Women in Data Science Beijing：與數據科學的美妙邂逅

最新 03-19

3.14

2018年3月14日，在濃濃白色情人節的氛圍中（呃，不，愛學習的小妹覺得只知道今天是國際圓周率日）， Women in Data Science Beijing活動在Plug and Play中國（簡稱PNP中國）總部成功舉辦。這次活動由DataGirls主辦，Stanford Women in Data Science大會、SAP Next-Gen Labs和Plug and Play中國聯合舉辦，邀請了3位在數據科學領域工作的優秀女性，包括資深前輩和新生力量做分享，旨在讓更多對數據科學感興趣或有志於從事這一領域工作的女性獲得更全面的了解和認識，鼓勵、支持和培育更多的女性成為數據科學家。

儘管活動是在周三工作日的晚上舉辦，卻絲毫沒有減少大家參與的熱情。前來參加分享會的有資深的職場人士、有剛踏進職場的新手，還有不少高校的學生，有的來自傳統行業，也有的來自互聯網行業，背景非常多元。

分享環節在19：30正式開始

Aislinn DataGirls 創始人

首先，本次活動的主辦方DataGirls創始人Aislinn帶來的分享主題是《數據科學很酷，女數據科學家更酷》。Aislinn以自身經歷為例子，分享了數據是如何加深我們對世界的理解和提高我們的認知的。

Aislinn認為，善用數據思維，開始數據驅動決策，才能更好地成為一個現代的智慧公民。同時，Aislinn也分享了個人的數據科學轉型之路，通過線上課程Coursera和朋友中數據科學家們的指導，雖然緩慢然而在不斷地前進中。

在數據科學領域中，女性還有漫長的路要走，儘管如此，我們可以看到在這個領域中，不乏創造了傲人成績的優秀前輩，包括斯坦福大學副教授、斯坦福人工智慧實驗室主任李飛飛和百度自然語言處理部首席科學家吳華，是我們學習的模範。

數據科學可以提升個人能力、造福社會，而女性在這個領域發揮的作用也將越來越大。Aislinn倡導大家關注和接觸數據科學，讓更多的女性能夠參與到數據科學的社會浪潮之中。

趙天琪清華大學人工智慧與深度學習方向碩士

那麼要進入數據科學領域，如何科學系統地規劃學習呢？清華大學人工智慧與深度學習方向碩士趙天琪（Tessie）則為大家從零學習數據科學的經歷。

Tessie與數據科學的結緣源自大三時線上學習Coursera，隨後展開了系統規劃的自主學習，並在大學期間在滴滴機器學習研究院以及微軟亞洲研究院自然語言計算組實習。

在分享中，Tessie從商業優化、就業競爭力和未來社會發展趨勢突出了數據科學的光明前景：

「

- 根據哈佛商業評論研究，依賴數據進行決策的大生意一般比同行的利潤高出6%。

- 在未來，數據科學專業人士將十分緊缺，尤其是善於從大量靜態和動態(實時)數據中發現有價值的情報的數據分析師，缺口達150萬。

- 由於數據科學與機器學習的密切關係，在將來的商業分析界，不懂機器學習是無法生存的。

」

緊接著，Tessie給大家分享從零學習數據科學的經驗：

1、學習統計、計算機、數學或相關專業碩士或本科學歷有一定良好的學習基礎

2、累積兩年以上數據挖掘工作經驗

3、熟悉Spark，Hadoop等分散式技術

4.、熟練掌握SQL和Linux基本操作

5、熟練使用Python或R

6、提高其他方面的能力，如學習Machine Learning；熟悉NumPy, SciPy, and Matplotlib, Scikit-Learn；參加Kaggle、天池大數據競賽；多與同行交流，切忌自我隔離，還要有持之以恆的堅定決心。

楊焜 SAP大學聯盟大中華區總監

隨後，SAP大學聯盟大中華區總監楊焜（Jenny）為我們做分享從更宏觀的角度探索大數據以及大數據在企業數字化轉型中的作用。

Jenny擁有18年教育相關的豐富工作經驗

目前負責SAP大中華區大學聯盟創新人才培養項目

Jenny通過幾個有趣的例子形象地突出大數據在商業中的重要性：

「

1、SAP與農夫山泉合作中，SAP根據對消費者數據的分析預測關於不同季節、不同地區對產品的市場需求量，從而有效降低了庫存過剩所導致的成本損耗。

2、SAP與美國NBA合作，在短時間內完成了NBA網路版和移動端的建設，讓球迷能夠直接訪問NBA的如比賽得分、正負值、效率值等NBA正在使用的統計數據。

3、SAP與北美知名收割機與割草機製造公司JOHN DEERE合作，通過大數據分析，向JOHN DEERE推出何時適合開展促銷活動、推送新產品等的商業諮詢指導意見，幫助後者提高產品銷量。

」

在Jenny看來，大數據的廣泛應用已對社會的各個行業產生全方位的變革。得益於數據日益龐大和數據收集渠道不斷拓寬、數據搜集能力不斷提高的良好趨勢，大數據可以為社會帶來更多的便利，很大程度上有效促進企業優化經營和行業整體進步。在這個發展趨勢下，數據科學家受到了越來越多的關注和重視，將成為未來最需要的人才類型之一。

謝雯麗清華國家金融研究院研究員

接下來，清華國家金融研究院研究員謝雯麗（Vivien）向我們分享了自己走進數據科學世界的有趣故事。Vivien本科學習的是會計專業，在實習和工作中與數據結緣，隨後進入卡耐基梅隆大學學習數據分析，畢業後將本科和碩士專業很好地融合在一起，成功地實現了從純商科向金融+數據的職業轉型。

Vivien首先向大家介紹了自己特別的數據學習之路：

隨後結合自身工作，貼切且生動地介紹如何將大數據分析運用到金融保險領域中：

根據客戶數據制定保費

為了實現通過數據獲取行業精準洞察的目的，Vivien分享了自己的學習與工作心得：

「

1、必須深入行業、基於行業；

2、尋求多維度數據（如社交數據、醫療數據、交通數據等）

3、掌握豐富模型處理方法（如多維度檢驗數據）

」

韓佳彤滴滴資深演算法工程師

我們在Vivien這裡聽到了大數據與金融擦出的美妙火花，同樣大數據其實可以運用到多個行業多個領域，包括現在備受關注的深度學習。而滴滴資深演算法工程師韓佳彤則以深度學習在互聯網數據中的應用為切入點，帶我們來探索深度學習技術遇到大數據時發生的奇妙化學反應。

首先，佳彤帶我們回顧了神經網路發展的歷史：人腦中百億級數量的神經元使得人類從原始社會開始便擁有更為發達的語言系統和想像力。深度學習源於人工神經網路，而早在1957年神經網路就被設計出來了，1988年即能識別手寫數字，然而直到2015年，深度神經網路才在圖片的1000類識別能力上超越人類，隨後深度學習也是獲得了史無前例的超越性發展，這個發展主要得益於互聯網飛速發展下的大數據積累。