Techlent 数据科学社区 - 节目列表

贺斌现任晋控电力山西新能源有限公司市场营销部部长，曾任该公司计划经营部电力交易专责，此前还担任过织女泉分公司安全环保部副主任兼织女泉风电场场长等职务。 贺部长作为电力交易业务专家，从0开始自学AI，并逐步把AI技术应用到日常工作中，极大地提高全部门的工作效率，并积累了系统的将AI与业务相结合的一手经验。 本次分享会中，贺部长分享了AI学习和实战的经验，并现场回答大家的问题。 本期时间轴： 00:48 嘉宾介绍：电力交易一线专家，如何从 0 开始学习 AI 03:08 AI 入门经验：国内AI工具（豆包、Kimi、DeepSeek ）等工具使用心得 11:11 什么是电力交易？业务特点和工作流程 15:12 为什么电力交易适合结合 AI？ 22:22 AI 如何赋能工作：知识问答、复杂规则通俗化 27:37 AI Workflow 实践：KimiClaw 如何真正帮我干活 31:17 多平台 AI 工作流：KimiClaw Desktop × Kimi Work 远程办公实践 35:54 AI 学习四阶段：从"当百度用"到真正融入工作 学习 AI 的四点经验 37:58 不要追求一步到位 38:47 AI 不会替你思考 42:02 Domain Knowledge 依然是核心竞争力 43:27 工具一直在变，学习不能停 45:55 AI 在电力交易中的真实应用：数据分析、风电散点图、交易策略回测、自动化监控 50:06 使用 AI 后，工作效率发生了哪些变化？ 55:52 AI 将如何改变生产、协作与个人工作方式？ 1:00:48 AI时代的电力交易会变成什么样？ 1:02:38 人与 AI 高效协作的五个关键能力 1:09:41 AI 应用演示：预警信息监测与新能源趋势分析 1:17:16 业务专家系统学习 AI，实现技术与业务融合 Q&A 1:26:04 Agent 如何监测官网信息？定时还是 24 小时运行？ 1:30:37 为什么开始尝试把 AI 融入工作？ 1:36:28 管理心得：如何带团队共同成长？ 1:43:20 从 0 到能熟练应用 AI，大概花了多久？ 1:53:34 AI与电力交易结合：沉淀专家经验，以提升电力交易效率 2:07:47 给 AI 新手的建议：从简单工作开始实践 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

本期主持人是“拂然科技”创始人程冰馨，嘉宾是硅谷 AI 专家李果博士。 一个 AI 项目做不成，很少是某个环节翻了车，而是从头到尾，每一步都埋着坑。 找场景时，被最难、最“性感”的问题吸引，却忽略了它根本不适合交给 AI；评估价值时，算不清投入产出，项目只能凭感觉立项；做产品时，Demo 跑通了，一进入真实业务却没人愿意用；推动落地时，人的抗性、流程限制、组织协同，又让项目一步步陷入停滞... 每一步都有它的"想当然"，而一步想当然，后面就步步还债。 这一期，硅谷 AI 专家李果博士，带你沿着 AI 项目的完整链路走一遍，把每个环节最容易踩的坑挨个点破。 本期时间轴： 00:48 AI 项目完整链路：找场景 → 算价值 → 产品开发 → 上线落地 02:12 为什么 90% 的 AI 项目都会失败？ 07:48 Q&A：普通人现在进入 AI 还有机会吗？ 12:36 从互联网到 AI：技术革命如何改变就业与产业 15:23 AI 创业机会：C 端还是 B 端更值得做？ 17:03 创业启示：小模型为何会被大模型快速取代？ 31:44 四个真实案例：AI 项目踩过的坑与经验总结 33:00 失败案例①｜找场景：预测准确率 90%，为什么业务没人用？ 46:05 AI 模型要满足真实环境条件才有效果 50:32 技术创新和业务落地，如何找到平衡？ 56:29 商业成功的核心：解决真实需求，而不是炫技 01:11:46 失败案例②｜算价值：不同领域 AI 应用，判断需求和商业价值的重要性 01:40:34 失败案例③｜追指标：离职预测模型开发2年、90%准确率，上线依然失败 01:54:29 失败案例④｜因果颠倒：电商营销模型，结果得出"价格越高销量越好" 02:04:10 技术浪潮变革，最终都会回归业务价值 02:10:25 AI 真正擅长解决哪些问题？ 02:14:07 AI 项目成功的关键：找到真正的客户，而不是中间商 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Andi 是中国的环境工程博士，2021年毕业后赴美从事博士后研究。2024年夏天加入 Techlent AI 训练营学习，2025年7月开始求职，同年11月拿到 Offer，加入一家科技公司担任 AI Engineer。 本次分享会中，Andi 分享了她的学习、求职和工作的心得，并现场回答了大家的问题。 本期时间轴： 00:00 Andi 自我介绍：背景与求职时间线 03:21 本科到博士后都是环境工程，最后为什么会选择转行？ 10:33 自学coding：接触中下定决心转行 14:44 已经自学一年，为什么还决定加入 Camp？ 19:59 在美国留学和工作中提升英语能力的经验心得 27:06 求职过程中连续失败的心理挑战与应对策略 31: 17 求职复盘：0基础转行找工作的经验分享 41:44 找工作过程中的努力和挣扎：心理变化、工作经验、英语能力、市场变化... 51:27 AI Engineer 与 Data Scientist 的区别是什么？ Q&A 58:22 求职机会主要来自海投、内推还是 Coffee Chat？ 01:07:04 AI Engineer 需要掌握多少云平台相关知识？ 01:08:54 作为AI Engineer，日常工作内容是什么？ 01:18:52 不想放弃本职工作，如何结合 AI 开启转型学习？ 01:25:43 工作半年后的思考：博士转 AI 是否还有机会和性价比？ 01:28:09 从学术界进入工业界后，工作状态发生了哪些变化？ 01:35:15 从老板和员工视角，如何看待开会这件事？ 01:40:09 职场晋升与领导关系管理有哪些经验？ 01:42:43 转行学习过程中有哪些推荐的网站和学习资源？ 01:47:47 求职过程中，为什么心态与策略调整同样重要？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

本期嘉宾 Jemma是力学博士，毕业后在两家机械公司实习。后来为了照顾家庭，做了一年多的全职妈妈。Jemma 2023年底参加了 Techlent AI 建模数据科学训练营，并于2024年3月开始求职，5月开始拿到2个offer，最终成为硅谷科技公司的一名资深数据科学家。 她带来一场深度分享，分享了她从力学博士、全职妈妈，到成功转型硅谷AI科学家的全过程。从她为什么会选择转行、Techlent带来了什么帮助、求职和工作后的心得体会，Jemma 都进行了真诚而细致的讲述。 在 Q&A 中，她还解答了全栈AI科学家与机器学习工程师差别、 Kaggle 是否必要、硅谷面试工程能力要求、如何挑选 offer、以及AI相关岗位技术积累等热点问题。

传统行业拥抱 AI，并不是简单引入一套工具，而是从思维方式、组织模式到工作流程的系统性变革。 本次分享我们邀请北京脑机接口商业有限公司 CEO 侯盛鑫、TPM Lambert ，两位从脑机接口与 EEG 入手，讲清楚脑电如何感知专注、疲劳、放松、睡眠与情绪压力等状态；并结合 AI 技术演进，探讨从人工规则、深度学习到大模型 Agent，如何让脑机接口从“采集数据”走向“理解状态”，进一步形成感知、判断、干预、反馈的智能闭环。 我们也分享了 freeBCI 开源计划，以及团队在专注力、睡眠、情绪健康等场景中的实践，探讨脑状态数据如何成为下一代 AI 系统的重要入口，推动传统行业进入新的智能化范式。 本期时间轴： 00:00 嘉宾介绍：北京脑机接口商业有限公司创始人侯盛鑫、Lambert 01:56 为什么会从大厂出来创业？ 06:51 大模型飞速发展这几年，个人最大的体感变化 09:22 AI落地机遇：模型降价与应用层蓝海 18:37 AI+脑机接口：从“数据解读”到“人状态感知” 22:44 机器能不能理解人的状态？EEG如何进行分析与判断？ 25:26 行业演进四阶段：从科研到AI Agent闭环 33:49 EEG能力边界：能做什么、不能做什么? 37:39 脑电信号 vs 小米手环/Apple Watch：本质区别是什么？ 42:09 AI三层赋能：如何进行系统级分工与应用？（信号层、状态层、Agent层） 49:50 Agent闭环核心架构：小模型实时识别，Agent 负责决策 57:29 为什么“合理延迟”反而会带来更好的用户体验？ 01:03:41 互联网算法工程师切入传统行业需要的能力 01:13:51FreeBCI 开源计划：硬件+平台+Agent能力 01:25:18 现场样机演示：脑机接口产品效果 01:36:40 创业经验分享：PMF验证的重要性 01:41:35 AI 落地过程中，最困难的环节是什么？ 01:56:04 AI 时代的产品开发与创业建议：从认知优势与熟悉领域切入 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

本期主持人是“拂然科技”创始人程冰馨，嘉宾是硅谷 AI 专家李果博士，李果博士通过拆解电力交易智能体实战产品，讲透传统企业如何从真实业务问题出发，完成AI产品设计、落地与商业化，以及如何打通数据、流程、模型、组织能力全链路。 本期时间轴： 00:00 嘉宾李果介绍：从物理转型 AI、创立公司Techlent & 北京易能博数主营业务 07:19 什么是电力交易？为什么选择用 AI 介入？ 17:18 “电力交易智能体”到底想解决什么问题？ 20:34 AI 产品落地：如何拆解真实业务流程？ 30:35 “AI 交易员”核心能力：自动化与主动性的提升 36:08 做 AI 产品前，数据准备顺利吗？ 41:57 大模型与行业智能体有什么区别？ 55:48 传统企业做 AI：战略目标与数据留存的重要性 01:01:40 企业如何搭建 AI 团队？应该招什么样的人？ 01:06:04 业务专家 vs AI 专家：谁更适合推动 AI 转型？ 01:16:46 AI 与传统行业结合，最大的价值是什么？ 01:23:09 AI 落地踩坑点：和业务人员沟通 01:28:09 未来3-5年，哪些企业会真正建立 AI 优势？ 01:30:16 企业引入 AI，最应该从哪里开始？ 01:36:31 从 CEO 视角：AI 带来的焦虑如何面对？ Q&A 01:46:36 业务人员怎么学 AI？主要了解哪些方面？ 01:54:43 AI 落地核心：业务到底要解决什么问题？ 02:03:24 提取专家经验，做监督学习就够了吗？ 02:04:44 AI 做电力交易的风险与局限是什么？ 02:08:38 市面上的 AI 工具哪些适合做dirty work？

帅群博士是 Castor Innovations 和香港数码港培育计划企业创始人，曾任阿里巴巴智慧建筑事业部高级产品专家。程冰馨是拂然科技创始人，曾任阿里巴巴高级运营专家。 传统行业拥抱 AI，并非只是引入一套工具，而是整个企业从思维方式、组织模式到工作流程的整体变革。 两位嘉宾在阿里期间亲历了建筑行业数智化转型的全过程，又在 AI 浪潮中开始创业，用自己的行业积累推动建筑行业的智慧化。本次分享会中，两位嘉宾分享了这段横跨大厂与创业的 AI 实战经验，并现场回答了大家的问题。 本期时间轴： 00:00 嘉宾帅群：从建筑行业到阿里，再到 AI 创业 07:43 嘉宾程冰馨：阿里十年数字化转型体会 & 创业动机 12:23 帅群博士加入阿里前，在建筑行业的具体工作内容？ 16:26 建筑行业不同细分领域的差异 19:21 建筑行业数字化 vs 互联网公司的本质区别 33:42 做数字化 / AI 前，为什么必须先梳理业务流程？ 43:16 帅群博士在阿里时期的数字化产品，是如何真正提效的？ 55:12 阿里智能建筑产品从 0 到 1 的核心痛点 01:04:26 从数字化到 AI 化：从工具到能力的转变 01:10:03 AI 产品的核心 & 商业模式如何建立 01:17:52 AI 时代的四层商业模式 & 价值评估 01:25:34 人与 AI 如何协作？主动式服务的意义 01:37:25 传统行业应用 AI 的步骤与体系 Q&A 01:38:55 电力 AI 产品是否会取代交易员工作？ 01:45:00 帅群博士在传统行业做了几年转数字化的？ 01:49:58 最底层的交易员是否会被 AI 取代？

Alec 是中国毕业的生物学博士，2019年底赴美从事生物学研究。2024年因课题组经费不足离开学术界，同年9月加入 Techlent 训练营。2025年春天开始求职，2026年2月拿到 Offer，成为州政府的 AI data Scientist。 本次分享会中，Alec 分享了他学习和求职的经历与心得，并现场回答了大家的问题。 本期时间轴： 00:00 Alec 自我介绍：背景与求职时间线 02:53 为什么本科会选择生物学？ 09:56 当时怎么下定决心读生物博士的？ 12:38 海外交流的真实感受与体会 14:51 在美国读博的状态：科研生活、签证准备等 20:54 绿卡申请策略：信息获取与提前规划 27:00 Alec 科研之路的选择：从考研、读博、出国、办绿卡到转向 AI Q&A 56:49 为什么不考虑转生物信息？ 59:02 生物背景转行时的核心考量 01:06:33 国内生物硕士怎么转 AI ?是否有必要先转生物信息？ 01:12:37 2025 年求职环境：策略、努力与心态调整 01:25:41 从0基础到拿下 Meta 在内多个offer，你的学习路径是什么样的？ 01:34:11 AI vs Machine Learning：求职市场差异 01:35:45 绿卡对找工作帮助大吗？ 01:37:02 非 CS/数学背景如何应对 AI 岗要求？ 01:41:37 初级岗位少、要求高，转行如何破局？ 01:48:22 投了2400份简历，有这么多工作岗位可以投吗？ 01:54:51 如何把学术经验转化为工业界表达？ 01:59:49 学术项目 vs Camp 项目：面试权重分析 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Sam 是材料科学博士，毕业后在美国高校和国家实验室从事研究。他于2023年9月加入 Techlent 机器学习训练营，于2024年2月开始求职，并于同年6月拿到 Offer，加入一家科技初创企业担任 AI Engineer，负责 LLM Agent 的Quality Assurance 和Evaluation。此后，他又加入美国一家知名制造业企业，负责 AI 技术在制造业中的落地应用。 本次分享会中，Sam 分享了他的转行、求职经历，以及两年来在工业界担任 AI Engineer 的心得体会，并现场回答了大家的问题。 本期时间轴： 00:00 Sam自我介绍：背景与求职时间线 04:20 为什么从材料科学转行到 AI ? 07:47 转行后第一份工作： AI 测试工程师在做什么 ？ 10:53 个人技术成长：AI × Domain Knowledge 的重要性 15:05 硅谷公司未来发展争议：AI伦理与 National Security 25:32AI 对 SaaS 模式的影响：融合还是替代？ 34:05 你认为什么程度才算“会用 AI”？ 46:58 传统行业（制造业、医疗...）数字化的挑战 52:13 SaaS 与 AI 在 B2B 场景的结合 56:26 AI 公司与政府合作的伦理与法律问题 01:02:00 AI 在企业数字化转型的应用：知识、业务逻辑的智能化 01:10:48 转行 AI 求职：材料科学背景怎么讲？ 01:18:27 Sam 学术界经验分享：选择导师、学术圈封闭、教职有限等等 01:30:14 OpenClaw 新思考：智能体应用的开放领域、无终点 01:39:43 封闭领域 AI 应用：AI 助手与工作自动化 Q&A 01:56:45 AI工程师待遇和之前码农一样吗？ 01:59:15 AI论文润色工具出来后，编辑有危机感吗？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Alex 是加拿大应届本科毕业生，拥有商业管理和数学双学士学位。2024年12月毕业后,他于2025年2月参加了Techlent数据分析训练营，4月拿到实习offer，并于8月成功转正成为一名数据分析师。 在本次分享会中，Alex 分享了他的学习、求职和工作心得，并现场回答大家的问题。 本期时间轴： 00:05 Alex自我介绍：背景与求职时间线 03:04 2025 加拿大求职市场整体情况 04:15 求职初期 0 面试的原因复盘：简历与岗位脱节、僵尸岗位 06:14 求职策略调整：量化目标、重 BQ 轻 Hard Tech、SQL「够用即可」 11:57 拿到 offer 的完整经历：四轮面试复盘 17:06 求职节奏管理：每天坚持投递、越早开始越重要 20:38 留学生视角：在滑铁卢大学读书期间的压力与挑战 24:26 为什么选择商业管理 + 数学双学位 27:30 为什么三段实习都偏向marketing方向？ 35:51 什么时候对数据分析感兴趣的？ 42:04 加拿大就业市场特点 & 实习的重要性 47:05 投递时机策略：竞争激烈时不投开放 24h 后的岗位 50:12 简历优化要点（Title / 项目描述）& BQ 准备方法 55:35 面试中沟通能力为什么比想象中更重要？ 59:29 SQL 面试是如何准备的？ 1:10:33 对于偏内向的同学在国外找工作，有什么建议？ 1:17:08 求职后期，心态与坚持的重要性 Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

Bo 是食品科学博士，毕业后先是在食品行业做产品研发，后来转到制药公司做药物分析。2025年2月，Bo参加了 Techlent 的AI训练营开始学习，2025年11月拿到两个offer，成为金融行业的数据科学家。 在本次分享会中，Bo 分享了他的学习、求职和工作心得，给到很多亲身经历后的经验体会。 之后将整理文字版，详情可关注xhs@北美data打工人 本期时间轴： 00:12 Bo 自我介绍：背景与求职时间线 02:50 食品科学专业学什么 & 博士期间研究经历 06:31 从食品行业到药物分析：第一次跨行业求职经历 11:59 为什么选择转向数据科学？ 19:41 数据科学方向众多，如何做出自己的方向选择？ 20:58 camp学习过程和自己预想的一样吗？ 23:14 学习中的主要挑战：哪些部分比较难、如何突破？ 30:46 求职复盘：项目选择、个人定位与心态管理 41:45 企业级项目 vs 学校项目：实战经验重要性 55:01 2025年求职，你觉得比之前艰难吗？ 1:03:10 面试高频问题：如何回答为什么转行？ 1:06:14 进入金融行业后的真实体验：行业选择重要吗？ 1:10:08 从业者视角看金融行业的 AI 应用现状 1:20:44 食品 → 制药 → 金融 AI：不同行业的薪资差异 1:24:59 AI 发展加速期，如何规划长期职业与人生路径？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~

1月24日，我们邀请硅谷AI初创公司Reinforce Labs的创始工程师（Founding Engineer）任时鸣老师分享AI实战经验。 任老师是卡耐基梅隆大学计算机硕士，毕业后分别在亚马逊担任过机器学习工程师和开发经理、在Twitch担任过AI 工程经理、并在Visa担任过AI平台高级总监。同时，任老师也是Techlent《AI系统设计》课程的专家讲师。 本次分享会中，任老师分享了她在硅谷AI生态中的深度观察：硅谷 DA / DS / MLE 岗位差异与演变、新兴岗位 Forward Deployed Engineer 解析、AI 应用催生的新职业形态、各个岗位招聘需求如何变化等等....... 本期时间轴： 00:00 嘉宾介绍：硅谷大厂工作到 AI 创业经历 05:00 创业公司 Reinforce Labs 介绍及其核心方向 21:00 AI + 保险行业落地与安全性测试 24:39 Reinforce Labs tech部门当前招人需求 26:31 硅谷不同公司中 DA / DS 岗位的职责差别 37:34 新兴岗位拆解：Forward Deployed Engineer（前置部署工程师）解析 47:34 AI 带来的新职业：从 Vibe Code Cleanup Specialist 看岗位变化 51:20 大模型在前端界面及交互中的应用 53:18 硅谷 MLE 职责变化与当前能力要求 Q&A 1:02:21 面试考察：Coding 面试通常考什么？ 1:08:02 SDE 招聘趋势：传统 SDE 岗位需求正在发生哪些变化 1:10:54 理工科专业在不同学校的区别？（氛围、地理位置...） 1:20:37 New Grad 在校实习经验的重要性 1:28:53 有很多岗位融合了，是不是后面还会裁员？ 1:33:51 Startup 是否比大厂更不容易裁员？ 1:38:01 Work-Life Balance：Startup 和大厂的真实工作强度对比 1:50:54 湾区大厂更偏好什么样的人？ Techlent 是一个数据科学学习和求职平台，里面有更多分享会的视频、干货。官网地址：techlent.com 加小助手微信(techlent04)进听友群，了解更多课程、分享会相关讯息~