为什么“适应性对于这位数据科学家来说至关重要”

Integral Ad Science 的 Paulo da Costa 讨论了他作为一名数据科学家的日常角色，以及为什么你不应该低估从小事做起的重要性。

Paulo da Costa 是 Integral Ad Science 的一名数据科学家，他结合计算机视觉、自然语言处理和音频处理技术来制作用于广告验证和优化的模型，重点关注视频内容。

da Costa 典型的一天从团队更新开始，讨论项目进展和日程安排，以及分配的编写代码、审查论文和代码评估的时间。 更多的团队会议全天和每周举行，根据需要评估、调整和修改策略和目标。

“为了有效地管理我的工作量，我采用了一些策略，例如将任务分解为可管理的块，并将它们放在我的日历中以进行责任和时间管理，”达科斯塔说。

“总而言之，每一天的展开都有点不同，融合了团队合作、解决问题、利益相关者管理、测试想法和个人发展，并有一些当之无愧的茶歇时间。”

您从事哪些类型的人工智能/分析项目？

如今，我的大部分项目都围绕着深度学习在多媒体和视频内容中的应用。 在这个广泛的领域内，我致力于针对特定用例定制的不同架构和学习目标。 例如，我可以开发利用监督学习的检测模型，研究信息检索方法来有效地对视频进行分类，或者使用自我监督来学习有用的表示，而无需人工注释数据。 我特别喜欢我们在多模态方面所做的工作，例如，结合视觉和文本等不同模态来创建更好的模型，可以像人类一样处理不同的数据信号。

您每天使用哪些人工智能/分析技能？

在我的角色中，我发现自己沉浸在各种任务中，从处理大量数据到深入研究算法开发。 无论当天的焦点如何，算法思维仍然至关重要，无论是应用于数据工程、生产模型还是应对机器学习 (ML) 挑战。

适应性是关键，特别是当涉及到我使用的工具时。 从利用 Spark 和 SQL 进行数据处理，到深入研究 TensorFlow 和 PyTorch 等 Python 库进行模型开发，多功能性至关重要。 此外，良好的软件开发技能可确保我编写的代码不仅实用，而且可维护且可供同行访问。

在计算机科学、数学和统计学方面打下坚实的基础对于驾驭不断扩展的工具和技术至关重要。 从软方面来说，人员管理技能也发挥着同样重要的作用。 有效的沟通、领导力以及促进团队成长和参与往往被忽视，但对于该领域的成功不可或缺。

人工智能/分析工作中最困难的部分是什么？您如何应对它们？

随着人工智能和机器学习领域发展如此之快，很难跟上当前的发展并保持最新状态。 有效的沟通是另一个基石，尤其是在处理复杂的概念时。 有时可能很难清晰、简洁地表达想法，以确保与不同团队的顺利协作。 我的大部分工作都需要集中注意力。 由于我们拥有大量的联网设备和工具，很难最大限度地减少干扰并留出专门的时间来专注于工作。

为了应对这些挑战，我有自己的一套策略。 首先，我会优先考虑任务并设定明确的界限，以确保我有必要的时间和资源来实现我的目标。 我还保留有关我正在从事的项目的书面文档，以便进行更高效和有效的沟通。 此外，我有意识地限制对社交媒体的使用，并尽力通过花时间探索最近的作品并了解该领域的进展来了解最新的发展。

您有什么可以帮助您度过一天的生产力技巧吗？

我努力定期休息，保持水分，并确保尽可能得到足够的休息。 我相信参加体育锻炼可以帮助我减轻压力并确保我优先考虑自我保健。 我倾向于通过设定明确的目标和优先事项来开始新的一天。 我会确定需要我关注的最关键的任务，并首先关注它们。 此外，只要有可能，我都会尝试自动化重复性任务。 虽然一开始可能需要一些时间，但未来的你可能会为此感谢你。

您每天使用哪些技能和工具与同事沟通？

“成功往往需要多次尝试和偶尔的挫折”

随着人工智能/分析领域的发展和发展，这一角色发生了怎样的变化？

随着深度学习的兴起，尤其是 BERT 和 GPT 等基于 Transformer 的模型的兴起，我们处理自然语言处理和计算机视觉等任务的方式发生了显着变化。

这种转变包括训练模型所需数据量的变化，其中向更大的模型提供更多数据已显示出显着的性能改进。 这些进步带来了硬件（GPU、TPU）和软件（TensorFlow、PyTorch）的快速进步，使得能够进行更大的模型和更复杂的架构的实验，推动各个领域的突破。

与此同时，可扩展性和效率在当今的环境中非常重要，特别是对于实时决策而言，促进了分布式训练技术、模型压缩和资源受限设备的部署方法的发展。 此外，人工智能的日益普及引发了人们对数据隐私和算法责任的担忧，从而加大了创建更加透明的人工智能系统的力度。

在人工智能/分析领域工作，您最喜欢什么？

我发现在人工智能/分析领域工作最有成就感的是有机会解决现实世界的挑战并解决有趣的问题。 虽然这项技术本身很有趣，但真正推动我的是见证它的实际应用和它可以产生的切实影响。

发现创新的解决方案并观察它们所产生的积极成果是我每天的动力。 此外，我非常重视协作和团队合作的力量。 与他人合作使我们能够结合我们的专业知识和观点，最终带来更好的解决方案。

您会给那些想从事人工智能/分析工作的人什么建议？

致力于持续学习，面对新的挑战和知识差距保持谦虚。 这个领域广阔且发展迅速，因此坚实的基础加上学习的意愿至关重要。

不要害怕接受新的项目和挑战。 与您所在领域内外的其他人合作，以获得不同的观点和不同的观点。 在不同的团队中工作通常可以带来更具创新性的解决方案和个人成长。 你永远不知道什么时候你会找到你的宝石。

要明白，成功往往需要多次尝试和偶尔的挫折。 在人工智能和分析领域，实验与取得结果同样重要。 拥抱不确定性并尝试轻松应对模糊性。

不要低估从小事做起的重要性。 对于新手来说，在不建立更简单的基线的情况下深入研究复杂的模型是很常见的。 必要时进行简化可以提供清晰度，并为更有效、更稳健的解决方案铺平道路。

通过我们的新播客《未来人类：系列》了解新兴技术趋势如何改变明天。 现在收听 Spotify， 在 苹果 或者无论您在哪里获取播客。