在当今以数据为驱动的世界中，数据科学家通过分析和解释数据，帮助企业做出明智的决策，发挥着至关重要的作用。他们凭借在统计学、机器学习、人工智能和编程方面的专业知识，能够从复杂的数据集中提取出有意义的洞察。本文采访了Vidhya Chandrasekaran，一位成功的数据科学家，她目前在PayPal领导机器学习和人工智能产品。拥有超过18年的经验，Vidhya分享了她的职业生涯、作为应用数据科学领导者面临的挑战，以及她在团队中培养创新的策略。
AV：好，Vidhya！请介绍一下自己，并给一些关于职业和教育背景的洞见。
Vidhya：大家好，在PayPal担任高级经理，并领导机器学习和人工智能产品管理。在数据领域有大约18年的经验，领导力方面有8年的经验。拥有数学学士学位和计算机应用硕士学位，还在Great Lakes完成了一年的人工智能研究生课程。目前，正在进行关于个性化数据的博士研究项目。
在PayPal，过去5年里，有机会领导和构建大数据、机器学习工程、人工智能产品和机器学习科学团队及倡议。在当前的角色中，展示了针对商家产品和市场营销的机器学习，构建产品推荐和个性化解决方案。
AV：听起来非常精彩和富有洞察力。最初是一名软件工程师；是如何进入数据科学领域的？
Vidhya：职业生涯中总是以某种方式与数据相连，从数据库应用工程师到架构师，再到领导机器学习倡议；数据一直是连接的线索。然而，由于个人情况，职业生涯旅程是动态的。毕业后，做了多年的家庭主妇，由于缺乏经验，不得不比大多数人更努力地进入技术领域。但一旦开始，发现每个角色都为提供了准备下一个角色的机会。也有幸在所有工作过的公司中都有伟大的导师和经理，他们给了实现抱负的机会。
AV：同意。一个伟大的导师可以帮助轻松地攀登企业阶梯，这在职业轨迹中得到了体现。作为应用数据科学领域的领导者，如何培养创新文化？
Vidhya：与研究团队不同，应用机器学习团队在严格的指导方针和严格的时间表下运作。由于这些限制，他们有时没有同样的奢侈去探索新技术、算法和实施新论文。然而，一直意识到在机器学习团队中创新的重要性，每天都有大量新事物发生。以下是一些在管理应用机器学习团队时，不妥协长期创新的关键策略。
AV：这些是遵循的一些非常有趣的策略。太棒了！尽管如此，管理一个团队可能会很困难。认为领导机器学习和人工智能团队的最大挑战是什么？
Vidhya：其中一个挑战是在及时的业务交付和创新之间找到微妙的平衡，创新是一个耗时的过程。除了创新在任何技术行业中都是不可谈判的事实外，作为领导者，还负责团队的职业生涯，为他们提供持续学习的机会并保持他们的积极性，特别是在人工智能和数据科学领域，相关技术不断以更快的速度发展。
AV：认为在应用人工智能团队中成功的关键是什么？
Vidhya：大多数项目因规划不善而失败。人工智能产品经理在这个阶段扮演着关键角色。第一步是理解业务问题以及人工智能可以解决的地方。作为规划的一部分，估计机会规模并同意明确、明确定义的KPI至关重要。下一步是从预期结果向后工作，以确定和明确适当的指标或KPI。例如，模型可能会带来更多的客户访问网站或推动新客户获取。模型指标如精确度、召回率或F1通常被误解为KPI；业务不会担心模型指标，但会对业务指标非常感兴趣。
开发将想法变为现实的能力和流程是成功的另一个关键方面。整合数据目录搜索功能、重新训练自动化、监控能力、持续集成等能力，可以显著缩短测试和从想法中学习所需的时间。这种方法还确保团队的宝贵资源不会被转移到单调和重复的任务上，而是被用来创造吸引人的解决方案。
AV：回到导师，从导师那里得到了什么建议，是如何实施的？
Vidhya：从两位导师那里得到了两条建议，分别是：
AV：根据简介，有作为导师的教学经验；认为导师经验如何影响了在机器学习领域的职业发展和成功？
Vidhya：教学是学习的好方法。当在Great Lakes做人工智能研究生课程时，在周末报名教授人工智能/机器学习。当向别人教授一个主题时，必须组织想法，将复杂的概念分解成简单的概念，并清晰、简洁地解释它们。
还从指导电子商务业务领导者进行数据驱动营销中学习。作为钦奈创业章节的导师计划的一部分。这给了一个关于战略/结构性思维、决策、规划的视角，也让走出了舒适区。
AV：必须说，旅程真的很鼓舞人心。在不断演变的行业中工作，如何跟上机器学习的最新发展和趋势？能举一个特别兴奋或有希望的最新发展的例子吗？
Vidhya：多年来，遵循了一种纪律严明的学习方式，每周或周末花时间从课程、博客和书籍中学习。这些天，尽管继续个人学习，但比以前花的时间少了，因为直接从团队那里学习，当他们尝试新事物时；这是与比更聪明的团队合作的好处。