|
|
毕业于信息系统专业，随后在印度管理学院加尔各答攻读博士学位。当时，他的兴趣在于计算机网络领域。然而，在学习了神经网络及其在金融领域的应用课程后，他发现自己更倾向于数据科学。那是在 1998 年。二十年后，Ramasubramanian 仍然是一个神经网络迷！ 他的 职业生涯始于 2003 年，在 GE 全球研究部工作。他在 GE 工作了 11 年，致力于解决金融、医疗保健、能源、航空等多个行业领域的数据科学问题。之后，他在 Sabre Airline Solutions 工作了三年，从事旅行分析工作。在过去的一年里，Ramasubramanian Sundararajan 一直与 Cartesian Consulting 合作，领导他们的人工智能实践。 您记得使用的第一个数据集是什么？你用它做了什么？ Ramasubramanian Sundararajan： 我的第一个生动的记忆是使用两个神经网络的组合来预测美元对瑞士法郎的汇率。我和我的同学读过一篇关于使用登普斯特-谢弗证据理论结合多个预测模型的论文。这听起来很令人着迷，所以我们用它来构建一个汇率预测器。或多或少正如预期的那样，这是一次彻底的、彻底的失败。老实说，我认为我们不知道自己在做什么。但从头开始编写神经网络的经验非常有教育意义。
当您意识到数据的力量时，是否有一个特定的“顿悟”时刻？ Ramasubramanian Sundararajan： 实际上，当我读一本书时，我的“顿悟 电话数据 ”时刻就来了。它的名字是《计算学习理论导论》，序言以“计算学习理论是建立人类认知过程的数学模型的尝试”开头。这本书阐述了机器学习或从数据中学习的一些理论基础，这一概念支撑着我们今天所说的人工智能。在阅读这本书时，我真正意识到，我们作为人类所理解的很多东西都是从数据中学习模式的问题。 您如何及时了解数据分析的最新趋势？您经常访问哪些数据分析资源（即博客/网站/应用程序）？ Ramasubramanian Sundararajan： 我订阅了一些专业团体，并关注了 LinkedIn 和 Twitter 上的一些帐户——我经常在这里看到世界各地最近工作的文章和链接。其余的大部分来自与同行的讨论、参加会议等。 分享您在数据科学或大数据分析领域关注的 3 个人/出版物/研究的姓名。 Ramasubramanian Sundararajan： 实际上，太多了，无法列出！当人们发表研究成果的主要途径只有少数几种时，这曾经比较容易。
只需阅读几本学术期刊并浏览一些主要会议记录，您就可以了解人们在做什么。现在，无论你走到哪里，你都会发现有人在做一些有趣的事情。 团队、技能和工具 您在工作中最喜欢使用哪些数据分析工具？您的团队中广泛使用的其他工具是什么？ Ramasubramanian Sundararajan： 我们今天通过数据操作和模型构建所做的大部分工作都是在 R 或 Python 中进行的。选择取决于问题的性质、库和贡献代码的可用性以及程序员的舒适程度。用于基本数据访问的 SQL 以及对某些可视化库/软件的熟悉程度是关键，并且或多或少被视为给定的。 您的数据团队中有哪些不同的角色和技能？ Ramasubramanian Sundararajan： 我领导一个实验室，其主要任务是帮助构建人工智能产品和解决方案，我的团队由在为各种问题和数据类型（文本、图像等）构建机器学习模型方面拥有出色技能的人员组成。组织内还有很多人在人工智能/机器学习/统计方面拥有非常好的背景，因此我们共同解决了许多问题。我们还与组织内具有强大工程技能的其他团队合作——为了大规模部署复杂的模型，良好的工程是必须具备的。
|
|
发表于 2024-1-14 14:10:30