Важность информационной грамотности
Эта статья является продолжением предыдущей статьи о принципах работы данных для инженеров-строителей.
Нет сомнений в том, что данные - это один из самых важных ресурсов, которыми сейчас располагает мир. В течение следующих десяти или двух лет программы Data Literacy (такие как DataCamp, Udacity, Dataquest…) наводнят Интернет, чтобы люди могли овладеть новыми навыками, необходимыми рынку. По данным Gartner, плохая грамотность данных является одним из самых больших препятствий для роста бизнеса.
Во многих университетах кодированию и анализу данных уделяется мало внимания в программах гражданского строительства . Это можно объяснить преобладанием теоретических курсов, направленных на предотвращение «сбоев системы» традиционным способом. Таким образом, будущим инженерам-строителям не хватает навыков, необходимых для использования всей мощи данных в подполях, требующих высокой грамотности в области данных и понимания передовых методов, таких как машинное обучение и глубокое обучение.
Ниже приведены три примера того, где важна высокая информационная грамотность.
1. Управление трафиком
В 2018 году я работал над университетским проектом по снижению загруженности дорог в Триполи, Ливан. Мы собирали данные о подсчете транспортных средств вручную, ожидая на перекрестках и подсчитывая проезжающие машины. Мы собирали данные за один день в две смены (AM-PM) в часы пик. Моя команда думала, что эти данные будут источником правды. Вскоре после того, как мы начали работать с данными, мы поняли, что они не репрезентативны для реального распределения потока транспортных средств. Кроме того, мы не могли визуализировать данные до и после оптимизации систем освещения дорожного движения, а также не могли идентифицировать закономерности в течение значительного периода времени для прогнозирования будущих требований.
Можно сказать, это просто университетский проект. Однако настоящая проблема заключалась в том, что никто (руководитель и жюри) не оспаривал наш подход к сбору данных или данные, которые мы использовали, что показало низкую информационную грамотность среди студентов и профессионалов.
2. Мосты и железные дороги
Мы всегда можем отправить людей для проведения натурных испытаний мостов и железных дорог. Однако было бы разумнее, если бы мы перешли на встраивание датчиков в их структурные элементы и проанализировали бы полученные данные для отслеживания и прогнозирования сбоев системы. Это позволило бы инженеру-строителю отслеживать статус-кво системы и прогнозировать ее будущую производительность, если бы у него были необходимые навыки.
Хорошо известно, что профилактическое обслуживание увеличивает долговечность системы, сохраняя при этом низкие затраты, и большие объемы данных. анализ может улучшить этот процесс.
3. Строительство (Здания)
Вернемся к основному подразделу гражданского строительства. Вместо того, чтобы регулярно проводить тесты на месте, чтобы контролировать, требует ли стена армирования, опытные инженеры с глубокими знаниями методов глубокого обучения (DL) могут обучить модель DL на ранее собранных данных (изображениях и числовых данных, собранных на месте), чтобы определить, требуется ли или нет, трещина в стене опасна.
Заворачивать
В заключение, цель этой статьи НЕ состоит в том, чтобы предоставить идеи НИОКР, поскольку методы, упомянутые в обеих статьях, применяются в реальном мире, но не получили широкого распространения. Однако мы надеемся, что эта статья проливает свет на важность интеграции аналитики данных в программы гражданского строительства. А пока инженеры-строители должны воспользоваться преимуществами онлайн-курсов по работе с данными.
Жду ваших вопросов и отзывов :)
Связанные темы:
Использование науки о данных для повышения безопасности дорожного движения
Мониторинг мостов с использованием измерительной технологии HBM
