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
- Jonh Foreman
《Data Smart》作者
教育背景：麻省理工大學(xué)·運(yùn)籌學(xué)博士
職業(yè)經(jīng)歷：多家咨詢公司番川，NSA丐谋，Booz Allen，MailChimp首席科學(xué)家
- Jonh的職業(yè)經(jīng)歷
對(duì)Jonh的采訪主要是關(guān)于他的職業(yè)經(jīng)歷连躏。在讀博期間，他參與過戴爾電腦的供應(yīng)量項(xiàng)目，萌生了進(jìn)入科技界的想法。博士畢業(yè)之后袜爪，在美國(guó)國(guó)家安全局實(shí)習(xí)過，不喜歡政府的工作環(huán)境⊙ι粒現(xiàn)在的公司MailChimp位于亞特蘭大辛馆，最大的優(yōu)點(diǎn)是可以給公司很高的獨(dú)立性。
- 什么數(shù)據(jù)科學(xué)家不應(yīng)該花時(shí)間在Kaggle上逛绵？
數(shù)據(jù)科學(xué)家做的主要工作就是建立預(yù)測(cè)模型怀各，這種說法是不正確的倔韭。
在建立一個(gè)模型之前术浪，你需要知道你的公司里有什么可用的數(shù)據(jù)資源，有什么技術(shù)對(duì)于你來說是有平臺(tái)資源支持的寿酌，有什么技術(shù)是適合的胰苏，你需要去很好地定義那個(gè)問題，并且認(rèn)真研究其中的各個(gè)細(xì)節(jié)醇疼。
在數(shù)據(jù)科學(xué)界有一個(gè)觀點(diǎn)就是硕并，Kaggle根本不會(huì)關(guān)注一個(gè)問題是不是當(dāng)務(wù)之急必須解決的。
- 在公司里秧荆，數(shù)據(jù)科學(xué)家的角色具體是怎樣的呢倔毙？
一個(gè)人人都知道的數(shù)據(jù)科學(xué)家的職責(zé)就是清洗和準(zhǔn)備數(shù)據(jù)。尋找乙濒、爬取陕赃、準(zhǔn)備卵蛉、清洗，這就是這一部分職責(zé)的操作流程么库。在建模之前的數(shù)據(jù)整理工作量是非常巨大的傻丝。
任何數(shù)據(jù)科學(xué)家應(yīng)該具備的能力就是與商業(yè)人士溝通的能力。
- “數(shù)據(jù)科學(xué)”這個(gè)術(shù)語有點(diǎn)荒唐
“數(shù)據(jù)科學(xué)”的組成就是兩個(gè)含糊不清的詞匯诉儒，并沒有真正代表我大部分時(shí)間在做的事情葡缰。作為一個(gè)術(shù)語的數(shù)據(jù)科學(xué)可能會(huì)消亡，成為一個(gè)過氣的“網(wǎng)紅”忱反，但技術(shù)確實(shí)是很重要的泛释，這些技術(shù)終將會(huì)深深影響商業(yè)界的許多工作。
- 線上世界會(huì)開始向線下融合
與李開復(fù)不謀而合
- Josh Wills
教育背景：杜克大學(xué)·理論數(shù)學(xué)學(xué)士温算，德州大學(xué)奧斯汀分行舶模·運(yùn)籌學(xué)博士。
職業(yè)經(jīng)歷：Zilliant米者，Indeed韭畸，Google，Cloudera數(shù)據(jù)科學(xué)主任
- 統(tǒng)計(jì)學(xué)的學(xué)習(xí)
大學(xué)最后一年學(xué)習(xí)過統(tǒng)計(jì)學(xué)入門課程蔓搞。在奧斯汀為IBM工作時(shí)胰丁，學(xué)習(xí)了基本的統(tǒng)計(jì)學(xué)知識(shí)，并有機(jī)會(huì)加以利用喂分。
（對(duì)Josh的采訪主要是他就職過的公司的對(duì)比锦庸，不同公司的工作內(nèi)容，和數(shù)據(jù)關(guān)系相對(duì)較淺蒲祈。）
- Bradley Voytek
教育背景：南加州大學(xué)·物理學(xué)學(xué)士甘萧，伯克利分校博士。
職業(yè)經(jīng)歷：Uber梆掸，UCSD計(jì)算神經(jīng)科學(xué)教授
- 不回避失敗
“在很多地方扬卷，失敗往往會(huì)被人鄙視，但是我覺得從某種意義上說酸钦，失敗也是你成長(zhǎng)的過程怪得。”
Bradley的本科GPA很糟糕卑硫，但是被伯克利錄取徒恋。他覺得過去有很多人在關(guān)鍵的時(shí)刻給予過他幫助，并且由于對(duì)神經(jīng)科學(xué)有更大的興趣欢伏，又回到了學(xué)校任職入挣。
- 關(guān)于溝通
我經(jīng)常想起這個(gè)畫面。能否順利地與別人溝通交流硝拧，講出你的點(diǎn)子径筏，是一個(gè)很重要的問題风皿。
- Luis Sanchez
教育背景：委內(nèi)瑞拉一所軍事大學(xué)獲得學(xué)士學(xué)位，LASPAU獎(jiǎng)學(xué)金的MBA學(xué)位
職業(yè)經(jīng)歷：ttwick公司的數(shù)據(jù)科學(xué)家與CEO
- 數(shù)據(jù)科學(xué)是什么匠璧？
數(shù)據(jù)科學(xué)是一門從一組數(shù)據(jù)中提取價(jià)值的藝術(shù)和科學(xué)桐款，無論數(shù)據(jù)大小都是。
叫作“藝術(shù)”夷恍，因?yàn)闆]有一種萬能的方法或者公式可以幫助你回答所有你想問的數(shù)據(jù)問題魔眨。
稱為“科學(xué)”，因?yàn)槟阈枰私饽闼龅氖虑楸澈蟮睦碚摍C(jī)理酿雪，并花費(fèi)10000個(gè)小時(shí)去磨礪解決問題的方法遏暴，讓自己培養(yǎng)出條件反射一般的記憶。
- 數(shù)據(jù)科學(xué)家的目標(biāo)應(yīng)該是什么指黎？
數(shù)據(jù)科學(xué)家的目標(biāo)是從最有效的資源利用和時(shí)間限制中創(chuàng)造出可操作朋凉、可使用的智能價(jià)值。數(shù)據(jù)科學(xué)家應(yīng)該能夠以有意義的方式將數(shù)據(jù)連接起來醋安，從而從數(shù)據(jù)的組合中創(chuàng)建新的知識(shí)杂彭，從而能夠以創(chuàng)造性的方式模擬和解決問題，并快速地完成所有的工作吓揪。
- 學(xué)習(xí)路徑
金融量化亲怠，到數(shù)據(jù)抓取、網(wǎng)絡(luò)爬蟲柠辞，人工智能团秽。
- 研究生最該做什么？
除了Visual Basic語言之外叭首，還應(yīng)該學(xué)習(xí)更多的語言习勤。我將為曾經(jīng)的我訂立一個(gè)學(xué)習(xí)Octave、Python以及在1995年出現(xiàn)的Java的計(jì)劃焙格。
- 持續(xù)學(xué)習(xí)的方法
我參加了很多會(huì)議和聚會(huì)图毕，我盡可能多地閱讀有關(guān)人工智能、金融工程和其他相關(guān)話題的最新發(fā)現(xiàn)间螟。
- 數(shù)據(jù)科學(xué)在未來幾年會(huì)發(fā)生什么變化吴旋？
我希望最大的進(jìn)步來自高性能計(jì)算和數(shù)據(jù)存儲(chǔ)损肛。還會(huì)有更多的“工具”能夠被用來進(jìn)行數(shù)據(jù)分析厢破。
- Michelangelo D’ agostino
教育背景：哈佛大學(xué)·物理學(xué)士，伯克利大學(xué)·天體物理博士
職業(yè)經(jīng)歷：《經(jīng)濟(jì)學(xué)人》作者治拿，奧巴馬競(jìng)選團(tuán)隊(duì)分析師摩泪，Braintree首席數(shù)據(jù)科學(xué)家，Civis Analytics
- 如何接觸數(shù)據(jù)科學(xué)的劫谅？
讀博期間的項(xiàng)目是分析中微子信號(hào)模式见坑，使用了大量的神經(jīng)網(wǎng)絡(luò)技術(shù)嚷掠。Kaggle剛開始出現(xiàn)的時(shí)候，就參與其中荞驴。自學(xué)了R語言不皆，參加各種Meetup。推薦博客KDNuggets熊楼，https://www.kdnuggets.com霹娄。
- 上學(xué)期間最重要的？
我總是告訴學(xué)生鲫骗，在研究生階段學(xué)到的最有用的技能就是如何自學(xué)犬耻，以及如何準(zhǔn)確定位你還不知道的東西。這是第一件事执泰。第二件事是要堅(jiān)持不懈枕磁，在遇到問題的時(shí)候，要絞盡腦汁地前進(jìn)术吝，直到取得突破计济。自信心是另一個(gè)我想說的東西。最后一件事是排苍，如果有過處理數(shù)據(jù)的經(jīng)驗(yàn)峭咒，那是極好的。學(xué)習(xí)如何處理數(shù)據(jù)的唯一方法是實(shí)際使用數(shù)據(jù)纪岁。
