У серпні в Українському католицькому університеті відбулася Lviv Data Science Summer School 2026. Тижнева програма об’єднала дослідників і практиків, які працюють із даними, машинним навчанням та цифровими моделями для розв’язання реальних завдань аграрної сфери.
Харківський національний автомобільно-дорожній університет у роботі школи представляв доцент кафедри транспортних технологій, гарант освітньої програми за спеціальністю «Транспортні технології (на автомобільному транспорті)» Дмитро Музильов. Формат школи дав змогу подивитися на звичні для транспортної галузі завдання з боку сучасної аналітики даних і поспілкуватися з фахівцями різних наукових напрямів.
Протягом тижня лекції та практичні заняття чергувалися з роботою над командними проєктами. Учасники проходили весь шлях від формулювання проблеми й підготовки даних до побудови моделі, перевірки результатів та створення зрозумілого прототипу для майбутнього користувача. Саме така робота допомагає побачити, де складна модель справді корисна, а де потрібне простіше й прозоріше рішення.
Чому Data Science важлива для логістики
Логістика щодня створює великі масиви взаємопов’язаних даних: маршрути, обсяги вантажів, строки доставки, витрати, завантаження транспорту, погодні умови та стан інфраструктури. Методи Data Science допомагають зібрати ці сигнали в єдину картину та швидше помітити те, що губиться у звичайних звітах.
Практична користь полягає у виявленні затримок і нетипових відхилень, пошуку вузьких місць у ланцюгах постачання, прогнозуванні потреби в транспорті та порівнянні можливих сценаріїв. Для фахівця з транспортних технологій це інструмент, який допомагає пояснити причину проблеми, оцінити наслідки рішення та показати результат у зрозумілій формі - на карті, графіку або інформаційній панелі.
Командні проєкти, робота над якими триває
Завершення очної частини школи стало початком наступного етапу. Сформовані команди продовжують розвивати проєкти, уточнювати дані, перевіряти припущення та вдосконалювати створені прототипи.
Серед напрямів цієї роботи - прогнозування стану ґрунту для підтримки рішень щодо зрошення, просторово-часовий аналіз вантажопотоків і логістичних витрат, а також виявлення відхилень та критичних ділянок у ланцюгах постачання. Усі напрями поєднує спільна мета: перетворити дані на практичну й зрозумілу рекомендацію.
Досвід для освітніх програм ХНАДУ
Як гарант освітньої програми Дмитро Музильов розглядає отриманий досвід як можливе джерело нових практичних кейсів для транспортної освіти. Після завершення командних проєктів і обговорення результатів із колегами окремі підходи можна буде обережно адаптувати до практичних занять, студентських проєктів та дослідницьких завдань. Найціннішою тут є логіка роботи: реальна проблема, якісно підготовлені дані, обґрунтований метод, перевірка результату та зрозуміле представлення рішення.
Для освітньо-наукових програм третього рівня такий досвід також актуальний. Data Science розширює дослідницький інструментарій аспірантів, допомагає працювати з неоднорідними даними, відтворювано перевіряти гіпотези, пояснювати результати моделей і взаємодіяти в міждисциплінарній команді. Робота англійською мовою та спільне обговорення проєктів розвивають академічну комунікацію, потрібну для участі в міжнародних дослідницьких ініціативах.
Формат літньої школи підтримує внутрішню академічну мобільність і неформальну освіту. Навчання в іншому українському університеті, обмін підходами між представниками різних закладів та робота з міжнародними експертами дають можливість оновлювати власний професійний досвід і краще бачити міжгалузеві зв’язки.
Головним результатом тижня стала подальша командна робота. Для ХНАДУ цей досвід окреслює корисний напрям розвитку освітніх і дослідницьких завдань на перетині логістики, моделювання та аналізу даних. Таке поєднання допомагає готувати фахівців, здатних обґрунтовувати транспортні рішення якісною обробкою великих масивів даних й перевіреними розрахунками.