EP37 Uber科学家,逃离硅谷去纽约跳芭蕾(内含Uber面试宝典)

StellaxAmy·自定义

在这期节目中,我们邀请到了一位独特的嘉宾:Uber科学家丹桐,数学PhD。她绝不是我们刻板印象中的nerd,而是一名在工作之余坚持跳芭蕾舞的舞者。 丹桐带我们深入探究了Uber的算法世界,让我们了解到这家科技巨头在复杂的市场中如何应用算法进行实验和优化。她的见解独到,为有志加入Uber的听众提供了宝贵的面试建议。 除了职业话题,我们也聊到了丹桐在纽约跳芭蕾舞的经历,以及她平衡繁忙的工作以维持这一爱好的方法。她还在节目中分享了她搬离硅谷定居纽约的初衷,以及这个决定对她生活的影响。 在这期节目中,你会透过科技大厂、PhD的title看到一个活得潇洒的女孩,一个对生活抱着无限热爱、从不退缩的人。 欢迎订阅英文newsletter - The Cocoons by Stella & Amy. https://thecocoons.substack.com/ 00:57 丹桐,数学PhD、Uber科学家 01:29 大学时期选择数学的过程 05:09 为什么选择数学:追求纯粹规律 06:28 四色定理及其应用 13:18 谈论数学博士后如何选择职业方向 14:19 在Uber的工作经历及不同的数据科学家角色 20:19 Marketplace团队的工作:匹配与定价算法 23:18 Uber的算法如何解决实时优化问题 28:26 谈论算法组之间的冲突和合作 37:45 对Uber技术文化的看法 50:46 谈论Uber如何平衡盈利和共享经济的初衷 52:04 丹桐分享自己如何爱上芭蕾舞

80分钟
99+
1年前

EP29 与算法工程主管聊推荐系统、全栈数据科学家和数据驱动的意义

StellaxAmy·自定义

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

63分钟
1k+
1年前
EarsOnMe

加入我们的 Discord

与播客爱好者一起交流

立即加入

扫描微信二维码

添加微信好友,获取更多播客资讯

微信二维码

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的节目添加进来吧