数据科学家希拉里梅森想向您展示近未来

发布时间：2021-11-20 14:25 所属栏目：128 来源：互联网

导读：如果您想跳过机器智能的最新发展，请前往曼哈顿下东侧边境的唐人街，一个仍然坚持不懈的邻近，臀部咖啡馆正在追溯到工业供应网点旁边，批发商店。该地点，一个地区在过渡和现代化中，是快速前进实验室的拟合点，创立了帮助企业创新和使用创始人和首席执行官H

如果您想跳过机器智能的最新发展，请前往曼哈顿下东侧边境的唐人街，一个仍然坚持不懈的邻近，臀部咖啡馆正在追溯到工业供应网点旁边，批发商店。

该地点，一个地区在过渡和现代化中，是快速前进实验室的拟合点，创立了帮助企业创新和使用创始人和首席执行官Hilary Mason称之为“最近可能”的机器智能技术和技术的创业公司。

快速转向实验室具有一个不寻常的商业模式。它产生关于新兴（或者在未来“）技术的季度报告，构建原型来展示技术和提供咨询服务。该业务基于订阅模式：对于年度费用，客户可以访问报告和原型加上梅森和她的同事，他提供有关如何应用该技术的建议。

“我们在这里玩的角色基本上是我们”他们是他们的书呆子最好的朋友，“梅森说。

这个想法是帮助企业加速他们的数据科学和机器智能功能。快速前锋实验室的八人队在机器智能面向供应商，咨询和市场研究公司的蓬勃发展市场中引起了注意力，主要是梅森行业形象的实力和独特的研究方法 - 几个出版物，包括华尔街日报，称她为“大数据摇滚明星”。

Marc Ferranti.
从在曼哈顿下游的空置餐厅家具商店上方的办公室，快速前进的实验室宣布过渡时期。

在2014年建立快进实验室之前，梅森在URL缩短公司中举行了首席科学家立场，并且在过去几年中，她已被列入财富“40岁以下的40岁40岁以下观看”名单，以及其他列表。

梅森说，她在5岁时开始编程，但她的明星不仅仅是为了她的技术技能的力量。她对数据科学有一种人文的方法，是一个引人入胜的公开演讲风格，以及使非专家可以获得深奥主题的能力。

作为一个数据科学家，“你真的需要对你的工作有很多同理心，你正在做的工作和你”最终试图帮助的人，无论是“SA商业同事，老板或最终，那么梅森说，你“重新建造的软件”。

技术快速的实验室已探索包括自然语言生成，该公司通过开发一个自动创建房地产列表的原型系统，从用户的列表中使用完整的句子创建房地产列表。

该公司还检查了用于分析实时流的概率方法，具有在动态更改图形中的Twitter和Reddit的流行主题，作为节点的原型。

更新的报告读到深度学习 - 基于高度连接的神经网络的算法族 - 基于高度连接的神经网络 - 应用于图像分析，具有识别Instagram照片中图像的原型，然后将它们分类，以象形文字表单和显示用户显示它们“最重要的兴趣。（如果您进入Instagram，您可以在此处使用简化的公共版本在此处玩耍。）

新的创新
梅森称为快速转向实验室“我当前的黑客”，描述了它，以填补新技术在既定公司，学术界和初创公司中开发的差距。“我相信技术创新发生的方式有很多效率低下，”她说。例如，她注意到，对于想要在成功的产品中的企业中做某事的人来说，有“摩擦”。

“我们坐在企业中间，初创公司和研究社区，我们通过那些刚刚变得可能的东西，然后我们试图使他们对拥有数据的客户有用，拥有业务，了解那些东西很好，正在寻找增长机会，“她说。该公司不为客户编写代码，但它为他们提供了系统架构等主题，以及如何在数据科学周围构建团队。

越来越多，企业正在通过分析他们收集的数据来竞争和创新，以利用先进的分析和机器学习算法优化决策。

“到2018年，全球大型组织的一半将使用先进的分析和专有算法竞争，导致整个行业的中断”市场研究公司Gartner在分析师Jim Hare撰写的最近报告中表示。野兔写道，公司正在开始使用统计分析，预测建模和决策优化作为竞争的方法。

快速转向实验室的关键是要找到有趣的机器智能技术，并且在现实的商业场景中可能正在进行，但尚未被商品化 - 这是一个可以为公司创造竞争优势的条件这是新技术的早期适配器。

虽然快速的实验室团队很小，但员工来自各种背景的事实有助于他们在寻找新的主题时展开探索的新课程，这是一位以学院的程序员开始，才能成为一名程序员，但随后去了法学院，成为专利律师。

Marc Ferranti.
快进实验室首席执行官Hilary Mason，离开，在她的办公室与团队成员Nick Vermeer和Ryan Micallef。

为了确定专注的新技术，“我们在看到捕捉我们的眼睛的东西时注意到，然后我们擦洗下来，”麦克利夫说。“我们看看的地方，在经济或技术上达到了尖端点，发现事情已经进入前进，但没有成为一种商品，以便他们可以从货架上买到它们。”

许多梅森的客户是CIO和其他领导者的技术角色，如CTO和R＆D的头部。梅森说，她已经看到了科技领导人为他们的企业做的事情发生了变化。“现在，”她说，“他们”重新被召唤实际上对企业能够通过这项技术进行愿景。“

技术领导者的新作用
有各种各样的发展，正在改变CIO，Mason Notes的作用。一方面，企业的许多技术支出已迁入业务范围。因此，例如，营销部门可以在不经过IT部门的情况下直接从第三方供应商那里购买其技术

科技领袖现在必须与商业领袖合作，并带来合适的技术来支持共同的愿景。这在数据分析领域尤其如此，其中技术至关重要，梅森笔记。梅森说，它还将技术高管在他们需要策略的位置，以及他们需要以某种方式成为领导者，这也许是他们不得不在早期的日子里。

虽然在消费者竞技场中存在巨大的技术化技术，但在商业世界中也不是如此如此，特别是对于数据技术。

“你可以自己建立一个Hadoop集群，但是你是否建立了几乎或物理硬件，你需要多少节点，你拥有什么样的队列管理以及你的分析你的分析是什么，你预计会做什么并不明显“没有你可以买的东西，”梅森说。“现在，你”重新使用这种数据技术来支持您的业务优先事项，如果您“重新做好，那么”重复不仅仅是支持他们，就会“重新进入实际创新;所以”是这样的东西强大的技术领导实际上是为了成功所必需的。“

快速转向实验室拥有各个部门的客户，包括保险，银行，出版，媒体和初创公司。但是，客户是否是已建立的企业或小型启动，该公司通过询问一系列已定义的问题来开始对数据的对话。

“过程非常重要，因为它最终会一团糟 - 最终重复了很多工作，”梅森小心。

如何制定数据策略
关于每个公司应该问的数据有三个基本问题。第一个简单地说：“我们有什么数据？”

回答这个问题并不一定是一个简单的任务，特别是对于具有多个部门和信息孤岛的大型企业。快速前进的实验室具有客户看待其产品并记下他们收集的数据。该过程包括检查服务器以确认存储的数据。

第二个问题是，“公司应该有哪些数据，它目前没有？”高管应反思业务如何运作，以及可能提供可能产生增长的答案的问题。公司也应该展望未来，并p out如何存储它们可以从例如hadoop集群，现场服务器或平台上收集的新数据。

最后，快进实验室队要求公司有关他们对其业务所取得的假设，这些假设可以通过数据验证。许多公司有关于如何渗透到其产品的市场和机会的直觉。数据分析可以验证 - 或挑战 - 这种假设。

“当你从那些可能已经知道的东西开始时，我总是发现，你可能会确认你所知道的大部分所知道的，但会开始学习你没有知道的事情，”梅森说。“一旦你开始询问问题并获得有用的答案，这个过程会增长 - 一旦你有几个好问题，你将最终得到更多。”

展望未来，梅森说，快速转向实验室的路径不仅仅是增加更多员工，即使有大型市场研究公司，咨询和供应商正在跳过机器智能和数据科学乐队。

“当你有一个团队的球队时，”有一个小于15的人，你就是那么多每个人都没有大量的官僚主义，那就太好了。“到目前为止，公司商业模式已工作：在她自己的一些钱并没有服用薪水后，梅森现在为自己付出了代价，并表示公司是有利可图的。

梅森已经调整了公司的商业模式有点，而不是年度订阅以外的客户选择。快速转向实验室刚刚以分层定价为基础提供的自然语言生成报告，从250美元起，一个简短的基本版本，高达5,000美元的版本，包括原型和咨询服务。

然而，梅森的野心是以更广泛的规模重新思考应用研究 - 人们如何将新的技术能力带入组织以及如何找到这些能力周围的增长机会。“我相信在我们的应用研究模型中有一个有价值的东西，即使在严格数据的世界之外，也可以应用的建议 - 但是我们在几年内将要做的实验。”

3可能导致数据采矿失败的常见错误
企业正在跳上大数据潮流。他们不希望落后于竞争对手的企业争夺，以使他们“通过新的Web应用程序进行收集的数据感染，并将分析转化为竞争优势。但是注意：“这个东西有很多失败模式”梅森说。这是三个大的：

技术基础设施过度投资。许多公司在不知道他们与之有关的情况下花钱。“我已经看到组织在没有真正计划的情况下花费数百万美元的硬件和软件，”梅森说。利起了错误的人。要将数据转化为竞争优势，有些企业认为他们需要做的就是雇用数据科学家。但后来他们最终雇用了数学技能的人，但没有经验在实际翻译成数学问题。六个月左右，他们最终可能会射击数据科学家，并想知道下一步怎么办。在领导下。企业需要一个可以通过谁拥有的政治削减的人拥有数据以及业务的孤岛可以控制它。企业不仅需要强大的从业者 - 那些实际工作的人 - 而且还有一个能够为他们提供所做的工作的人。“我从来没有看到努力取得成功，除非它有很强的领导，”梅森说。

（编辑：ASP站长网）