Comcast公司Freewheel数据科学主管Bob Bress访谈

我们感谢 鲍勃·贝斯 参加 2020年数据科学访谈系列 并分享他在大型组织中担任数据科学主管的AI智能之家和经验,包括:

  1. 对于数据科学家而言,获取业务领域知识的重要性以及如何做到这一点。
  2. 数据科学家如何在组织内听到他们的信息。
  3. 在广告界如何利用数据科学。
  4. 为数据科学家提供了宝贵的资源,一直为他提供帮助。

您是如何第一次进入数据科学的?

我学过运筹学&伦斯勒理工学院研究生院的统计数据,在那期间曾在通用电气实习’的应用统计实验室的研究中心。在那里,我开始研究各种很酷的统计问题,从确定飞机发动机保修参数到确定GE当时拥有的CNBC财务异常。

数据科学如何用于在您当前的项目中创造价值?

数据科学对于任何参与大规模广告交易的公司都至关重要。在Freewheel,我们将开发不仅支持广告购买者如何有效定位受众的解决方案,还支持广告资源所有者如何最好地利用其资产获利。

我们参与的数据科学类型包括线性优化(用于广告调度),机器学习(用于收视率预测和受众分类)和统计建模(用于采样和受众建模)。

这些应用程序可以最大程度地提高广告对受众的影响,从而为广告的买卖双方带来极大的效率。

AI时间杂志资源
您正在学习数据科学吗?

Check out what 图书 帮助20多个成功的数据科学家成长。

您作为数据科学家每天使用的关键技能是什么?您是如何开发这些技能的?

这些天来,我领导着一个数据科学团队,因此我每天使用的技能就是将我们的数据科学能力与业务需求联系起来。这需要对我们的团队可以解决的问题类型有清楚的了解,并能够将业务问题映射到那些技能组。

此外,重要的是能够以非技术人员可以清楚地理解并向他人解释的方式来解释复杂的数据科学概念。

我很幸运能够在整个职业生涯中与内部和外部客户紧密合作,因此这些技能是我通过这些互动不断发展而来的。如果您希望影响组织中的其他人,那么向您的听众调整信息非常重要…

作为一名专业数据科学家,您当前面临的最大挑战是什么?如何应对这些挑战?

最大的挑战之一是如何跟上当今数据科学领域中可用的最新技术和方法。鉴于当今的发展速度,有时与工作项目,行业发展和技术保持同步可能会使您不知所措。

我通过有针对性地为每个领域花费时间并强迫自己坚持这一点来进行管理。这包括确保我与外部技术会议,出版物以及在该空间中从事有趣工作的人员互动。

我也一直在从我们的数据科学和分析专业人才团队中学习新事物,他们不断地提出新的想法和技术。

对于数据科学领域的任何人来说,不断“削尖他们的剑”是如此重要,以使他们的技能继续与当今面临的业务问题相关。

您对企业/行业的领域知识有多重要’身为数据科学家,您是如何获得的?

领域知识是将平庸的数据科学家与出色的数据科学家区分开的一件事。

有成千上万的人可以运行神经网络,但是只有一小部分人能够识别如何使用它们以新颖的方式解决业务问题。该功能仅通过对基础数据以及该数据对企业的含义的详细理解来实现。

数据科学家需要肩负起对自己所处业务的深入了解的责任。他们可以通过问很多问题来做到这一点,不仅是技术人员,而且是整个公司的跨部门人员。销售人员,客户经理和业务经理可以深入了解业务的运作方式和难点所在。

此外,他们应该利用任何机会参加与内部或外部客户的会议,以获取新的观点并确定对数据科学有影响的领域。

领域知识是将平庸的数据科学家与出色的数据科学家区分开的一件事。

您是否创建数据科学内容? 

多年来,我曾在包括Predictive Analytics World和INFORMS在内的各种会议上担任发言人。

3个最能概括您如何学习机器学习和数据科学的单词:

阅读,重新阅读和实验

人员:您关注的是哪些启发性的数据科学家和AI人士?

吴安德(Andrew Ng),纳西姆·塔莱布(Nassim Taleb),汤姆·达文波特(Tom Davenport)

书籍:在您的旅途中,哪些书籍对您的帮助最大?为什么?

C. Bishop的《神经网络用于模式识别》 –多年前我对机器学习的第一批详细介绍之一。

N. Taleb愚弄随机性-激发人们对偏见如何影响决策的定量理解的伟大动力

T. Davenport撰写的关于分析的竞争–展示了公司有效使用分析以提高竞争力的重要性

课程:您选择了哪些课程/程序对促进您的数据科学职业做出了重大贡献?

探索性数据分析:如果可以’如果做得好,机器学习技能就赢了’t matter

运筹学:数据科学领域被低估的领域,在商业中有许多可能的应用

公开演讲:’从事出色的技术工作还远远不够,您需要能够以清晰且引人注目的方式进行交流,以吸引其他人加入

会议:您特别喜欢参加哪些与数据科学相关的会议,为什么?

预测分析世界:始终是一个很棒的活动,以了解跨行业如何使用预测分析

沃顿商学院的客户分析计划:为期1天的活动,涵盖了业务和分析与优秀演讲者的交汇

我曾是Predictive Analytics World和Wharton Customer Analytics Initiative会议的发言人。

您用来跟上该领域进步的前三项资源是什么?

很棒的数据科学:实际上,这具有查找出色的数据科学资源所需的一切。

Cassie Kozyrkov(Twitter:@quaesita):Google决策科学部负责人,他提出了很多内容

走向数据科学:有关数据科学,机器学习和人工智能的各个方面的文章

您在过去12个月中引入的最大改进是什么,从而极大地改善了您的工作流程?

我们的团队已开始使用Databricks,这使得扩展计算和数据工程任务变得容易。

您对今天想要进入数据科学领域的人有什么建议?

围绕探索性数据分析开发技能。在进行任何高级建模之前,了解数据并提出正确的问题以理解上下文是关键步骤。

花时间了解在不同模型的背景下会发生什么。任何人都可以调用函数,但是最好的数据科学家会知道不同算法如何工作以及何时最佳使用这些算法的细节。

深入了解您的业务知道您的业务如何运作以及数据真正代表什么,将使您很好地进行数据科学的创新。

关于数据科学的最喜欢的事情是:

使用数据科学技能可以解决许多具有挑战性的问题。

如果你曾经’从事数据科学工作,您将:

美化环境…

是什么激发您从事数据科学工作的?

解决影响业务的新奇有趣问题的机会 …

标记您行业中希望看到的回答这些问题的一两个人。

扬·诺依曼(Comcast)

的使命 AI时间杂志 是泄露信息
和关于人工智能的知识,
的到来和使用AI技术的新机会
造福人类。

关于AI Time Journal编辑人员

的使命 AI时间杂志 是泄露信息 和关于人工智能的知识, 的到来和使用AI技术的新机会 benefit humanity.

查看AI Time Journal编辑人员的所有帖子→