Nossa experiência com a Loft School para ciência de dados
Uma das coisas mais legais aqui na Loft é como a gente leva o tema diversidade a sério. Discutimos sempre sobre, temos ações durante o ano inteiro promovendo diversidade e é também um dos nossos valores principais dentro da empresa.
Uma das iniciativas que temos é a Loft School. A ideia é criar cursos de capacitação na área de tecnologia com foco em grupos de diversidade, sendo uma forma ativa de tentar mudar, pelo menos um pouco, o mercado atual. Na primeira edição fizemos um curso de engenharia de software voltado apenas para mulheres. Neste video você pode conferir alguns depoimentos sobre como foi aquela edição, realizada no segundo quarter de 2020.
Como a Loft School chegou no chapter de data science?
Nós, como Chapter de Data Science da Loft, não podemos nos considerar ainda muito diversos (temos uma preocupação em ter a representatividade de minorias no nosso time, mas não temos equidade de gênero, e menos ainda de raça), e por isso estamos sempre discutindo sobre como podemos deixar o nosso time, e a comunidade de Data Science em si, mais diversa e inclusiva. Em uma dessas discussões surgiu a ideia de criar um curso de introdução à Data Science com foco na capacitação de grupos diversos de forma que no final conseguissem ter as ferramentas necessárias para continuar os estudos e conseguir aplicar para uma vaga tanto na Loft como em qualquer outra empresa com demanda de cientista de dados. Chegamos assim na segunda edição da Loft School, mas agora com foco em data science.
Como o curso foi pensado?
Nessa primeira iteração da Loft School com foco em data science nós fizemos uma parceria com o AfroPython, uma comunidade focada para aumentar a representatividade de pessoas negras dentro da área de tecnologia. A ideia era que nos ajudassem fazendo a ponte entre pessoas interessadas em aprender e o nosso curso, sendo desejável mínima familiaridade com python.
Nossa ementa foi inicialmente dividida em 4 semanas (que acabou mudando um pouco no decorrer do curso, mas já falo sobre isso). A ideia era trazer as ferramentas necessárias para fazer um projeto de cabo a rabo. Isso vai desde a parte de entendimento do negócio, formulação de uma pergunta, coleta e análise de dados, modelagem e apresentação dos resultados.
No final cada uma das pessoas iria fazer um projeto com tema livre. Deixamos livre porque acreditamos que fazer um projeto de um tema que interessa gera um engajamento maior e, consequentemente, um maior aprendizado (afinal, aprendemos mais quando estamos trabalhando com um tema que a gente gosta) . E o projeto não necessariamente teria que ter todas as etapas também, o objetivo principal que queríamos era que as pessoas ganhassem conforto com as ferramentas e o mais importante: conseguissem formular um problema e responder uma pergunta de negócio usando dados. Então criar um modelo não necessariamente era um requisito. Se uma análise de dados e uma boa visualização conseguissem responder a pergunta? Perfeito!
Nós dividimos as semanas da seguinte forma:
- Semana 1: Introdução ao curso (apresentações, o que é machine learning, ciclo de vida de um projeto) e às ferramentas pandas, numpy e scikit-learn
- Semana 2: Coleta, análise e visualizações de dados
- Semana 3: Princípios de modelagem e regressão linear
- Semana 4: Apresentação dos projetos
Como foi executado?
Uma coisa incrível do nosso chapter é que todo mundo é super pró-ativo nas iniciativas. Aqui na Loft School nós tivemos quase metade do chapter ajudando de alguma forma! Isso sem contar com a super ajuda do pessoal do time de People da Loft para tirar esse projeto do chão!
Então com várias pessoas engajadas no curso, conseguimos dividir bem as tarefas. Nos dividimos de forma que cada grupo (2 ou 3 pessoas) fossem responsáveis tanto pela confecção do material como pela apresentação do conteúdo. Claro que tivemos algumas reuniões de alinhamento. A gente queria que o curso inteiro fosse uma história de um projeto sendo construído, então tínhamos que costurar as pontas. Mas a divisão do trabalho facilitou bastante a construção do curso, tendo a carga mais bem distribuída entre todas as pessoas envolvidas.
Nessa primeira edição optamos por ter uma turma mais enxuta, assim conseguiríamos dar uma atenção mais individualizada. Abrimos a turma com 21 pessoas participando!
Por conta da pandemia, as aulas foram todas feitas por zoom, o que gera um desafio tanto na nossa integração com a turma quanto na integração da turma com ela mesma. Não tem mais aqueles papos de corredor nem happy hours pós curso. Para tentar quebrar um pouco esse gelo fizemos uma dinâmica de apresentação no primeiro dia falando nome, de onde veio e curiosidades sobre si. Foi bem legal, deu para conhecermos um pouco melhor a turma, a turma se conhecer.Também criamos um grupo no WhatsApp para ter essa proximidade, dar recados e responder dúvidas de forma mais dinâmica, fora toda a comunicação por email, para quem não se sentisse a vontade em entrar no grupo. Todo o material (inclusive as aulas gravadas) foi disponibilizado para a turma, caso alguém não conseguisse comparecer no dia ou mesmo para revisar o conteúdo.
Para a parte do projeto a gente deixou cada aluna ou aluno do curso com algumas pessoas que seriam mentoras no projeto. A ideia seria deixar a quarta semana só para apresentações, mas no decorrer do curso percebemos que a turma precisaria de mais tempo (afinal estudar o conteúdo do curso e se preocupar com um projeto é bastante coisa). Então deixamos a quarta semana só para mentorias, tirando dúvidas das aulas que passaram e dos projetos. Cada aluno ou aluna podia marcar com as pessoas mentoras no horário da aula ou em outro horário qualquer, se houvesse disponibilidade. Acabamos conversando com 13 pessoas que chegaram ao final do curso, marcando horários para tirar dúvidas e discutir projetos.
No final, como entendemos que a semana só de mentoria seria super proveitosa, marcamos uma aula extra para apresentações. Deixamos claro aqui que apresentação era apenas a cereja do bolo, não era o intuito forçar a pessoa a apresentar caso não estivesse confortável. O importante era ter essa experiência de entender um problema, pegar um dataset e tentar resolver. No dia nós tivemos 8 apresentações excelentes, aplicando o conhecimento adquirido de forma exemplar!
Para comemorar, no fim do curso sorteamos 6 livros! Três Python Cookbook e três Machine Learning Guia de Referência. Um simply delight para terminar o curso com chave de ouro e inspirar as pessoas participantes a continuarem nos estudos de ciência de dados! E claro que o sorteio foi feito em tempo real usando o próprio python para sortear.
O que aprendemos com a experiência?
A experiência foi incrível! A turma vinha de backgrounds diferentes (desde engenharia, ciências biológicas, até relações internacionais) e de diversas regiões do Brasil, mas a vontade de aprender ciência de dados e aplicar no mundo real era a mesma.
As mentorias que realizamos acabaram sendo um diferencial para o aprendizado. Tendo um curso totalmente online, é difícil saber se estamos conseguindo transmitir o conhecimento para todas as pessoas. Não temos feedback como cara de dúvida ou outras expressões que indicam que não estão entendendo ou que estamos passando muito rápido por um tema, então ter o contato mais individual ajudou a entender melhor onde estavam as dúvidas e como aplicar os aprendizados no projeto final.
Um dos pontos altos de todo o curso foram as apresentações dos projetos! Apesar do pouco tempo que tiveram, conseguiram entregar projetos muito interessantes! O mais legal foi a diversidade dos projetos apresentados. Projetos que usam dados de educação, saúde, esportes, agricultura. Projetos que os alunos e alunas idealizaram e realizaram. Nem todo mundo conseguiu terminar o projeto do jeito que queria, mas a evolução durante a semana que mentoramos foi notável! Também deixamos o canal aberto para qualquer pessoa que quisesse continuar as mentorias e terminar o projeto pudesse falar com a gente para marcar novas sessões.
Outro ponto alto, agora falando do nosso lado, é em como conseguimos aprender com a turma também! Estando perto conseguimos identificar em que partes do ensino podemos melhorar. Além disso, pela turma ter um background bem variado, nos fez ser criativos nas explicações e busca de exemplos mais próximos da realidade de cada um.
Teremos outra edição?
Com certeza é algo que já está na nossa mente! Já pegamos todos os feedbacks que recolhemos durante e após o curso e estamos montando como seria uma segunda edição! Talvez um pouco mais extenso para não correr tanto, talvez com uma ementa levemente diferente. Com as mentorias acontecendo desde o início (nós só iniciamos as mentorias na metade final do curso). Mas tendo ainda o mesmo foco em capacitação e disseminação de conhecimento, ajudando todo tipo de pessoas a ter um espaço no mercado de Data Science e de tecnologia em geral!
