најважните елементи на целиот процес. Затоа, се запишав на Brainster, каде што имав брз пристап до експерти за визуелизација на податоци од кои научив за најдобрите практики во индустријата.

Дел од интензивната програма на оваа Академија е работата на реални проекти за реални клиенти кои бараат многу посветеност и време за учење. На кој начин сметаш дека посветеноста за нивно успешно совладување ти помогна да дојдеш до унапредување на твоето работно место?

Дефинитивно постои корелација помеѓу работата на проекти за време на Академијата и унапредувањето со кое се здобив на моето работно место. Имено, реализација на успешен проект на работа беше една од причините за моето унапредување, а за финализација на тој проект применив постапки за визуелизација на податоци коишто ги научив на Академијата. 

Кој модул ти беше најинтересен, а кој бараше поголем фокус и ти создаваше предизвици? Зошто? 🙂

Во текот на целата Академија предизвик ми беше, а и сè уште ми е менаџирање на времето и навремено завршување на обврските, бидејќи Академијата ја слушав паралелно со студирање, една работа во индустрија, уште една работа како асистент на универзитетот, па и со пишување на магистерскиот труд. Во однос на совладувањето на модулите немам проблем бидејќи сметам дека имам добра основа од претходно, а ако треба да изберам најинтересен модул тоа е дефинитивно модулот за машинско учење.

Твоето работно место, каде што продолжи да ги надградуваш своите знаења и вештини е компанијата Schneider Electric. Сподели ни повеќе информации за оваа компанија.

Schneider Electric е глобална технолошка корпорација со седиште во Париз, која е специјализирана за управување со енергија и решенија за дигитална автоматизација. Компанијата има неколку центри специјализирани за иновација и развој, а јас работам во еден од нив.

Во делот каде што сум јас, работиме на развој на три фазни уреди за непрекинато напојување или таканаречени UPS системи (Uninterruptible Power Supply systems), како и развој и оптимизација на апликации за мониторинг и организација на инфраструктурата на центри за податоци (data centers). Имено, UPS уредите овозможуваат континуиран проток на електрична енергија при привремен прекин на главниот извор на енергија и се дел од редовна опрема на болници, аеродроми, центри за податоци. Едни од поголемите клиенти со кои соработуваме се центрите за податоци на Google, Meta, Microsoft.

Како изгледа еден ден во животот на Data Scientist?

Неограничена слобода и креативност! Работниот модел е хибриден и работам во канцеларија/лабораторија или дома. Секој ден е различен. Она што е конзистентно е што денот ни започнува со 15 минути физичка активност – најчесто во теретаната на работа. Потоа, во мојот тим имаме 15 минутна кафе-дружба каде што дискутираме за нови идеи, вести или тековни технолошки напредоци. Многу иновациски идеи се раѓаат тому при такви неформални дискусии.

Потоа, денот изгледа различно зависно од тоа во која фаза од развој на идеја/продукт сме. На прмер, работните обврски може да бидат истражување и читање на научни трудови, тестирање на прототипови, развој на нови математички модели или алгоритми за детектирање на аномалии, ETL процеси и подготвување на податоци за тренирање на модели за машинско учење итн.   

Што подразбира опсегот на твоите задолженија? Кои алатки и техники ги користиш на дневно ниво?

Еден од проектите на кои работам е иновација и одржливост на дизајнот на UPS системите, каде користиме податоци од сензорите на еден ваков систем за да го оптимизираме неговиот животен век.  Друг проект на кој работам е иновација и развој на апликација која прикжува во реално време метрики за оптимизација на центри за податоци. Подсистемите кои го сочинуваат еден центар за податоци, генерираат голем број јаглеродни емисии и користат огромна количина на енергија. 

Поради глобалното затоплување, се донесоа многу нови закони кои ги обврзуваат центрите за податоци да се оптимизираат кон одржливо работење. Користиме математички модели и алгоритми за машинско учење во комбинација со Big Data која е генерирана од сите ИТ уреди и подсистеми на еден центар за податоци, за да го оптимизираме количеството на енергија што се користи од тие уреди, количеството на јаглеродни емисии што се генерира, како и оптимизирање на животниот век на ИТ уредите. Алатки кои ги користиме секојдневно се Databricks, Python, SQL, Power BI, Apache Spark, Terraform…

И за крај, ти посакуваме успех и продуктивност на работно место. Кој е твојот совет до сите оние коишто размислуваат да започнат да учат Data Science и што би кажала за кариерните можности кои ги нуди оваа област?

Имајќи во предвид дека во моментов на дневно ниво се генерираат околку 2,5 милиони терабајти на податоци, од корисници и конектирани IoT уреди, сметам дека познавања од областа на Data Science денес се неопходни за да го разбереме светот околу нас, независно за која гранка на индустријата станува збор или за којa намена. 

Направи чекор кон високоплатена кариера и придружи се на Brainster заедницата од 11.500 студенти. Аплицирај сега и искористи поволни услови за плаќање од 90€ рата без камата!

На Академијата за Data Science учиме преку работа на реални проекти за реални клиенти под менторство на докажани и искусни инструктори.

Закажи средба со нашиот student admission team за повеќе насоки и детали за програмата!