这一期的嘉宾因学生时期一张像孙中山的照片而被朋友们戏称为“国父”。“国父”在推荐系统领域有很多年的实践经验，也做过不同类型的推荐系统。这周我们就请专家来和我们深入聊一聊推荐系统是什么、怎么做、以及产品技术难点是什么。除了推荐系统，“国父”对于数据科学领域和数据驱动也都有很多思考。 在工作之外，本期嘉宾自认为有着“非典型”的成长经历。高考时交白卷，在高校研究所工作多年，很晚才进入业界。但也正因为此，他对个人的发展有不一样的思考。到底学历有什么意义？我们是荒岛上的猴子还是赛道上的赛马？赶快来听吧！ 00:00:00 开场 00:01:24 在电商平台Pinkoi做推荐系统 00:03:49 推荐系统从Infra和数据收集开始 00:05:04 tracking和埋点 00:07:04 电商平台一定需要推荐系统吗？ 00:10:13 原生广告公司Taboola的推荐系统 00:13:12 用户体验：内容推荐 v.s. 广告推荐 00:14:33 广告推荐和内容推荐在产品实现上的差别 00:16:47 推荐系统领域需要什么样的人才 00:19:33 广告推荐和内容推荐工程难度上的差别 00:21:47 觉得自己是一个data scientist还是一个engineer？ 00:24:37 分析团队和工程团队的mindset差别 00:28:28 跳槽Taboola的契机 00:31:36 多文化融合的工作环境 00:33:54 如何快速的熟悉公司业务 00:38:53 空降manager如何管理团队 00:42:08 data-driven到底是好是坏 00:49:37 非典型的成长经历(吗?) 00:52:51 学历到底代表什么？ 00:55:18 赛道上的赛马，还是荒岛上生存的猴子 00:56:53 Multi-armed Bandit对人生的指导意义 00:58:50 Amy和Stella做podcast的意外收获 01:01:28 生活中的发呆时间

这一期的嘉宾May有着非常感染人的笑声，整个聊天过程都轻松愉快。虽然May一直在说自己非常无所谓，很躺平，但是和她聊下来却发现她根本过着很卷的人生！除了做着非常demanding的金融业管培生工作，她还有做一些副业，甚至还运营着自己的社交账号(Ins@marketing_youth_may)。但另一方面，May又确实很松弛。举例说明：我们找她要照片做这一期的cover photo，正在爬山的她打开手机前置摄像头就随手拍下一张灿烂微笑发给我们。这样的矛盾感让我们觉得非常的新鲜又有趣。 最后告诉大家一个秘密，来自台湾的Amy和来自中国大陆的Stella，一直都希望我们在播客节目讨论专业知识之外，也可以为大家介绍不同地区华人的工作生活状态。作为理工女的我们，对于太过宏大的议题束手无策。但是我们相信，在宏大议题之下的每一个个体，一定是相同之处远远多过不同。不同地区的人们的经验也都可以为我们所借鉴。 如果你也认同我们的想法，就快听我们和May的聊天吧！ 00:00导言 02:40 开始做IG创作者的契机 04:30 聊聊最近好玩的内容趋势 06:22 什么是MA(管培生)? 16:02 如何成为管培生？ 18:29 管培生的薪水水准 20:31 中国大陆职业选择的潮流变化 23:34 当20+的年轻人开始养生 30:05 年轻人从副业中获得安全感 34:53 Z世代认同的生活状态 36:33 人到中年，体力是最大竞争力 38:32 台湾的熟女们 41:23 台湾的dating life 43:22 交朋友好难！ 47:38 管培生的奇怪入职培训

这一期的嘉宾是——Amy的堂哥！堂哥是台湾高端制造业高管，有着多年芯片业、智能制造的实践经验。有着身后的Operations Research背景，也是二十多年前就做AI/Machine Learning的技术大拿！堂哥跟我们分享了他在芯片业及高端制造业中20+年的行业经验、运筹学在各行业中的应用，以及从企业高管的角度如何看待制造业的数字化转型与智能制造。还有资深职场人分享的职场tips，快来听听吧！ 00:00:00 本期涉及名词解释 00:07:07 本期嘉宾介绍 00:08:00 九十年代的台湾大学 00:12:05 选择工业工程(IE)/运筹学(OR)方向 00:13:37 Operations Research(OR)是什么？ 00:17:01 OR与Data Science 00:21:03 在芯片公司AMD做排程系统(scheduling) 00:25:01 为什么要自己开发排程系统？ 00:27:55 从德州AMD回到回台湾AMD 00:30:58 关于AMD的股票和挽大厦之将倾的“苏妈”(CEO: Lisa Su) 00:34:27 离开AMD来到制造业的智能制造 00:36:22 智能制造的day-to-day执行 00:42:38 数字化转型中的制造业还需要数据科学家(data scientist)吗？ 00:45:26 台湾智能制造发展之现状 00:50:06 LLM对制造业的影响和冲击 00:54:26 如何面对AI时代的职业中年危机 00:56:47 “问对的问题”的能力很重要 00:57:12 Top performer如何带团队？ 01:01:44 数据女孩关于职场妈妈的讨论给堂哥带来的启发

这一期的嘉宾是来自加拿大的Lead Data Engineer数据工程师，Wang Ze。Wang Ze来分享了她作为Data Engineer数据工程师的职业发展历程和对行业的看法。然而节目后面聊到她的副业，才发现原来她做的电商独立站Kidamento已经非常成功了！Wang Ze和家人是如何开始做电商的呢？有着电商平台工作经验的Data Engineer做电商有什么特别的优势吗？身处动荡的科技行业的我们，发展电商副业是否是一个好的抵抗中年危机的选择呢？快来听一听吧！ 00:00 开场 03:02 加拿大的学习、工作、移民 08:42 疫情期间跳槽 10:23 不同行业的data engineer工作有差别吗？ 12:52 data engineering的发展规律 14:06 核心竞争力 15:01 data engineer可以被AI替代吗？ 17:23 职业危机和迷茫 18:28 AI取代人工data cleaning的一个小例子？ 21:38 副业：如何开始做电商独立站 25:06 选择供应商 28:27 如何做marketing 31:20 第一个“黑五” 33:13 “打工是不可能打工的” 34:02 做电商需要什么技能 34:51 对产品的选择 36:01 在Amazon上卖货的感受 37:58 电商的库存和物流管理 40:29 做电商副业的工程师的dogfooding 43:20 和线下门店合作 44:40 并非一帆风顺的创业 45:48 创业对人的锻炼 47:12 电商领域哪个环节最好赚 50:52 中国生厂商出海的挑战 51:44 对想做电商独立站的朋友们的建议 53:09 如何购买Kidamento

Amy和Stella先后回到亚洲走亲访友，在和朋友的交流当中获得了很多新的资讯，也得到了不同的角度。专开一期和大家分享一下我们的见闻和思考。也聊聊过了20期之后，我们对podcast的一些新想法。 01:25 回国远程工作可行吗？ 02:21 Amy的新工作 05:34 乙方变甲方 07:40 startup不同阶段的快乐与悲伤 10:40 选择适合自己的startup的标准 13:26 给startup一些发展的时间 15:04 不同类型的职业选择startup工作的标准不同 17:47 Amy的长辈旅行团经历&旅行团的acquisition channels 19:59 不需要手机地图单靠人脉的老导游 22:20 长辈旅行团里追求极致性价比的同行阿姨们 23:54 精准安排所有团员大小便的导游 24:56 银发经济 26:48 Stella东亚各大城市旅游体验 30:09 北京和台北的出租车司机们 31:25 面对国内超便利生活时的“剥削感” 32:39 国内朋友们对美国“治安超差”的印象 34:29 台湾的tech公司印象 37:28 传统toC电商的胜利方程式？ 39:50 国内对于美国经济状况的看法 40:35 大陆创业者面对的融资难 43:33 创业者中的技术派 v.s. 市场派 48:08 cofounders之间的dynamics 51:30 startup的hiring状况 53:52 podcast接下来的计划

Stella和Amy一直以来对于数据领域的career coach都有很多好奇和疑问。借着播客这个由头，我们邀来万粉职场博主思宇（思宇在爬楼@xhs） 来聊聊。思宇和我们分享他的职业经历，也为我们解答了很多对于国内科技公司不同岗位、组织架构的疑问。以及Stella和Amy一直想问的，career coach凭借什么指导学员求职？又是为什么有这么多人愿意付费career coaching服务？本期还有思宇分享对目前数据行业就业市场的一些观察，不容错过哦！ 01:25 在证券研究部的不愉快实习经历 05:49 关于字节跳动的组织架构的讨论，horizontal v.s. vertical 11:23 火山视频，字节跳动的弃儿 13:39 从数据分析师到战略分析师 16:10 策略产品经理 v.s. 产品经理 v.s. 算法工程师 24:30 中美work culture比较 27:37 “把个人感受从工作中抽离出来” 29:15 为什么中国公司这么卷？ 31:24 career coach as a side gig 36:10 如何面对找工作时的年龄关卡？ 37:47 实习 40:35 为什么有人需要career coach？ 42:55 时间管理能力 45:27 一个经常劝退学员的career coach

本期Stella和Amy邀来才华与颜值并重的徐侃教授（xhs：KanXXX）。徐侃教授本科毕业于清华数学系，硕士就读于University of Chicago，之后于宾夕法尼亚大学获得PhD。徐侃教授现在Arizona State University商学院科研教学。如此令人瞩目的学历加上帅气的外表，让人不禁发问——这样的人生还会有任何障碍或是迷茫吗？以及，i人教授在工作之外的人生居然是蹦迪醉酒以及看漫画？！是不是很好奇！快来听听我们和Professor 徐侃的聊天吧！ 00:48 Stella家儿子心仪的帅叔叔 02:15 从清华数学系到UChicogo到UPenn经济系再到商学院教授 07:03 找到自己的优势点/comparative advantage 10:47 Machine Learning in 商学院 v.s. Computer Science v.s. 业界 18:53 申请PhD时的选项与考量 22:19 PhD最重要的是选择合适的导师 25:44 什么是tenure track？ 30:36 高颜值对于找教职有影响吗？ 32:51 分享教学一年感悟 39:04 教授正寻找co-author！ 40:37 教授的业余生活是喝酒蹦迪（吗？） 42:24 教授推荐的最爱漫画

这一期的嘉宾Robin是美国媒体行业的数据科学家。Robin的社会学背景让他在DS的日常工作中有着和旁人不同的视角。这一期让我们来和Robin聊聊媒体行业的DS，以及在DS之外，如何融入美国职场，如何找到自己职业发展的伯乐。 03:04 外国人很难进入媒体业？ 06:43 Quit Princeton PhD？ 11:01 表演型data scientist 会受到AI冲击吗？ 14:12 Causal Inference在industry被“滥用“了吗？ 19:34 媒体业的DS到底是做什么？ 21:24 如何找到自己的伯乐 26:40 在职场开启真诚的夸夸模式 28:22 职场上的code switching 32:19 每个人的“惯习”资本 36:46 如何练习small talk 43:36 data team的reactive mode 46:41 挑战常规 51:54 Robin成立的纽约地区线下DS社群

这周我们请来Arizona State University的School Of Computing & AI的教授 'YZ' Yezhou Yang，来和我们聊一聊学术界的计算机视觉、Robotics、自动驾驶以及AI。YZ如何看待学术界和业界在AI research上的不同？又对CS学生有什么建议？快来听听吧！ 00:02:02 研究领域：计算机视觉、Robotics and more… 00:09:01 研究和产业的结合 00:11:38 未来的城市交通与眼下自动驾驶的困境 00:16:19 自动驾驶面临的技术、社会多方位的挑战 00:19:02 技术革命带来的large societal economical experiment 00:22:17 AI领域的data v.s. algorithm debate 00:28:53 Professor YZ 学术生涯的起点 00:32:03 十多年前的GenAI是什么样？ 00:36:18 学术界v.s.工业界 = 艺术片v.s.商业片 00:40:24 听Professor说，选择学术界还是工业界？ 00:43:17 学习AI技术的关键到底是什么？ 00:48:17 “CS is a problem to many universities”

新一期来聊点不一样的话题！拥有十多年从业经验的导演，化名Benjamin来与数据女孩吐槽华语影视圈。我们聊一聊过去十年内华语影视圈的变迁，以及眼下的危机与机遇。有什么话是要变声以后才能讲的？一起来听听吧！ 00:52 如何进入影视行业 09:16 北上拍广告 15:31 影视行业的剧烈变动 20:31 台湾华语片的发展 26:37 好莱坞和华语圈影视的工作方式差异 33:56 好莱坞的Unions 41:06 影视行业的work visa难题 42:03 好莱坞的diversity真的有变好吗？ 47:08 短剧在美国的兴起 51:28 Benjamin的一手短剧拍摄经历 57:29 美国短剧的黄金时期？ 01:01:42 业内人士怎么看待短剧 01:09:19 Amy遭遇短剧制作公司的recruiter 01:10:35 对短剧未来的预测 01:14:09 导演最爱的导演

又是干货满满的一期！来自 DocuSign 的 Lead Platform Product Manager，Sarah来和我们分享PM是如何炼成的，还有PM的爱恨情仇（和吐槽）。 01:03 码转PM，MBA到PM 10:45 PM v.s. Project Manager v.s. TPM 17:03 PM的不同种类 23:57 to B和to C的差别 28:22 PM的技能 32:18 为什么大家都要听PM的？ 35:34 同时喜欢的PM v.s. 领导喜欢的PM 38:05 对各个职业都有帮助的people skills 39:43 DS喜欢什么样的PM 43:10 PM喜欢的合作者排行榜 45:45 PM如何推动项目 52:39 PM爱做副业？ 53:02 PM的career progression 58:15 PM如何做调研 01:04:00 PM job market 01:06:28 PM是否female friendly？ 01:08:22 PM的职业危机 01:09:59 为什么PRD都那么长？！

这一期我们请来游戏行业的数据科学家Char来和我们聊聊：Game Industry的DS都在做什么?要如何进入这一行呢？爱好和工作紧密结合是幸还是不幸呢？ 02:15 在金融公司做analyst 02:54 Nonprofit里的免费data劳动力 07:45 游戏行业的分类 11:40 游戏的开发周期 13:42 DS在游戏发布前的工作 19:32 游戏开发者对游戏的热爱 22:24 DS在游戏发布后发挥的作用 24:20 东亚特有的乙女游戏？ 27:15 游戏开发中谁的话语权最大？ 34:12 游戏行业DS的竞争力 35:46 游戏公司的组织架构 37:47 游戏公司招聘看中什么？ 40:09 游戏行业后疫情时期的行情 43:24 年轻DS的职业中年危机 45:00 LA工作生活感想 49:25 DS如何在工作中争取MLE项目