三月，博客将聚焦于AI领域中的女性，分享她们的卓越旅程和成就。今天，有幸介绍Leondra R. Gonzalez，她是AI领域的先驱，拥有令人印象深刻的履历。让一起深入了解她从音乐专业到微软高级数据和应用科学家的非线性旅程。
作为一名对数据和推动数据文化充满热情的数据和信息科学家，进入数据科学领域的旅程是复杂、非线性和非传统的，直到有一天它不再是。从小就喜欢数学，甚至考虑过成为精算科学专业的学生，但这个想法很快被进入一个完全不熟悉、没有社区或家庭成功案例可以参考的领域的想法所取代。当时，大多数家庭成员都是技工和蓝领工人，所以甚至没有考虑过从事STEM领域的职业。
尽管是一个擅长数字的女孩，成绩优异，甚至在俄亥俄州保险部门实习过，但总感觉有些不对劲。此外，在社区里，独自上四年制大学本身就是一项了不起的成就。在本科阶段，渴望加倍努力，追求在媒体上看到的那些看起来像人的成功渠道。因此，决定成为一名音乐专业的学生。幸运的是，妈妈敦促辅修一些更实用的9-5工作，所以辅修了商业，并增加了管理方面的重点。
直到被卡内基梅隆大学录取为娱乐产业管理硕士（MEIM）学生，才接触到了科技世界。幸运的是，MEIM项目设在海因茨信息系统学院。不仅在统计和概率课程中取得了优异成绩，而且还乐在其中。能够跟上学校信息系统、数据分析、公共政策等专业的科技专业学生。直到这一刻，才终于问自己，“为什么不能？”
还接触到了来自世界各地的多元化学生群体，包括那些看起来像人。除了不信任之外，兴趣在数据和技术之间，以及科技职业之间，没有任何障碍。这种新发现的自信最终导致在哈佛大学注册了一个数据科学项目，完成了一个专注于统计的Quantic商学院的MBA，最终成为坎伯兰大学IT博士候选人，专业是AI。对于一个曾经认为数据和技术职业“遥不可及”的人来说，这是一个相当大的转变。
现在，拥有10年以上的数据科学经验，已经创建或领导了多个行业各种机器学习和人工智能应用的战略，包括媒体/娱乐、数字营销/广告、运筹学和咨询。在这个过程中，有幸经历了很多成功，也经历了一些艰难的教训，这些教训帮助成为一个更全面的数据科学家和研究员。例如，学会了如何应对职业变化的挑战（计划中的或否则），如何以及何时提升技能，解决复杂问题，提出正确的问题，以及如何应对冒名顶替综合症。
与此同时，也有幸作为博士候选人研究人工智能，作为谷歌计算机科学研究学徒扩展研究能力，作为亚马逊Prime & Video的实习生练习技能，领导团队实施AI战略和治理，并在会议上发表演讲，播客上分享思想领导力，并出版了一本关于掌握数据科学面试的书。现在是微软的高级数据和应用科学家，微软是AI领域的领先公司。有时回头看，想知道是如何走到这一步的。真的只是意识到和其他人一样有能力吗？虽然这当然是催化剂，但在职业生涯的低谷时期，有人给了一些非常需要的建议。
收到的最好的建议是，如果不了解某件事，那仅仅是因为还没有学会它。就这么简单。也就是说，所钦佩的人和自己之间唯一的障碍往往是尝试某件事，这与在CMU接触数据科学的情况并无不同。一位好朋友，后来成为旅行伙伴和婚礼上的伴娘，也在分析领域工作，给了这个建议。它给了信心，通过勇敢地解决知识空白，而不是在每一个转折点怀疑自己，来识别和解决知识空白。通过这样做，每学到一个技能就变得更加自信。
因此，将这个建议传递给其他有自怀疑的女性。要知道，无知并不是职业生涯的死刑，而是职业发展的福音。拥抱未知，并用它来帮助在数据科学旅程的下一站茁壮成长！