<mark id="oztn4"></mark>
0
| 本文作者： skura | 2019-10-25 10:16 |
溝通是數據科學領域的一門藝術，也是一種有用的工具。能夠傳達自己的見解是必要的，這才能讓其他人根據發現的結果采取所需的行動。其中，講故事是最有效的數據交流方式之一。但要成為一個引人注目的講故事者，我們需要簡化事情，而不是把它們復雜化，這樣分析的真正本質就不會丟失。簡言之，不要簡單地展示數據，用它講述一個故事。
在這一期的 Kaggle Grandmasters 訪談中，我將帶給大家的是，一位大師級故事講述者的驚人而令人鼓舞的旅程：Shivam Bansal——Kaggle Kernels Grandmaster 和 H2O.ai 的資深數據科學家。他目前在新加坡工作，參與了 H 2O.ai 在亞太地區的活動。Shivam 是一名來自印度的計算機科學畢業生，他隨后于 2019 年在新加坡國立大學獲得商業分析碩士學位，并在那里獲得了杰出的 Capstone 項目獎。
Shivam 的 kaggle 之旅非常有趣和專注，用他自己的話說：
「我于今年 1 月加入 Kaggle，年底成為 Kernels Grandmaster，總排名第二，獲得 10 項 Kernel 大獎（包括每周 3 項 Kernels 大獎和 4 項 Swag 大獎），還獲得 3 項貨物挑戰數據科學核心競賽。」
kaggle 最初吸引你的是什么，第一場勝利是什么時候來的？
Shivam：2014 年，當我在第一家公司工作時，我開始了解 Shivam。我當時正在開發一個文本分析框架，包括情緒分析，同時，kaggle 上也有一個類似的競賽。當時我并沒有加入 kaggle 比賽，而是把它作為一個好的討論和知識參考的資源。我加入 kaggle 四年后，在 2018 年初，參加了一個關于差評分類比賽。在那場比賽中，我從別人分享的許多 Kernel 中學到了很多東西。我意識到 kaggle Kernel 是任何試圖學習和實踐數據科學的人最有價值的工具之一。
Shivam 的 Kernel 主頁
2018 年 4 月，我參加了由 Donorschoose、Kaggle 和 Google 組織的「數據科學的良好競爭」活動。我在一個 kernel 中創建了一個混合推薦引擎，它被選為比賽的冠軍。這是我第一次在 kaggle 上取得重大勝利。
你為什么決定進入競爭激烈的數據科學領域？
Shivam 的獲獎作品：https://www.kaggle.com/shivamb/1-bulletin-structuring-engine-cola
Shivam：我喜歡參加數據科學良性競爭挑戰。這些比賽呈現了一組特殊的、獨特的、具有挑戰性的問題陳述。不同于傳統的特定于 ML 比賽，這些比賽更開放。這類競賽要求在數據科學的所有方面都有完整的解決方案——從數據挖掘、清潔、工程、分析、建模、可視化、洞察力，最重要的是，還有講故事。我喜歡這樣的比賽，因為這些比賽是非常接近現實生活中的數據科學項目。
從你的 Kernel 可以推斷出，你通常會將問題分解為更小的部分。這種方法是如何幫助你解決問題的？
Shivam：任何分析或數據科學問題本質上都是非結構化的。這意味著沒有明確的目標和任務要做；因此，有時很難建模和處理。我總是試圖通過把問題分解成更小的任務，在問題陳述中加入一個結構。然后，我嘗試連接這些任務，并準備一個粗略的管道，其中包含每個部分的可能解決方案/代碼。
作為第一個目標，我確保創建 kernel 的端到端版本，所有組件和任務都準備就緒。在這一點上，結果可能不是有效的，也不是最先進的，但是我通過添加可視化、洞察力、解釋、代碼重構等來迭代地改進我的 kernel。這種方法可以使整個問題狀態和解決方案更加清晰，也有助于提高與分析思維相關的技能，結構化思維和批判性思維。
除了在 kernel 中顯而易見的透徹分析之外，您還可以將結果可視化。數據可視化對數據科學家來說有多重要？
Shivam：可視化是整個數據科學工作流程的關鍵部分。能夠清晰地顯示數據集中的信息和見解是業界高度贊賞和追求的技能。無論是在 eda 階段還是建模后階段，可視化都起著至關重要的作用。最終我們的用戶可能并不總是理解數據或結果的技術方面，但是當使用不同的繪圖、交互、動畫和各種圖形進行可視化時，這些結果會變得更加明顯。在許多領域中，視覺起到了非常重要的作用——數據故事、向業務用戶展示數據的洞察力，甚至解釋黑匣子機器學習模型。
你是最新加入的 Grandmaster。作為 H2O.ai 的數據科學家，你的角色是什么，在哪些特定領域工作？
Shivam 和 H2O.ai 的一些 kaggle 大師同事
Shivam：我的目標是為 H2O.ai 目前正在開發的新產品做出貢獻，同時也幫助改進具有新功能的無人駕駛汽車。我希望能產生影響的領域包括無監督機器學習、自然語言處理、自動洞察、視覺分析、自動敘述的自然語言生成和人工智能。我還積極與亞太地區的銷售和售前團隊合作，以獲得更多的客戶，教育潛在客戶，并協助他們處理具體項目和查詢。此外，我還與客戶團隊成功合作，幫助不同的組織在其項目中啟用人工智能。
除了 kaggle 之外，你能為數據科學初學者分享一些有用的資源嗎？
Shivam：除了 Kaggle，我從博客和網站上學到了很多，比如 Analytics Vidhya, Towards Data Science 和 KDnuggets Vidhya。這些博客是了解一個新概念的好資源。為了獲得更全面的數據科學知識，我推薦一些專家的課程，比如 deeplearning.a i 和 fast.ai。
是否有任何特定的領域需要在 ML 中應用您的專業知識？
Shivam：解決發展中國家低銀行人口的小額貸款問題。許多個人或小企業被拒絕貸款，因為他們無法進入銀行，因此沒有信貸記錄。我想使用網絡科學、圖論和非結構化數據等概念開發模型來幫助這部分人群。
對于剛剛開始或希望開始數據科學之旅的數據科學愛好者，有什么建議嗎？
Shivam：數據科學是關于思想和實驗的。這一切都是關于嘗試這些想法和實驗，并不斷重復，直到達到一個成功的階段。這可以培養一種「愿意嘗試」不同實驗而失敗，邁出第一步，不斷進步的心態。
Shivam 獲得了新加坡國立大學頒發的杰出 Capstone 項目獎，因為他創建了一個使用非結構化數據和深度學習的中小企業替代信貸評分平臺。
另一個有價值的建議是始終從端到端的角度思考。這意味著在開發數據科學解決方案時，必須牢記業務視角。這種想法有助于為手頭的任何業務問題提出一個創造性的相關解決方案。
最后，在開始學習數據科學的同時，互聯網上有很多有用的資源，你可以選擇一個，開始它，堅持下去，并完成它。資源太多，很容易分心，我見過的很多人都沒有做到這一點。要充分利用任何課程，最好的方法就是從頭到尾的完成它。
Shivam 在 kaggle 中的核心思想總是將徹底的研究、清晰的文檔和高質量的可視化結合在一起。他在工作中付出的努力是巨大的，而 kernel 內核是這一事實的證明。
雷鋒網雷鋒網雷鋒網
