9 个面向数据科学家（所有级别）的精彩播客

为了在瞬息万变的领域保持领先，数据专业人员需要致力于终身学习。 但并非所有的继续教育都需要在课堂（或在线）中进行——由于有大量信息丰富的播客，忙碌的技术专业人士可以在开车上班、在跑步机上跑步或做晚饭时探索最新的数据科学。

考虑到这一点，这里有九个每个数据科学家都应该听的播客。

数据怀疑论者

这个久负盛名的数据科学播客长期以来一直是人们的最爱，这是有充分理由的。

由 Kyle Polich 主持，Data Skeptic 深入研究与数据科学、统计学、机器学习和人工智能相关的主题。

在最近的一集中，Polich 加入了 Microsoft Bot Framework 员工，他们就构建一个好的聊天机器人提出了建议。

Data Skeptic 还有一系列受欢迎的“迷你”剧集，由 Linh Da Tran 共同主持，在 15 分钟或更短的时间内探索 p 值和贝叶斯更新等主题，另外还有已婚主持人之间有趣的玩笑。

线性题外话

在这个巧妙命名的每周播客中，数据科学家 Katie Malone 和用户界面工程师 Ben Jaffe 有天赋，他们可以以一种有趣且平易近人的方式为经验丰富的数据科学家和新人讨论复杂的机器学习主题。

由于剧集的时长通常远低于 30 分钟，主持人经常在考虑实际应用的情况下探索数据科学问题——例如，关于流量计量算法的热门剧集。

他们还记录了职业提示和专业数据科学团队应如何选择项目的指南。

会说话的机器

Katherine Gorman（前公共广播制作人）和 Neil Lawrence 的内容丰富的播客有望成为通向机器学习世界的窗口，其中包括与行业专家的启发性对话以及对新闻和问答的讨论。

最近的嘉宾包括 Google Brain 的 Jasper Snoek、艾伦图灵研究所的 Adrian Weller 和 Uber 的 Eoin O'Mahoney。 从节目的档案中，值得一看的是谷歌研究员 Illya Sutskever 关于机器学习和神奇思维的采访，以及第四季主持人谈论人工智能和宗教的一集。

数据故事

这个由 Enrico Bertini 和 Moritz Stefaner 主持的每隔一周举办一次的节目，其重点与大多数其他数据科学播客不同：数据可视化。

主持人经常对他们的话题采取高尚甚至哲学的态度。 在一集中，主持人欢迎学者 Catherine D'Ignazio 谈论女权主义数据可视化，而另一集中则由 Paul Slovic 讨论“统计麻木”，即统计数据无法引起同情或传达人类悲剧规模的感觉。

奥莱利数据秀

O'Reilly Media 的首席数据科学家 Ben Lorica 为这个大数据播客吸引了一些大牌嘉宾。

如果该节目的技术视角偶尔会迷惑更随意的听众，他们会想留下来采访 Pinterest 首席数据科学家 Grace Huang，他分享了机器学习实验前线的经验教训，或连续创业者 Aurelien Geron ，谁分享了成为机器学习工程师的见解。

最近，Avner Braverman 加入了 Lorica，他的初创公司 Binaris 旨在将无服务器技术引入 Web 规模和企业应用程序。

本周机器学习与人工智能

主持人 Sam Charrington 是 CloudPulse Strategies 的创始人，该公司是一家专注于机器学习和人工智能的商业和消费者应用的行业研究公司，他的播客面向数据科学家、开发人员、工程师、首席技术官和商业领袖的高度目标受众.

新手可能最好先用稍微不那么技术性的播客来弄湿自己的脚，但该领域的人会发现这里有很多值得喜欢的地方。

最近一集的精彩节目由英业达机器学习首席科学家 Trista Chen 讨论她在工业环境中部署机器学习的经验，而另一集则由太平洋西北国家实验室的 Nicole Nichols 深入研究用于安全、威胁检测和软件模糊的机器学习测试。

超级数据科学

如果您正在寻找一个不仅信息丰富而且能激发动力的播客，只需看看主持人 Kirill Eremenko 的这个受欢迎的节目，他是一位数据科学教练和生活方式企业家。

除了与该领域的领导者进行互动采访外——最近，加州大学圣地亚哥分校的 Bradley Voytek 停下来讨论了他作为 Uber 第一位数据科学家的经历，而 Ellie Mae 的产品合规和战略副总裁 Luis Blanco 坦率地回忆了他领导一个美国运通的数据科学家团队——Eremenko 还每周发布一个简短的周五节目，目的是让你的一天变得更好。

例如，最近的一集着眼于承认积极和消极的情绪，而另一集则探讨了内疚和羞耻。

学习机 101

这个播客被称为对人工智能和机器学习的“温和”介绍，由认知科学和电气工程的全职教授 Richard Golden 主持，旨在以一种有趣的方式揭开人工智能领域的神秘面纱。

有些章节确实非常技术性，最近几期探讨了如何使用 AIC 和 GAIC 选择最佳模型，如何使用一阶逻辑和马尔可夫逻辑网络来表示算法中的常识知识，以及如何使用逻辑规则来表示知识。

其他剧集——比如最近发布的一个使用图灵机论点探索计算机能做什么和不能做什么的播客——即使对局外人来说也很有趣。

工业中的人工智能

作为此列表中最实用的播客之一，Emerj 人工智能研究创始人 Daniel Faggella 的每周节目着眼于人工智能在制药、银行、零售和国防等领域的可能性。

最近的一集引人入胜，著名计算机科学家 Jurgen Schmidhuber 讨论了制造业的未来，而在另一集中，Unity Technologies 的 Danny Lange 与 Faggella 一起讨论了模拟环境在汽车领域的应用。

他还探讨了在任何行业工作的人们都会感兴趣的更广泛的商业主题。 例如，最近的一集探讨了为什么高管们应该跟上商业中的人工智能趋势——来自 Data Bricks 机器学习实践负责人 Brooke Wenig 的见解——而 Facebook 的 Jason Sundram 最近出现在播客上，分享了为人工智能项目建立数据科学团队的见解.