9 個面向數據科學家（所有級別）的精彩播客

為了在瞬息萬變的領域保持領先，數據專業人員需要致力於終身學習。 但並非所有的繼續教育都需要在課堂（或在線）中進行——由於有大量信息豐富的播客，忙碌的技術專業人士可以在開車上班、在跑步機上跑步或做晚飯時探索最新的數據科學。

考慮到這一點，這裡有九個每個數據科學家都應該聽的播客。

數據懷疑論者

這個久負盛名的數據科學播客長期以來一直是人們的最愛，這是有充分理由的。

由 Kyle Polich 主持，Data Skeptic 深入研究與數據科學、統計學、機器學習和人工智能相關的主題。

在最近的一集中，Polich 加入了 Microsoft Bot Framework 員工，他們就構建一個好的聊天機器人提出了建議。

Data Skeptic 還有一系列受歡迎的“迷你”劇集，由 Linh Da Tran 共同主持，在 15 分鐘或更短的時間內探索 p 值和貝葉斯更新等主題，另外還有已婚主持人之間有趣的玩笑。

線性題外話

在這個巧妙命名的每周播客中，數據科學家 Katie Malone 和用戶界面工程師 Ben Jaffe 有天賦，他們可以以一種有趣且平易近人的方式為經驗豐富的數據科學家和新人討論複雜的機器學習主題。

由於劇集的時長通常遠低於 30 分鐘，主持人經常在考慮實際應用的情況下探索數據科學問題——例如，關於流量計量算法的熱門劇集。

他們還記錄了職業提示和專業數據科學團隊應如何選擇項目的指南。

會說話的機器

Katherine Gorman（前公共廣播製作人）和 Neil Lawrence 的內容豐富的播客有望成為通向機器學習世界的窗口，其中包括與行業專家的啟發性對話以及對新聞和問答的討論。

最近的嘉賓包括 Google Brain 的 Jasper Snoek、艾倫圖靈研究所的 Adrian Weller 和 Uber 的 Eoin O'Mahoney。 從節目的檔案中，值得一看的是谷歌研究員 Illya Sutskever 關於機器學習和神奇思維的採訪，以及第四季主持人談論人工智能和宗教的一集。

數據故事

這個由 Enrico Bertini 和 Moritz Stefaner 主持的每隔一周舉辦一次的節目，其重點與大多數其他數據科學播客不同：數據可視化。

主持人經常對他們的話題採取高尚甚至哲學的態度。 在一集中，主持人歡迎學者 Catherine D'Ignazio 談論女權主義數據可視化，而另一集中則由 Paul Slovic 討論“統計麻木”，即統計數據無法引起同情或傳達人類悲劇規模的感覺。

奧萊利數據秀

O'Reilly Media 的首席數據科學家 Ben Lorica 為這個大數據播客吸引了一些大牌嘉賓。

如果該節目的技術視角偶爾會迷惑更隨意的聽眾，他們會想留下來採訪 Pinterest 首席數據科學家 Grace Huang，他分享了機器學習實驗前線的經驗教訓，或連續創業者 Aurelien Geron ，誰分享了成為機器學習工程師的見解。

最近，Avner Braverman 加入了 Lorica，他的初創公司 Binaris 旨在將無服務器技術引入 Web 規模和企業應用程序。

本週機器學習與人工智能

主持人 Sam Charrington 是 CloudPulse Strategies 的創始人，該公司是一家專注於機器學習和人工智能的商業和消費者應用的行業研究公司，他的播客面向數據科學家、開發人員、工程師、首席技術官和商業領袖的高度目標受眾.

新手可能最好先用稍微不那麼技術性的播客來弄濕自己的腳，但該領域的人會發現這裡有很多值得喜歡的地方。

最近一集的精彩節目由英業達機器學習首席科學家 Trista Chen 討論她在工業環境中部署機器學習的經驗，而另一集則由太平洋西北國家實驗室的 Nicole Nichols 深入研究用於安全、威脅檢測和軟件模糊的機器學習測試。

超級數據科學

如果您正在尋找一個不僅信息豐富而且能激發動力的播客，只需看看主持人 Kirill Eremenko 的這個受歡迎的節目，他是一位數據科學教練和生活方式企業家。

除了與該領域的領導者進行互動採訪外——最近，加州大學聖地亞哥分校的 Bradley Voytek 停下來討論了他作為 Uber 第一位數據科學家的經歷，而 Ellie Mae 的產品合規和戰略副總裁 Luis Blanco 坦率地回憶了他領導一個美國運通的數據科學家團隊——Eremenko 還每週發布一個簡短的周五節目，目的是讓你的一天變得更好。

例如，最近的一集著眼於承認積極和消極的情緒，而另一集則探討了內疚和羞恥。

學習機 101

這個播客被稱為對人工智能和機器學習的“溫和”介紹，由認知科學和電氣工程的全職教授 Richard Golden 主持，旨在以一種有趣的方式揭開人工智能領域的神秘面紗。

有些章節確實非常技術性，最近幾期探討瞭如何使用 AIC 和 GAIC 選擇最佳模型，如何使用一階邏輯和馬爾可夫邏輯網絡來表示算法中的常識知識，以及如何使用邏輯規則來表示知識。

其他劇集——比如最近發布的一個使用圖靈機論點探索計算機能做什麼和不能做什麼的播客——即使對局外人來說也很有趣。

工業中的人工智能

作為此列表中最實用的播客之一，Emerj 人工智能研究創始人 Daniel Faggella 的每週節目著眼於人工智能在製藥、銀行、零售和國防等領域的可能性。

最近的一集引人入勝，著名計算機科學家 Jurgen Schmidhuber 討論了製造業的未來，而在另一集中，Unity Technologies 的 Danny Lange 與 Faggella 一起討論了模擬環境在汽車領域的應用。

他還探討了在任何行業工作的人們都會感興趣的更廣泛的商業主題。 例如，最近的一集探討了為什麼高管們應該跟上商業中的人工智能趨勢——來自 Data Bricks 機器學習實踐負責人 Brooke Wenig 的見解——而 Facebook 的 Jason Sundram 最近出現在播客上，分享了為人工智能項目建立數據科學團隊的見解.