專訪競技世界首席資料科學家巴川:不要辜負這個時代
【名人堂專訪】資料,已成社會不斷向前邁進的一大源動力。致力於充分發揮資料價值的人工智慧(AI)技術,儼然一顆冉冉升起的新星,幾年來為我們的生活、生產與消費帶來了肉眼可見的改變。如今越來越多的人開始緊跟潮流,投身資料科學領域。
在第十屆資料庫技術大會(DTCC 2019)即將到來之際,我們有幸採訪了競技世界首席資料科學家巴川,針對AI行業與個人職業發展問題進行探討與見解分享,希望對後來者有所幫助。
Photo by from Pexels
AI技術尚未成熟,行業發展任重道遠
大資料、機器學習、人工智慧等關鍵詞,這些年頗為頻繁地出現在我們的視野中,難免會讓人產生一種AI技術應用已然成熟的感覺。但事實並非如此,如巴川老師所說,在大部分領域,AI還處在比較初級的階段,說走向成熟還為時尚早。
我們必須承認,無論技術本身、還是商業應用方面,目前AI發展仍存在一些問題。在採訪中,巴川老師就這兩方面分享了自己對於行業進步的一些看法。
·技術方面 :1、目前AI技術的核心演算法創新速度遠遠落後於應用發展速度,很多場景的AI核心演算法都是各種神經網路,然後根據業務場景做些微調;2、AI技術的原料——資料,目前還缺乏從資料生產、儲存、流轉到應用的流程機制、規範標準。
·商業應用方面 :1、AI的發展還需要更加豐富的想象力。巴川表示:“這是一片藍海,是一個新的時代,那麼我們就該做一些更大膽、更有想象力的事情,甚至要有超越科幻大片的想象力。”;2、另一方面,AI的發展也需要更加務實的落地應用和商業模式。表面繁榮的同時難免會有泡沫,除了新鮮感、驚喜感,AI要帶給我們更多實實在在的價值,才能持續發展,真正實現“未來已來”。
值得一提的是,即便到現在,AI在大多數企業中仍然存在難以融入到商業應用的問題,有很多產品看似成功,但在商業上並不成功,簡單來說,就是做出產品但賺不到錢。巴川認為,應對挑戰的核心就是——以使用者為中心,充分調研、挖掘使用者的真實需求,而不是臆想出來的偽需求,避免將AI技術、資料科學變成所謂的“屠龍之技”。
不過,AI正在加速航行也是不爭的事實。在影像識別、語音識別、無人駕駛、博弈機器人等領域,AI已經有了令人驚豔的表現。巴川老師也表示,他對AI的未來充滿信心,相信AI技術會不斷帶給我們更多驚喜。
巴川,競技世界首席資料科學家
如何成為一名優秀的資料科學家?
採訪中,巴川老師表現出了對資料科學的高度熱情。從某種程度上來說,對專業的“熱情”,可能是促使一個人技能水平向前發展的最本源的驅動力。
“資料科學最吸引我的就是它嚴謹客觀又富有想象力和藝術美感,是科學和藝術的完美結合。能用資料原料炒出各種美味大餐並跟大家分享,是件非常有成就感的事情。而且它能跟各行各業結合,帶你領略不同的人生,就像多活了幾輩子!”巴川老師說道。
除了充分的熱情外,作為資料科學家,還需要具備四項基本能力:
1、要有紮實的數學基礎,掌握主流演算法,並能快速學習新演算法新技術;2、要有程式設計思維,至少懂一門程式語言;3、要有較強的業務理解力,能將不同業務場景、不同需求抽象轉化為合理模型;4、要有大局觀,既能從不同層次、不同時期和不同使用者視角去理解業務,又能從資料的產生、儲存、流轉、加工、應用等各個環節理解資料,並實現二者的完美結合,創造價值。
從以上的能力要求來看,資料科學領域確實有一定門檻,高學歷人群成為資料科學家的機率也更高一些。但並不意味者學歷不高或者非相關專業的人就成不了資料科學家,任何領域或專業的人,只要有心用資料科學創造美好生活,並且肯下功夫去實現,都可以成為資料人才甚至資料科學家。對於希望轉型、踏入資料科學領域的朋友,巴川老師同樣給出了自己的建議:
· 資料科學相關的細分崗位有很多,對應的能力要求也不一樣,要了解清楚資料科學的各個細分方向和技能要求,結合自身技術基礎和性格特點來選擇合適的切入點。如,偏業務的產品分析、運營分析、商業戰略分析等;偏工程的大資料開發、資料倉儲、資料平臺架構等;還有面向特定領域的AI工程師、演算法工程師等。
· 保持童趣和想象力,培養人文、社科、藝術等綜合素養。
· 除了多掙錢改善自身生活,還要有點資料科學創造美好社會和未來的理想和情懷。
要成為時代的參與者
資料科學,看似是整天與單調、乏味資料打交道,其實不然。
正如巴川老師所強調的,資料科學家要涉獵廣泛,想象力豐富又能落到實處,掌控全域性又關注細節,才能在資料之海中找到實現資料價值的各種可能。
正如我們所看到的,技術的起點依舊是人,資料科學家們正在用自己的方式,一步一步改變著這個世界。
“就想在這個時代翻起點浪花,不辜負這個時代。”談及自己進入資料科學領域的心路歷程時,巴川老師這樣說道。
DTCC,資料從業者的技術交流平臺
2019年5月8日~5月10日,由IT168旗下ITPUB企業社群平臺主辦的 第十屆中國資料庫技術大會(DTCC2019) ,將在北京隆重召開。大會將邀請百餘位行業專家,就熱點技術話題進行分享,是廣大資料領域從業人士的又一次年度盛會和交流平臺。
屆時,巴川老師也將作為演講嘉賓進行以《人工智慧在網際網路遊戲平臺中的應用》為主題的經驗分享。介紹人工智慧、機器學習、資料探勘等資料技術在網際網路遊戲平臺中的應用,重點講如何建立AI體系並結合業務體系賦能平臺,包括拉新、導量、促活、創收等各個環節,也包括在平臺風控體系、反作弊等領域的應用。
以下是巴川老師寫給大會的十週年寄語:
曾經作為出道新人在DTCC的臺下聆聽技術大咖們的分享,到站在臺上成為DTCC的分享嘉賓,並有幸作為出品人與各位大咖及ITPUB的小夥伴並肩戰鬥,組織籌備大會,邀請各路高手論劍DTCC,倍感榮幸和興奮。上一個十年,DTCC引領了中國資料庫技術的潮流;如今在十歲生日之際,她將為大家奉獻出一場資料人的饕餮盛宴;下一個十年,希望和DTCC一起,在世界的資料浪潮中激盪出更多浪花!
嘉賓介紹
巴川,資深資料科學家,曾就職於中國搜尋、搜狐暢遊等網際網路公司,主要從事網際網路資料探勘工作,現任競技世界(北京)網路技術有限公司首席資料科學家。主要研究領域包括網際網路使用者行為挖掘、運營分析、產品分析、社交網路挖掘、反作弊、風控體系、推薦系統、資料視覺化等。
除了豐富的職業經歷外,巴川也長期投身於教育事業。他是北航兼職碩導,西安交大研究生院授課專家,華南理工大學、武漢大學、南京大學、貴州大學、對外經貿大學等多所高校兼職教師。
此外,巴川還是中國計算機學會高階會員、中國教育創新校企聯盟首席資料科學家、專家委員會副主任,網際網路+大學生創新創業大賽專家評委,廈門大學、南京大學等多所高校創新創業導師,多次擔任大資料相關技術大會演講嘉賓。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31545805/viewspace-2636435/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 競技世界首席資料科學家巴川:資料科學,未來或將成為民族核心競爭力資料科學
- 這七家BAT公司,誰家資料科學家更多BAT資料科學
- 資料分析師、資料科學家、大資料專家三個職位的區別資料科學大資料
- 【資料科學家】如何成為一名資料科學家?資料科學
- 螞蟻金服首席資料科學家漆遠:AI技術開放,與業界融合共創資料科學AI
- 每個資料科學專家都應該知道的六個概率分佈資料科學概率分佈
- 專訪中國移動首席科學家馮俊蘭 :AI業務應用需要收斂再收斂AI
- 資料工程師、掌握資料分析,成為資料科學家、資料庫遷移專家工程師資料科學資料庫
- 從大山走出的阿里首席通訊科學家,這次要重返課堂阿里
- 你與資料科學家只差這26條python技巧資料科學Python
- Web開發與資料科學家:誰在統治Python世界?Web資料科學Python
- 資料科學即將迎來“無程式碼”時代資料科學
- 【北京】【小川科技】招聘 Golang 技術專家Golang
- Python機器學習 5個資料科學家案例解析Python機器學習資料科學
- 資深專家分享:從numpy開啟Python資料科學之旅!Python資料科學
- 上觀獨家 | 專訪“計算機視覺奠基人”:AI改變了科學家發現世界的方式計算機視覺AI
- 初創公司資料科學專案全流程指南,一位資深資料科學家的經驗談資料科學
- 【譯Py】2018年,這5個資料科學專案能幫你找到工作資料科學
- 思略特:資料資產時代首席資料官正在崛起(附下載)
- 資料科學家已死?AutoML使得資料科學更加普及化 - enterpriseai資料科學TOMLAI
- 業界 | 資料科學家“恐怖故事”資料科學
- 資料科學家的命令列技巧資料科學命令列
- 如何成為資料科學家? - kdnuggets資料科學
- 公民資料科學家的侷限性資料科學
- 努力提升學習,年少時吃過的苦歲月也不會辜負!
- JetBrains DataSpell 2024.2 (macOS, Linux, Windows) - 專業資料科學家的 IDEAIMacLinuxWindows資料科學IDE
- DataSpell 2023 mac中文版專業資料科學家的IDEMac資料科學IDE
- 專訪丨小米遊戲負責人:請不要妖魔化渠道遊戲
- Airbnb資料科學家:歷時6個月,我終於找到了心儀的工作AI資料科學
- 國際著名人工智慧專家李海洲博士 (IEEE Fellow) 加盟快商通任首席科學家人工智慧
- 科學甩鍋技術: Typescript 執行時資料校驗TypeScript
- 資料科學家最需要什麼技能?資料科學
- 資料科學家需要的基礎技能資料科學
- 什麼是全棧資料科學家?全棧資料科學
- 每一個不曾起舞的日子,都是對生命的辜負
- 對話Neo4j首席科學家Jim Webber:圖資料庫江湖5年後將塵埃落定Web資料庫
- 資料科學家需要掌握的十大統計技術詳解資料科學
- Spotify如何改進資料科學家的資料發現?資料科學