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(fā)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(qū)的活動。Shivam 是一名來自印度的計算機科學畢業(yè)生，他隨后于 2019 年在新加坡國立大學獲得商業(yè)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(zhàn)數據科學核心競賽?！?br/>
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(fā)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(chuàng)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(zhàn)。這些比賽呈現了一組特殊的、獨特的、具有挑戰(zhàn)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(chuàng)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(tài)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(yè)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(yè)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(fā)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(jiān)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(qū)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(yè)知識？
Shivam：解決發(fā)展中國家低銀行人口的小額貸款問題。許多個人或小企業(yè)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(fā)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(yǎng)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(tài)。
Shivam 獲得了新加坡國立大學頒發(fā)的杰出 Capstone 項目獎，因為他創(chuàng)建了一個使用非結構化數據和深度學習的中小企業(yè)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(fā)數據科學解決方案時，必須牢記業(yè)務視角。這種想法有助于為手頭的任何業(yè)務問題提出一個創(chuàng)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
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
