本期邀來在Taboola和Pinkoi做過算法工程師的好朋友國父來聊聊。國父在推薦系統領域有很多年的實踐經驗，也做過不同類型的推薦系統。這週深入聊一聊推薦系統是什麼、怎麼做、以及產品技術難點是什麼。同是從業多年的三個人也聊了我們對數據科學領域的看法，以及對於數據驅動的利弊的思考。本期還有國父與跨國團隊合作、自己非典型職涯發展的經驗分享。


00:00:00 開場
00:01:24 在電商平台Pinkoi做推薦系統
00:03:49 推薦系統從Infra和數據收集開始
00:05:04 tracking和埋點
00:07:04 電商平台一定需要推薦系統嗎？
00:10:13 原生廣告公司Taboola的推薦系統
00:13:12 用戶體驗：內容推薦 v.s. 廣告推薦
00:14:33 廣告推薦和內容推薦在產品實現上的差別
00:16:47 推薦系統領域需要什麼樣的人才
00:19:33 廣告推薦和內容推薦工程難度上的差別
00:21:47 覺得自己是一個data scientist還是一個engineer？
00:24:37 分析團隊和工程團隊的mindset差別
00:28:28 跳槽Taboola的契機
00:31:36 多文化融合的工作環境
00:33:54 如何快速的熟悉公司業務
00:38:53 空降manager如何管理團隊
00:42:08 data-driven到底是好是壞
00:49:37 非典型的成長經歷(嗎?)
00:52:51 學歷到底代表什麼？
00:55:18 賽道上的賽馬，還是荒島上生存的猴子
00:56:53 Multi-armed Bandit對人生的指導意義
00:58:50 Amy和Stella做podcast的意外收穫
01:01:28 生活中的發呆時間


「數據女孩的中年危機」 Podcast: https://linktr.ee/stellaxamy
Podcast逐字稿: https://stellaxamy.substack.com/

關於主持人：
Amy: https://linktr.ee/amy17519
Stella: https://linktr.ee/stella_liu

#datascience #techcareer #dataanalytics #machinelearning #banking #金融業 #genz #數據科學 #北美生活 #北美 #techcareer #數據科學 #北美 #數據女孩的中年危機 #数据女孩的中年危机

留言告訴我你對這一集的想法： https://open.firstory.me/user/cls5sglrw05pc01tr4h0v4ufn/comments
Amy: https://linktr.ee/amy17519/
Stella: https://linktr.ee/stella_liu/
電子報＋Podcast逐字稿 (Powered by SeaMeet, Modified by Amy): https://stellaxamy.substack.com/