从经济学博士到爬坑机器学习十年，微软首席数据科学家谢梁的AI故事

谢梁，美国微软总部首席数据科学家，本科毕业于西南财经大学经济学专业，然后在中国工商银行从事信贷评估工作，一年后辞职到纽约州立大学学习应用计量经济学。研究兴趣主要是混合模型（mixed model）和数据挖掘方法，以及 SAS 潜力的挖掘（他认为在各大 SAS 论坛帮人解决问题同时学习他人经验，是提升自己最快的途径，曾用网名 oloolo），著有《Keras 快速上手：基于 Python 的深度学习实战》。

十余年的机器学习应用经验，让他成功从一位经济学毕业生转型为云计算领域的顶级数据科学家。近日，谢梁接受 CSDN 专访，分享了从经济学入坑机器学习的原因和挑战；如何深入掌握深度学习；当今工业界应用的模型很多，是否可安心当调包侠等话题。

另外，10 月 28 日，谢梁将在 SDCC 2017「人工智能技术实战线上峰会」 上带来题为 《使用 Keras 由零开始快速构造自己的深度学习模型》 的分享，更多峰会嘉宾和议题请查看文末。

谢梁 美国微软总部首席数据科学家

为何转向机器学习

CSDN：你是经济学博士，什么原因让你着迷于机器学习、数据挖掘和人工智能，并将其应用于 IT 基础架构的优化？

谢梁：我的专业是计量经济学，专注于实证分析各种社会和经济现象，其中很多内容跟统计学习、机器学习都有重合，只是应用领域不同，后面的数理模型还是有很多相通的地方。我一开始也直接从事基于机器学习的商业智能方面的工作，包括自动化的营销、客户画像等，使我对机器学习的应用领域有了比较多的了解。

到微软以后，我先后在 Azure 云计算部门从事了服务层 SaaS 和基础架构层 IaaS 的数据分析工作。SaaS 层专注于使用 Azure 云服务的客户行为分析，而在 IaaS 则重点构筑基于机器学习的基础架构运营优化