享您在数据科学领域关注的 3 个人的名字。
Lovekesh Vig： Geoffrey Hinton、Juergen Schmiduber 和 Andrew Ng
团队、技能和工具
您最喜欢在工作中使用哪些数据分析工具？您的团队还广泛使用哪些其他工具？
Lovekesh Vig： 我们使用 Google Tensorflow、Theano、Pytorch、Keras 和标准开源机器学习库（通常基于 numpy、scipy）来编写我们的模型。
您的数据团队中有哪些不同的角色和技能？
Lovekesh Vig： 我们有一个深度视觉团队，致力于解决与图像处理相关的问题，这里的员工专注于为企业相关的视觉任务构建复杂的深度模型。我们还 决策者电子邮件列表 有一个团队致力于大规模时间序列传感器数据的传感器分析，以及一个团队致力于自然语言理解的应用。这些职位都围绕着人工智能和深度学习的研究应用展开，从初级研究员到高级科学家。
帮助描述一下您的团队今年正在解决的一些问题的例子？
Lovekesh Vig： 系列不同的挑战：数据噪声大或缺失，预测结果必须可解释，数据通常高度敏感且访问受限，通常需要整合领域知识，并且必须建立故障安全机制以确保满足安全/法律要求。我的团队致力于为各个领域设计这些问题的解决方案，从医疗保健领域（我们正在设计用于医学诊断的染色体自动核型分析系统），到大型零售店的产品识别，再到工厂环境中的机器人控制，以及聊天机器人的自然对话生成。
您如何衡量团队的表现？
Lovekesh Vig： 我们有一个目标设定 投入到内容营销需求上并不算太多 机制，让大家了解来年对他们的期望，绩效通常以此为基准。我会根据研究项目的风险/不可预测程度，给予一定的灵活性，但一般来说，专利和在顶级机构发表的论文等研究成果是绩效评估的重要参数。
数据科学行业准备情况
各行各业是否希望了解如何利用数据？他们是否拥有所需的数据？
Lovekesh Vig： 深度学习的 销售线索最初浪潮是由谷歌和 Facebook 等巨头推动的，因此问题通常集中在终端消费产品上，其影响并没有立即蔓延到企业应用，这并不令人意外。现在这种情况正在改变，深度学习应用的第二波浪潮将席卷从制造业到医疗保健等各个行业的企业应用。就数据就绪性而言，无论是行业内部还是行业之间，都存在相当大的差异。