数据科学家访谈录

[美] Carl Shan

出版时间

2018-02-01

ISBN

9787115470911

评分

★★★★★
书籍介绍

本书选取世界知名的25位数据科学家进行了深度的访谈,从不同的视角和维度,将他们的智慧、经验、指导和建议凝聚成册。每一篇访谈都是一次深度的交流,涵盖了这些数据科学家最初从菜鸟起步,运用各种知识武装和充实自己,一直到最终成为一名卓有成效的数据科学家的全过程。通过阅读本书中的访谈,读者可以形成对数据科学的宏观认识和了解,更深刻地认识和体验数据科学家的角色,并且从这些前辈的过往经历中学到宝贵的知识和经验以应用于自身的成长和事业中。

本书适合有志于成为数据科学家的人、正在从事数据科学相关工作的人、数据科学团队的领导者和企业家以及商业人士参考,也适合对数据感兴趣的普通读者阅读。

Carl Shan 于2014年在芝加哥大学 Eric & Wendy Schmidt数据科学学会担任数据科学家,用数据模型协助非营利组织的工作。他与人合作撰写了一篇论文,将监督学习应用于公共政策问题。他以优异的成绩毕业于加州大学伯克利分校并获得了统计学学位。目前在加州圣马特奥的Nueva学校教授机器学习和计算机科学。你可以通过 www.carlshan.com 了解关于他的更多信息。

Henry Wang 目前在伦敦,在一家专注于转型工作的金融公司工作。在此之前,他曾在美国的一家可再生能源公司进行增长股权投资。在闲暇时间里,他喜欢参与诸如 Numer.ai 这样的数据科学竞赛,并且对基于随机梯度的机器学习优化算法很感兴趣。他拥有加州大学伯克利分校的统计学学位。你可以通过 www.henrywang7.com 了解关于他的更多信息。

William ...

(展开全部)

作者简介
Carl Shan 于2014年在芝加哥大学 Eric & Wendy Schmidt数据科学学会担任数据科学家,用数据模型协助非营利组织的工作。他与人合作撰写了一篇论文,将监督学习应用于公共政策问题。他以优异的成绩毕业于加州大学伯克利分校并获得了统计学学位。目前在加州圣马特奥的Nueva学校教授机器学习和计算机科学。你可以通过 www.carlshan.com 了解关于他的更多信息。 Henry Wang 目前在伦敦,在一家专注于转型工作的金融公司工作。在此之前,他曾在美国的一家可再生能源公司进行增长股权投资。在闲暇时间里,他喜欢参与诸如 Numer.ai 这样的数据科学竞赛,并且对基于随机梯度的机器学习优化算法很感兴趣。他拥有加州大学伯克利分校的统计学学位。你可以通过 www.henrywang7.com 了解关于他的更多信息。 William Chen 是 Quora 的数据科学经理,他在那里帮助公司发展壮大并与世界分享知识。他也是Quora(https://www.quora.com/profile/William-Chen-6)上一个狂热的作家,在那里回答各种关于数据科学、统计、机器学习、概率的问题。他参与本书的写作,分享了数据科学家的故事,以帮助那些想要进入这个行业的人。在闲暇时候,他的爱好是玩“密室逃脱”,还开了一个专门用于分享这类“越狱经验”的博客。William 拥有哈佛大学的统计学学士和应用数学硕士学位。他的个人网站是 www.wzchen.com。 Max Song曾在 Ayasdi 担任数据科学家,他也是 Neurocurious(后来被 Vium 收购)公司的联合创始人。他曾任奇点大学(Singularity University)的生物信息助教,从而接触人工智能的概念。他热爱学习、旅行和社区建设,并与其他人共同创立了“壹沙龙(onesalon.org)”。Max 拥有布朗大学(Brown University)的应用数学和生物学学士学位、清华大学苏世民学院(Schwarzman College)的硕士学位,他是苏世民学院的首届学生之一。他目前在香港的一家家族公司从事研究和投资。你可以通过 www.maxsong.io 了解关于他的更多信息。
目录
前言
第1章 重要问题的取舍 / DJ Patil
第2章 在成为成功的数据科学家之际 / Hillary Mason
第3章 无处不在的软件开始用数据重构这个世界 / Pete Skomoroch

显示全部
用户评论
能快速了解一下这个行业具体是干嘛的,以及每个人当初选择这个作为职业的契机
2022年最佳,每次看都有新收获,终于找到自己喜欢且有挑战的路。
25篇访谈良莠不齐,整体说来还不错,有卷王型,第一个到最后一个走;有凡尔赛的,我数学很菜,我编程不好;最讨厌的还是作作的,我不是做不了理论数学家,只是不愿意做罢了,非不能也,实不为也! 但是有几篇还是真不错,大佬也要下真功夫;亲手处理过数据;跟随时代步伐保持学习新东西;超出理工技术宅的沟通能力;
常读常新?!
数据科学家是六边形战士,不要指望在这里获得具体的数据实操模板,因为每个数据问题都不一样,所以大家都会关注软技能——沟通表达、定位问题、快速假设
这才是我心中的ds,现在的title inflation让人迷惑
如果一个人的经验带来的成功是偶然,那么这么多领域数据科学家的共性经验指明了一条成功率很高的路。编码,沟通,呈现,不只在数据科学领域是有用的。这本书应该作为计算机本科生职业规划的书籍,做自己喜欢的事,做自己擅长的事,年轻的时候敢于换赛道。
翻译有少量瑕疵,收获很大!
下载
收藏