“数据科学家”这一职位名称或许已不像几年前那样令人感到新奇，但这并不意味着每个人都清楚该职位的具体职责，或是否适合投身这一领域。
如今，大多数组织都在生成、积累和存储海量数据；然而，其中许多组织并不知道如何充分利用所收集的信息。这正是数据科学家的用武之地。亚马逊云科技（AWS）的数据科学家既是富有创新精神的科研人员，也是出色的故事讲述者——他们揭示隐藏在大型数据集深处的趋势，从而帮助我们的客户实现业务转型。
请介绍一下你在 AWS 的角色
我的工作是分析大量数据并从中提取有价值的见解，这需要结合商业洞察力、统计学方法以及机器学习技术。我通常向不熟悉机器学习的人解释，机器学习就是构建能够从数据中学习的系统，而无需由人类进行显式编程。在 AWS，我致力于帮助一些最大的客户加速在其业务中采用机器学习。我们从审视客户的愿景开始，寻找机器学习价值最高的应用场景。然后，我们利用最新的机器学习模型运行短期的试点项目——即“概念验证”——以解决具体问题。
对于一家制造行业的客户，机器学习可能用于改进研发或供应链功能。例如，我们曾帮助制造企业更准确地检测缺陷，并将员工进行人工检查的时间减少了一半。在汽车行业，数据可用于帮助提升驾驶员和行人的安全性，例如在自动驾驶汽车的开发中。数据和高级分析能够创建更先进的道路场景感知能力，这有助于自动驾驶汽车准确感知周围环境并评估潜在风险。
我们在哪里可以看到 AWS 机器学习的实际应用？
如今，机器学习无处不在。一个很好的日常例子是体育领域。在美国，NFL 使用 AWS 机器学习技术来支持其“Next Gen Stats”——这是一个高级分析平台，为球迷带来关于美式足球比赛的激动人心的新见解。我们的机器学习模型追踪来自赛场的各种复杂数据集，生成从最快持球跑动者到传球完成概率等各方面的统计数据。与此同时，在一级方程式赛车（F1）中，由 AWS 驱动的“F1 Insights”让球迷更好地了解各项内容，包括历史上最快的车手，以及车手如何尝试完美起步、刹车表现、完成超车的概率等等。
这类数据驱动的洞察为观众提供了更有价值的信息，有助于激发讨论、加深粉丝对运动项目的了解，并最终拉近人们与他们热爱的运动之间的距离。这一切都是为了创造更好的观赛体验——在疫情期间，由于粉丝无法亲临现场观看体育赛事，这种体验的重要性变得尤为突出。
你有没有特别喜欢的、自己参与过的项目？
你工作中最棒的部分是什么？
我喜欢工作的多样性。我已经与体育、医疗保健等领域的组织合作过，并且有灵活性在其他行业工作，比如汽车、制造、零售或其他任何行业。我们工作的多样化性质也意味着我们会接触到来自 AWS 各个业务领域的人，从高层领导到专家——他们都愿意分享他们的时间和经验。我喜欢思想、个性和专业知识的多样性。例如，一个在金融领域专业化的人会与你以不同的方式工作和沟通，而一个在体育行业工作的人则不同。对我来说，我与之合作的客户和同事是我工作中最有趣的部分。
你是如何进入数据科学领域的？
我的职业道路有些非传统。我没有学习数学或科学，与许多同事不同，我也没有博士学位。起初我想攻读工商管理，因此我的背景是商业和传播学。然而，我很快意识到自己希望从事更侧重技术和数据驱动的领域。我在科技、媒体和电信行业做过市场调研实习。这段经历激发了我对机器学习和数据科学的兴趣。我决定重返校园，攻读大数据与商业分析硕士学位，我非常喜欢这个项目，因为它非常注重客户体验。此后，我最初很难找到数据科学方面的工作，因为公司通常要求具备数学或统计学背景。
当我看到亚马逊在招聘商业智能数据科学实习生时，我立刻提交了申请。我经历了招聘流程，最终加入了亚马逊运营部的客户体验团队。这份工作非常有趣，但并非我真正想深耕的领域。在此期间，我找到了一位在亚马逊从事数据科学的导师，我的经理也帮助我在公司内部留意合适的机会。在他们的支持下，我成功接触了一位数据科学岗位的招聘经理，并最终获得了我现在的工作。
你工作中最具挑战性的部分是什么？
我们是一支极具创新精神的团队，因此经常将新想法、工具和方法应用于此前从未被解决的难题。对我而言，最具挑战性但也最有成就感的部分是从零开始构建机器学习模型，尤其是我的学术背景并非数学或统计学。我确保自己持续深化知识储备：例如，在经验较少的领域拓展人脉——比如寻找一位自然语言处理（NLP）专家并定期同步交流；或者大量阅读研究论文，以更好地理解算法。
指导与支持是双向的。当有人慷慨地付出时间时，我总是希望以提供价值作为回报。凭借我在商业和传播领域的背景，我的一种帮助方式是：将复杂、专业的科学解释转化为通俗易懂、用户友好的语言。例如，向可能不具备技术背景的客户提供数据科学项目的成果说明，或在亚马逊内部向全公司的员工分享我们创新成果的动态。
你希望机器学习和数据科学如何发展？
我们需要更多女性担任领导职务，让她们被看见，并坦诚、开放地分享她们面临的一些挑战。我创立了 Women@的机器学习/人工智能全球女性分会亲和群体去年在亚马逊。有兴趣在这一领域工作的女性可能会遇到和我一样的问题——不知道去哪里获取信息，或者在没有特定资质的情况下如何转型为数据科学角色。
该小组向所有亚马逊员工开放。你不必是女性或从事机器学习工作，也可以成为社区的一员。我们的大多数女性成员并不在机器学习岗位，但她们希望获得如何转向此类岗位的支持。通过该小组，我们会定期评估成员的需求，然后通过举办特定活动、导师计划和其他解决方案来满足这些需求。对我而言，提升多样性至关重要——这不仅对 AWS 重要，对整个数据科学和机器学习的未来也至关重要。多元化的团队意味着多元的视角，从而能够带来更多更好地理解客户的机会。
AWS 致力于为学生提供来自各种背景的学生和应届毕业生机会，培养他们的热情并提升技能。了解更多关于我们的实习项目。