一、数据科学家之名号源起领英
全球职业社交网站——领英，在全球有将近6亿的用户。截至目前，最新数字是5亿9千万，在中国有万用户。
提起领英不得不提起一位数据科学家，DJPatil（下文简称，帕蒂尔）。这位与Facebook的另一位数据科学家大牛在同一时期建立了全球真正意义上的两支数据科学家团队。
按照帕蒂尔博士在领英的介绍，他的学术界的身份是美国马里兰大学的一名教职员工，应用数学博士。他的研究主要集中在非线性动力学和混沌理论（nonlineardynamicsandchaostheory），并创立了一个主要关于数值天气预报（numericalweatherprediction）的研究项目。也作为美国国防部技术政策研究员，利用社会网络分析和计算与社会科学的多学科融合技术，来预测国家层面的网络技术威胁。
领英页面上，朴实谦虚的学术工作介绍并没有清楚地展现帕蒂尔博士的实力，需要强调的是，他曾在前任美国总统奥巴马的领导下工作，奥巴马总统任命帕蒂尔博士为美国首位首席数据科学家，由他而起，促成了联邦政府中近40名首席数据官的设立。他的工作还包括，建立了美国新的医疗保健项目，包括大名鼎鼎的「精准医疗计划」和「癌症登月计划」，还包括新的刑事司法改革，其中数据驱动的司法和警察数据计划，覆盖了多万美国人。他还积极参与美国政府事务，并因其所做的努力而被授予国防部杰出公共服务奖章——这是国防部授予平民的最高荣誉。所以不少人管帕蒂尔博士叫美国首席科学家。
也许你对政府机构和事务并不感冒，所以还无法对这位数据科学家肃然起敬，那可以再了解一下他在工业界的贡献。在工业领域，帕蒂尔博士曾带领RelateIQ的产品团队，该公司被Salesforce收购，他是CrisisTextLine公司的创始董事会成员，该公司致力于利用新技术为客户提供心理和危机支持，他还是风险投资公司GreylockPartners的成员。他还担任过领英公司的首席科学家、首席安全官和分析及数据产品团队的负责人，他还在Skype、PayPal和eBay担任过多个职位，最亮眼的一笔是，他与一位神秘人士共同创造共同创造了“数据科学家”这个词。这位神秘人士是哈佛大学博士，流程再造之父托马斯·H·达文波特（Thomas.H.Davenport），智能商业五部曲的作者（中文版有售）。
二、上半场：数据科学家是21世纪最性感的工作
微软于年以亿美元现金收购领英，据说这在很大程度上是由于其努力利用数据创造的价值。
“数据科学家”这个词被创造出来之后，后面的下半句是——数据科学家是21世纪最性感的工作。由此这个让每一位喜欢数据，愿意与数据打交道，喜欢用数据思维思考问题的人，最喜欢的口号，诞生了。时光荏苒，这位光芒四射的美国首席科学家的每一个举动依然都在镁光灯下，年10月17日，帕蒂尔博士宣布为健康保险创业公司DevotedHealth工作。
在数据科学团队创始人如此具有如此显赫的背景下，领英的数据科学与人工智能基础可谓非常夯实。
另一个有趣的里程碑是，年作为斯坦福大学物理学博士的乔纳森高德曼（JonathanGoldman）入职领英，无处不在的链接和丰富的用户资料令人欣喜，但是这两者通常只能形成混乱的数据和浅显的分析。他设想，人际关系当做数据，如果打通数据的关系，就能发现“产品的新大陆”。
于是，他开始构建理论、检验预设，并研究出了模型。通过这些模型，可以预测出某个账号所归属的人际网络。高德曼预感，在探索基础之上形成的新功能也许能为用户提供价值。
幸运的是，领英的联合创始人雷德霍夫曼，在贝宝（PayPal）的工作经验让他对数据的威力深信不疑，他允许放权，允许在网站黄金位置挂出小型加载模块。这一测试最终大放异彩，成为了我们现在熟知的产品功能“你可能认识的人”。
除了这位斯坦福大学物理学博士，在领英能带领数据团队负责人不止一位，这种大牛带队的模式，在工业界非常普遍，领英亦如此。
领英增长与国际业务数据科学负责人周洋认为，数据科学家在产品团队中，与产品经理和工程团队应该一起工作，称之为「嵌入式」。他还谈到，领英是一个有着强大的数据驱动文化的公司，我们希望数据科学家能够一个人跟完整个产品周期。
前Linkedin商业分析和数据科学部门负责人MichaelLi也曾带领一只横跨公司人左右的，由商业分析师和数据科学家组成的团队，利用数据来帮合作伙伴更好地了解商业和做出决策。
领英很早就意识到，第一、传统的信息管理和数据分析主要用于支撑内部决策，就好像统计局的数据结论，提供给政府决策者思考。大数据时代在大企业内，数据科学家正在超越以往的工作内容，之前仅仅为高管制定内部决策提供建议的报表或报告，现在通常需要面向客户生产产品和服务。第二、数据科学的工作深入，横跨或者说渗透到业务的各个层面，无论是用户增长，还是产品痛点的治疗，让数据技术能够贯穿产品全周期。正是这种意识与渗透，让数据科学在领英应用充分，成为一家真正由数据驱动的企业。
三、下半场：用人工智能连接——那些有份正经工作的人
领英有三个重要利益相关方，用户、招聘企业、广告商。所以，有观点会认为，领英是一家职业社交网站，坐拥全球人力资源宝库，自然而然地是一家人力资源公司。也有观点认为，领英全球近6亿用户的数据量，比较依赖于网络效应，网络中的人越多，网络对所有参与者的价值就越大，用户数据可以进行大规模流量变现，是广告公司。但是，哪怕所有的招聘企业和广告商都消失了，领英价值仍在。所以，最重要的是，需要在产品端用人工智能技术提高用户使用体验，就是让产品更好用，或者说挑战“好用极了”这个目标，这需要具有处理大规模求职招聘的技术应用能力——人工智能，支持客户增长的能力，服务与企业端和广告端客户的能力。归根结底，人工智能。
领英人工智能研发总监张梁先生在CSDN举办的年中国AI开发者大会（AINEXTCon）上提出，领英的使命主要是为了连接全球，创造更多的职业发展机会，现在，领英既是招聘的产品和平台，又是销售的平台，让企业找到这样的机会，让用户发展他们的职业。领英全球有三千万（家）公司，两千万的（份）工作。所以，所有领英产品和领英产品的用户体验都离不开人工智能，人工智能对于领英就跟人和氧气一样，没有人工智能，领英没有一个产品是可以工作的。
张梁先生还谈到，他带领的领英人工智能研发部门的使命。使命是什么？是在恰当时间，恰当地点，给恰当用户提供恰当的内容。这是领英人工智能团队对自家场景下应用的理解。领英有很多产品用了人工智能（的算法），比如你所认识的人、主页上面的内容、工作推荐、搜索。给招聘专员和销售专员，专门做的定制产品，帮他们找到合适的人去建立联系，卖出自己的东西，或者找到合适的岗位人才。
领英的数据量非常大，每天在平台上面的数据基本上是2PB的规模，在领英的模型基本上有上十亿，乃至上百亿的参数，每个星期有上百个A/B测试在线运行。如何能够在大规模的计算平台上，在几百毫秒的延迟范围内，让客户用的更顺手？这是领英的挑战，这个挑战是需要人工智能的鼎力相助。从这个角度上，可以说领英本身就是一个产品，一个用人工智能技术找工作的产品。
我们来看看这个产品的细节，从领英产品流程的角度讲起，首先是工作推荐，上传个人简历，给你推荐适合的工作职位。说起来很简单的事情，其实没有那么简单。首先要知道你是干什么的、你过去从哪个学校毕业的、在哪个公司工作过、你有哪些技能，根据这些信息，需要回答你，哪个工作可能比较适合你。
面对这个需求，领英是怎么做的？本质上说是一个推荐系统，这个推荐系统要对所有的可能的适合你的工作职位做排序，排序的规则是根据你到底看了这个工作以后有多大概率申请这是作为第一步。接着第二步，有哪些信息可以用，一个是个人简历，一个是工作本身。说白了就是我们需要你，和我们希望你，这两点。这里的我们是企业招聘方。如何，另外，根据工作职责与要求，也可以抓取到很多信息，帮助做推荐。
第一步、知识图谱和标准化。主要是用深度学习的技术，对每个用户的简历，标准化的后方便使用。对于工作的职位，现在很多的深度学习技术，比如说CNN模型可以应用，以及在用户简历上抓取有用的信息。
第二步，一个工作职位可能有多份申请，等到一定量的时候，就能知道申请这个工作的是哪些人。所以从标准化里面得不到足够多的信息，也可以通过过去有哪些人申请这些工作，来判断这个工作到底在做什么。推荐给类似的人。
这就是领英工作推荐模型。
领英在运算平台上是怎么实现人工智能技术跟模型？领英人工智能研发总监张梁先生介绍分为线下+线上两部分，但是目前市面上的信息量还不能清楚地回答问题，而这个问题比较关键。所以，根据与多位数据科学家的讨论得出以下结论，供参考：根据多年的数据积累，领英会形成关于人才数据的独特描述方法，比如对人才类型有所定义和分类，例如技术专家。通过深度学习算法，实现数据和结果之间的对应关系，例如一个能够实现将人才类型，人才特征与职位进行匹配的模型。线上线下的数据特征和数据分布因为是完全一致的，所以可以在线上通过搜索引擎做实时的搜索和推荐。据介绍，领英会在大规模计算下探索，也在深度学习平台方面不断努力，目的是让领英内部的开发者迅速的开发适合于各个产品的模型。
最后，如果总结起来，本质上，领英在解决如何把三方利益（用户、招聘企业、广告商）综合考虑达到最大的效果。需要做到在不影响到用户的体验前提下，能够让工作的申请数量更加均匀，越均匀HB的数量就越高，领英的实践结果显示，HB可以提高到12%。（未能联系到张梁先生，无法确认HB的全称。）
尽管领英高手如云，但是在业务的场景下解决场景的相关困难也不可能唾手可得。比如领英现阶段
转载请注明：http://www.0431gb208.com/sjsbszl/3325.html
