Windhager-Pokol Eszter

Windhager-Pokol Eszter vagyok, head of Data Science pozícióban dolgozom a Starschemánál valamint a CEU Business Analytics képzésében tartok órákat vendég oktatóként. Két meetup szervezésében veszek részt, az egyik az R-Ladies Budapest meetup csoport, ahol lányokat tanítunk R-ben programozni, a másik pedig a PyData meetup, ami 2020 márciusában fog elindulni.

Nem utolsó sorban pedig családanya is vagyok, van két kislányom. Sokkal több minden érdekel, mint amire időt tudok szánni, de igyekszem a hobbijaimat nem elhanyagolni. Trombitán játszom a Csepeli Auth Henrik Fesztivál Fúvószenekarban.

Szeretek olvasni, elsősorban science fiction könyveket, amelyek segítenek a képzelőerő tágításában és motivációt adnak új dolgok kipróbálásához és felfedezéséhez, valamint gondolkodásra késztetnek arról, hogyan oldhatunk meg olyan problémákat, amelyeket ma még reménytelennek látunk. A sport is fontos része az életemnek: reggelente futok, télen síelek, jó időben pedig kirándulok a családommal.

Mi szerettél volna lenni?

Mi az, amivel nap, mint nap foglalkozol a munkahelyeden?

Mit gondolsz, mi ennek az iparágnak a legnagyobb vonzereje? És mik a leghamisabb mítoszok?

Az adatelemzés és data science területek nagyon változatosak. Ugyanazzal a módszertannal lehet hitelkockázati modelleket fejleszteni, mint orvosi diagnosztikai elemzéseket készíteni. Rengeteg terület közül lehet választani, mindenki megtalálhatja azt az iparágat amihez szívesen hozzájárulna. A másik előnye ennek a munkának, hogy a technológia, az algoritmusok folyamatosan fejlődnek, így mindig lehet új dolgokat tanulni és egyre több problémát egyre jobban meg tudunk oldani. Amellett, hogy érdekes és hasznos munkát végezhetünk, a viszonylag magas fizetések is vonzóak ezen a pályán. Az adattudománnyal kapcsolatban a legtöbb félreértés talán a mesterséges intelligenciával kapcsolatos. Egyrészről sokan félnek attól, hogy a számítógépek egyszer öntudatra ébrednek és leigázzák az emberiséget, másrészről pedig a mesterséges intelligencia kifejezést összemosták a data science-szel, és sok esetben egy egyszerű statisztikára is mesterséges intelligenciaként hivatkoznak. Ezzel szemben a valóság az, hogy a jelenleg működő módszerek csak nagyon szűk területen előforduló problémákat tudnak megoldani és a megoldások néhány esetben jóval egyszerűbbek, mint azt gondolnánk. Előfordul hogy csak egyszerű szabályok vagy átlag számítás fut egy komplexnek tűnő alkalmazás háttérben. Az általános értelemben vett mesterséges intelligenciától, ami kontextusában érti a világot és kreatív, out-of-the-box megoldásokat talál ki magától, még nagyon messze vagyunk. Sőt, a jelenlegi eszközökkel nem is elérhető hogy ilyet alkossunk, ehhez egészen új megközelítésre lenne szükség.

Szerinted melyik lesz a következő évek meghatározó technológiája, és miért?

Reálisnak tartod, hogy kialakul egy virtuális valóságtér, ahol éljük az életünket? Ha reálisnak tartod, hogyan képzeled el és milyen érzéseket vált ki belőled? Ha nem, akkor miért nem?

Egy próbálkozás már volt virtuális világ felépítésére, a Second Life, ami 2006 környékén rendkívül népszerű volt. Akkoriban nyelviskolákba lehetett járni benne, sőt valódi önkormányzatok tartottak ügyfélfogadást a virtuális világban, de azóta a használata drasztikusan visszaesett. Remélem, hogy a technológia segítségével biztonságosabbá és kényelmesebbé tudjuk alakítani az életet, de az ember mindig is a természet része marad. A virtuális tér alkalmas gyors ügyintézésre, kommunikációra, szórakozásra, tanulásra, bizonyos képességek fejlesztésére, de a való világtól nem szakadhatunk el teljesen, hiszen a körülöttünk lévő környezet biztosítja az életünk feltételeit.

Hogyan fog változni a tanulás és tudásmegosztás a technológia hatására?

A tudást ma sokkal könnyebb és gyorsabb megszerezni mint bármikor a múltban. Gyerekkoromban még könyvtárba kellett menni és a könyvek között keresgélni, ha valamire kíváncsi voltam. Napokig, hetekig kellett kutatni egy-egy komolyabb kérdés megválaszolásához. Ma az interneten bárki szabadon közzéteheti a gondolatait, véleményét. Egy internetes kereséssel szinte bármilyen kérdésre találhatunk több ezer választ néhány perc alatt. Ennek hátránya, hogy az információt nekünk kell megszűrnünk és megtalálnunk a sok válasz közül a helyeset. Ebben a technológia próbál segítséget nyújtani, a keresők igyekeznek a releváns találatokat előre rangsorolni. De a felhasználóknak is tudniuk kell, hogy az információ akár hamis is lehet, fenntartásokkal kell tehát kezelni, amit találunk, hiszen nem tudjuk pontosan kitől is származik. Könnyebben és gyorsabban kapunk ma választ a kérdésekre, de az információ hitelessége bizonytalanabb. Ez a jövőben még inkább így lesz, most a videók népszerűsége emelkedik. Már olvasni sem kell csak egy néhány perces videót végignézni, ha új tudásra szomjazunk. Oktatás terén az online platformok egyre népszerűbbek. Magyarországon jelenleg egyetlen egyetemen sem adnak data science diplomát. Vannak ugyan data science jellegű tárgyak néhány intézményben, de ahhoz hogy ezeket felvehesse valaki, be kell iratkozni az egyetemen egy másik (pl informatikus vagy matematikus) szakra. Ezen szakok elvégzése sok évbe és pénzbe kerül, ráadásul a többi tantárgy egy része lehet hogy nem is releváns az érdeklődőnek. Olcsó és ingyenes online data science képzésből viszont több tucat áll rendelkezésre, így megfelelő előképzettség és elszántság mellett néhány hónap alatt otthon is megtanulhatóak az alapok, amivel el lehet kezdeni dolgozni. Véleményem szerint ez a tendencia erősödni fog a jövőben, és lehet hogy sokan már hagyományos egyetemre be sem iratkoznak, hanem online képzéseken fogják elsajátítani azt a tudásanyagot ami őket érdekli vagy amire éppen szükség van a munkájukban.

Szerinted milyen lesz a 2030-es években a modern oktatás?

A digitális átalakulás természetesen az oktatást is érinti, remélem hogy az általános és középiskolákban is egyre jobban kihasználják majd ennek lehetőségeit. A mobiltelefonokat például bevonhatnák az órai munkába ahelyett hogy tiltják a használatukat. Erre láttam már jó példát, amikor óra végén egy kahoot kvízzel mérte fel a tanár, mennyire értették meg és sajátították el az anyagot a gyerekek. Remélem a jövőben sok-sok tanár fogja hasonló módon érdekesebbé és változatosabbá tenni az óráit. Vannak elrettentő példák is a technológia alkalmazására az oktatásban. Kínában a diákok figyelmét kezdték el mérni különböző eszközökkel, agyhullámot rögzítő fejpánttal és érzelemfelismerő kamerával. Remélem, hogy ha ez elterjed, akkor is csak a tanárok motiválását segítik majd összesített visszajelzéssel. Például ha sokan unatkoznak az órán, akkor a tanár változtat valamin vagy tart egy szünetet. A diákok egyedi megítélésében remélhetőleg sosem fogják ezeket felhasználni (bár sajnos a lehetőség adott rá), hiszen az érzelem felismerők nem működnek száz százalékos pontossággal, és az esetleges figyelemhiány okait sem tárják fel ezek az eszközök.

Te magad kit tekintesz példaképnek, honnan merítesz inspirációt?

Szerencsésnek tartom magam, amiért nagyon sok inspiráló, nagy tudású és jó vezető képességekkel rendelkező emberrel találkoztam és dolgoztam már együtt. Számos ember van, akikre felnézek. Ezekben az emberekben közös, hogy a nagyon alapos szakmai tudás támogató hozzáállással és jó vezetői képességekkel párosul. Soha nem élnek vissza a hatalmukkal minden helyzetben együttműködésre törekednek. Az első főnököm, Körmendi György a Clementine Consultingnál nagy hatással volt rám. Bár pályakezdő voltam, részmunkaidőben dolgoztam egy kisgyerek mellett, teljes bizalmat kaptam tőle és ez által nagyon gyorsan tudtam tanulni, tapasztalatot szerezni, kapcsolati hálózatot építeni. Karrierem alakulását nagy részben neki köszönhetem és szeretnék ebből valamennyit visszaadni a kollégáimnak, a közösségnek. A Balabitben is sok nagyszerű embert, kiváló példaképet ismertem meg. Az alapítók és a közeli kollégáim mind mély szaktudással rendelkeznek és emberileg is csak jókat lehet róluk mondani. Szigorúak és precízek voltak, de ugyanakkor segítőkészek és befogadóak. Olyan közeg volt, ahol igazán jól lehetett tanulni, kísérletezni és alkotni. Megtiszteltetés, hogy együtt dolgozhattam velük. A mai napig tartom velük a kapcsolatot, és remélem ez így is marad nagyon sokáig. Meg kell még említenem édesapámat is, akitől a matematika szeretete is ered nálam. Ő mindig is bízott bennem és támogat ha arra van szükségem. Szeretnék én is ilyen kedves, támogató szülője lenni a lányaimnak.

Mi a legnagyobb büszkeséged tech szakemberként?

A legbüszkébb a Balabitnél fejlesztett termékre vagyok, ami az IT rendszerekben működő felhasználói viselkedést elemző eszköz. Profilt képez minden felhasználó viselkedéséről, és észleli, ha a felhasználó a szokásostól eltérően viselkedik, például azért mert feltörték a jelszavát és valaki más lépett be helyette. Sok különböző módszert használtunk a viselkedési profilok létrehozásához. Elemeztük például, hogy mikor szoktak az egyes felhasználók aktívak lenni, milyen parancsokat használnak, milyen programokat futtatnak, de biometrikus azonosításra alkalmas algoritmusokat is fejlesztettünk: fel tudjuk ismerni a felhasználókat az egérmozgatásuk vagy a gépelési mintázatuk alapján is. Ez az IT biztonság területén egyedülálló volt akkor, és úgy tudom a mai napig nincs más eszköz, amiben ilyen algoritmus működne. Természetesen nem egyedül fejlesztettem a terméket, egy 4 fős data science csapat tagja voltam, akik mellett még 10-15 fő fejlesztő és a vezetőség is dolgozott azért hogy az eszköz elkészüljön. Büszke vagyok rá, hogy részese lehettem ennek a fejlesztésnek.

Ha csak egy tanácsot adhatnál a lányoknak egy sikeres tech karrier elindításához, mi lenne az?