采访Bob Bress,数据科学负责人,常规,康卡斯公司

我们感谢 Bob Bress. 参加 数据科学访谈2020系列 并将他的AI智能之家和经验分享为一个大型组织中的数据科学负责人,包括:

  1. 获取数据科学家的业务领域知识的重要性以及如何进行。
  2. 数据科学家如何在其组织内听到他们的信息。
  3. 数据科学如何利用广告世界。
  4. 对沿途帮助他的数据科学家的宝贵资源。

你是如何第一次进入数据科学的?

我研究了运营研究&Rensselaer理工学院研究所研究生院校的统计数据,在GE的那段时间内实习’他们应用统计实验室的研究中心。虽然我必须在各种酷酷的统计问题上工作,从确定飞机发动机保修参数来确定当时拥有的CNBC的金融异常。

数据科学如何在当前项目中创建值?

数据科学对参与大规模广告交易的任何公司至关重要。在FreeWheel,我们可以开发解决方案,不仅可以支持广告买家如何有效地定位受众,还可以如何获得广告库存的所有者可以最好地将其资产货币化。

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(用于查看预测和观众分类)和统计建模(用于采样和观众建模)。

这些应用程序对广告的买家和卖家带来了显着的效率如何最大限度地提高他们如何到达观众的影响。

AI时间期刊资源
你学习数据科学吗?

Check out what 图书 帮助20多个成功的数据科学家在他们的职业生涯中成长。

您每天使用的主要技能是数据科学家的关键技能,以及您是如何发展的?

这些天我领导了一个数据科学团队,所以我每天使用的技能都在连接我们的数据科学能力与业务的需求。这需要清楚地了解我们的团队可以解决的问题类型和能够将业务问题映射到这些技能的问题。

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

我很幸运能够与内部和外部客户密切合作,我的整个职业生涯所以这些都是我通过这些互动随着时间的推移发展的技能。如果您正在寻求影响组织周围的其他人,请将您的信息调整给您的受众非常重要…

您目前作为专业数据科学家面临的最大挑战是什么?您如何解决它们?

最大的挑战之一是在今天数据科学空间中的最新技术和方法围绕。遵守工作项目,行业发展和技术似乎在鉴于今天的进步速度似乎似乎压倒了。

我通过故意雕刻这些区域的时间来管理这一点,并强迫自己抓住这一点。这包括确保我与外部技术会议,出版物以及在空间中进行有趣的事情进行订婚。

我也总是从我们才华横溢的数据科学和分析专业人士中学习新的东西,他们不断地带来新的想法和技术。

对于数据科学空间中的任何人来说,这是非常重要的,以便不断“锐化他们的剑”,以便他们的技能继续与今天面临的业务问题相关。

商业/行业的域名知识有多重要’作为数据科学家,你是如何获得的?

领域知识是将平庸数据科学家从伟大的数据科学家分开的东西之一。

有成千上万的人可以运行神经网络,但只有小百分比可以识别如何使用它们以一种新颖的方式解决业务问题。这种能力只通过详细了解基础数据以及数据代表业务的内容。

数据科学家需要承担对他们所在的业务的深刻理解。他们可以通过提出很多问题,而不仅仅是技术人员,而且来自公司周边的副员工。销售人员,账户管理人员和商业管理人员可以深入了解业务如何运作以及疼痛点的位置。

此外,他们应该倾向于任何机会,坐在与内部或外部客户的会议上坐在会议上,以获得新的观点,并确定数据科学可能影响的领域。

领域知识是将平庸数据科学家从伟大的数据科学家分开的东西之一。

您是否创建了数据科学内容? 

多年来,我一直是各种会议的发言人,包括预测分析世界并通知。

3个单词最汇总如何学习ML和数据科学:

阅读,重新阅读和实验

人们:谁是你遵循的AI的一些鼓舞人心的数据科学家和人们?

安德鲁NG,Nassim Taleb,Tom Davenport

书籍:哪些书在您的旅程中帮助了您最多?为什么?

C.主教的模式识别的神经网络 - 我的第一次详细介绍了多年前的机器学习之一。

由N. Taleb的随机性愚弄 - 伟大的动机,用于制定对偏倚如何影响决策的定量理解

通过T. Davenport竞争分析 - 显示公司使用分析有效竞争的公司有多重要

课程:您认为哪些课程/课程,这有助于推动数据科学的职业生涯?

探索性数据分析:如果可以’T这么好,机器学习技能获胜’t matter

运营研究:数据科学的低估区域,具有许多可能的业务应用

公开演讲:它’不足以做巨大的技术工作,你需要能够以明确而引人注目的方式沟通,让别人买入

会议:您参加的数据 - 科学相关会议您特别享受,为什么?

预测分析世界:始终是一个很好的活动,了解在行业中使用预测性分析方式

沃顿商务顾客分析倡议:1天活动涵盖了伟大扬声器的业务和分析

[我是一位]先前的发言者,在预测分析世界和沃顿商务客户分析倡议会议上。

您用来跟上该领域的进步的前3个资源是什么?

令人敬畏的数据科学:这实际上是您所能找到伟大的数据科学资源所需的一切。

Cassie Kozyrkov(Twitter:@Quaesita):谷歌的决策科学负责人提出了伟大的内容

走向数据科学:关于数据科学,机器学习和AI的各个方面的文章

您在过去的12个月内推出的最大改进是什么,这些改善了很大改善了工作流程?

我们的团队已经开始使用DataBricks,这使得简单地进行缩放计算和数据工程任务。

您对今天想要进入数据科学的人会给哪些建议?

开发探索性数据分析的技能。了解数据并询问正确的问题以了解上下文是在任何高级建模之前的关键步骤。

花点时间了解不同模特的引擎盖下会发生什么。任何人都可以致电功能,但最好的数据科学家知道如何不同的算法以及最佳使用的算法。

了解您的业务深入了解您的业务如何以及您的数据真正代表的数据将使您与数据科学的创新效果。

您最喜欢在数据科学中工作的事情:

无法使用数据科学技能解决的具有挑战性问题。

如果你不打败’在数据科学中工作,你会:

景观…

有什么激励你在数据科学中工作的?

解决影响业务的新和有趣问题的机会…

在您的行业中标记一个或两个人,您希望看到这些问题。

Jan Neumann(康卡斯特)

任务 ai时间杂志 是透过信息
关于人工智能的知识,改变
即将到来的是使用AI技术的新机会
益处人性。

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

关于AI时间期刊编辑人员

任务 ai时间杂志 是透过信息 关于人工智能的知识,改变 即将到来的是使用AI技术的新机会 benefit humanity.

查看所有帖子由AI时间期刊编辑人员→