《数据科学家访谈录》总结·5

---

01 - 05：DJ Patil, Hillary Mason, Pete Skomoroch, Mike Dewar, Riley Newman
06 - 10：Clare Corthell, Drew Conway, Kevin Novak, Chris Moody, Erich Owen
11 - 15：Eithon Cadag, George Roumeliotis, Diane Wu, Jace Kohlmeier, Joe Blitzstein
16 - 20：Jonh Foreman, Josh Wills, Bradley Voytek, Luis Sanchez, Michelangelo D’ agostino
21 - 25：Michael Hochster, Kunal Punera, Sean Courley, Jonathan Goldman, William Chen

---

1. Michael Hochster
   教育背景：加州大学伯克利分校理论数学学士，斯坦福大学统计学博士
   职业经历：谷歌、微软、LinkedIn，音乐公司潘多拉的研究主管

• 如何进入科技界的？

对大学的反反复复证明数学公式没有兴趣；第一份工作是在一家新泽西的只要公司，但是制药业受到的监管很多，不够自由，这个行业让人感觉有一些法律行业的味道。

• 数学和经验的作用？

所以有一些基本的数学知识可以让你在遇到奇怪的事情时不至于束手无策。几乎无论你处理什么问题，你总是会碰到一些奇怪的问题。在任何真实的生活工作经验中，我从来没有碰到过任何一个教科书式规规矩矩的问题。它总是有一些奇奇怪怪的问题。你的受教育程度越高，你的工作经验越丰富，你就会越觉得自己善于解决七七八八的小问题，想明白如何将原本看似复杂的东西看通透，使之适用于你所知道的东西。

• 实验设计

在测试一些东西时，如果你能尽量地将其隔离起来完成测试，那么结果将更有价值。

• 展示数据

我确实认为对数据科学家这项工作来说，沟通需要是最重要的技巧之一。在招人的时候，在不同的技能之间总有一些权衡，但是良好的沟通能力是必需的。

1. Kunal Punera
   教育背景：印度某大学·计算机学士，德州大学奥斯汀分校·数据挖掘和机器学习博士
   职业经历：雅虎，RelateIQ，Bento Labs

• 坚持不懈的学习

我在雅虎研究院学会了全部的机器学习知识，而在RelateIQ学会了全部的软件开发技术。

• 关于编程

在编程方面，我认为掌握核心的编程理念是很重要的。

• 面试数据科学家时所看重的技能？

招聘数据科学家时，我最看重的东西是他们过往的机器学习是否全面、系统。我最想知道的问题是他们是否了解他们所采用的模型的底层原理。

1. Sean Courley
   新西兰人，物理学家、男子十项全能运动员、政治顾问以及TED演讲人
   教育背景：牛津大学博士
   职业经历：NASA，Quid的联合创始人和首席技术官。
   （注：我觉得这位是这25个人中最厉害的）

• 成名经历

战争在2003年绝对是热门话题，因为美国刚刚向伊拉克和阿富汗派遣了大量部队。2003年，我们也看到了信息产业的变化，因为我们开始可以从网上获得数据来源，比如网络上的博客，那里的暴力报道将通过不同的渠道传播，所有这些信息都可以通过机器来读取。因此，我们不仅可以建立基于暴动的虚拟模型，还可以调整这些模型来精确地复制我们在实时收集的数据的统计特征。

我们通过挖掘开源情报，获得了比整个美国军方还要优质的数据集。

我最终在五角大楼里向四星将军、来自美国中央司令部的情报团队和伊拉克驻美国大使做汇报。

2009年，在TED演讲这项研究。同年，并在《自然》杂志发表。

（利用相同的方法，研究下中国周边的军事环境应该挺有意思的。）

• 精彩的博士生涯

我经常跑步，每天花三个小时训练十项全能、撑杆跳和跨栏。我认为进行体育锻炼是非常必要的，因为它每天都能让我清醒。

在我博士阶段，每天只做差不多2个小时的工作。（注：碉堡了！）

1. Jonathan Goldman
   教育背景：麻省理工大学物理学学士，斯坦福大学物理学博士
   职业经历：埃森哲，LinkedIn，Level Up Analytics，Intuit公司的数据科学与分析团队部门主任

• 在埃森哲的工作

我在为公用事业公司做供应链方面的项目，我们在供给和需求方面做了许多的工作和其他一些类型的优化。

• 最喜欢LinkedIn的点？

数据都已经在LinkedIn了，我可以很快就直接开始从数据中寻找答案。

开发了“你可能认识的人”。

• 给博士的建议？

找到符合你的价值观的公司去工作，确保你的工作有机会能给世界带来重大的变革和影响。我认为最重要的事情之一就是学会好奇。要努力去思考那些在未来可能会带来燎原之势的星星之火。一旦获得了能帮你解答你好奇的问题的数据，你就请学者去解决和回答这些问题，无论用什么技术，都尽量去尝试。

1. William Chen
   本书作者之一

教育背景：哈佛大学的统计和应用数学双学位
职业经历：Quora和Etsy做数据实习生，Quora全职

• Joe Blitzstein的统计110课程

“那门课改变了我思考不确定性问题以及日常事务的方式，同时让我明白了直觉与沟通的价值。在那门课的影响下，我在第二年将专业转为统计学。”

大二开始在Etsy实习。

大三成为了统计110课的助教。

• 实习过程中遇到的比较棘手的问题？

我在实习期间的主要挑战，特别是在Quora，就是弄清楚如何考虑自己在做的一堆事情的优先级，尤其当自己同时在做许多项目的时候。

• 大学的遗憾

我认为我在大学课程选择方面的最大遗憾是没有在大一学年选修编程课程。