教师焦点:阿曼达威尔士，博士

研究生课程工作人员|2019年9月27日

我们采访了阿曼达·威尔士(Amanda Welsh)，她是东北大学领导力和项目管理领域的教师主任，也是分析学MPS实践教授，以更多地了解她的工作和研究兴趣。

名称:阿曼达·威尔士博士

标题:领导力和项目管理领域的教师主任和实践教授，分析学的MPS专业研究学院．

加入ν:2019

主要研究方向:技术对文化素养的影响，社交媒体中的虚假信息，新技术创造的新数据类型

出版物:《身份盗窃保护指南:消费者信息收集指南以及如何应对》。圣马丁出版社，2004年。

问:首先，先来个破冰的开场白:告诉我们一件关于你自己的趣事，或者一件大多数人不知道的事情。

我曾经以设计电子游戏为生!我的游戏曾在多个国家获奖。

问:是什么吸引你进入分析领域的?
从我在哈佛大学(Harvard)写的关于语言处理的神经网络模型的论文开始，我就被管理、理解，有时还被利用大型数据集所吸引。与此同时，作为一名负责管理全球团队的商业领袖，我已经意识到关注企业人性的价值每一个方程。数据和人有一个重要的共同点:都不是完美的!理解并利用这种理解来创造优势是非常有益的。

问:在来南京大学之前，跟我们多谈谈你的职业生涯吧。

在加入东北大学之前，我在大数据和媒体的交叉领域工作了25年，创立了两家数据驱动的初创公司，Integrated media Measurement Inc. (IMMI)和garageband.com．我还曾在谷歌担任媒体研究科学家，最近在尼尔森公司担任数据科学和数字实现的执行副总裁，在那里我设计并运行了一个全球合作伙伴计划。我发表过关于广告影响和数据收集的文章，包括一本关于消费者数据跟踪和隐私的书。

除了我的商业经验，我还活跃在非营利领域，担任学术文化基金会的执行董事，并担任全国扫盲/家庭参与计划“培养读者”的董事会成员。

问:东北大学和专业研究学院吸引你的是什么?raybet雷竞技雷竞技app最新版

在历史上，我们有“绅士学者”的概念，典型的是一个富有的人，他利用他的空闲时间通过学习来改善自己和他的世界。我喜欢更现代的称呼:“商人学者”。企业越来越多地与高等教育机构建立合作关系，并支持自己的员工分享旨在推动学科发展的研究成果。我真的很喜欢CPS学术课程的专业和应用重点。他们帮助新生完成从学生到“商人学者”的旅程。

我在CPS的文化中也过得很愉快。教师们有极大的兴趣和自由去突破界限，尝试如何包装和呈现课程。这在高等教育环境中是非常不寻常的，这让我有信心，CPS将帮助引领重新思考21世纪大学的革命。当许多其他大学都在夸夸其谈时，CPS和东北大学正在着手将其全部付诸实践。

问:到目前为止，你认为你最大的研究或行业成就是什么?

我引以为豪的不是某一项成就，而是我职业生涯的组织原则。我一直喜欢挑战极限。在研究生院，我是早期尝试应用神经网络(现在是机器学习和人工智能的主要内容)的研究人员之一。我的一个联合创始人，来自the Talking Heads的Jerry Harrison，喜欢宣称我们用garageband.com发明了众包。在我的第二家创业公司Integrated Media Measurement Inc中，我们开发了一个移动应用程序来跟踪iPhone和Android发明之前的每日媒体曝光量!在谷歌，我帮助他们理解了移动广告的雏形。在尼尔森，我帮助他们设想如何从传统的数据订阅模式转变为基于生态系统的更现代的商业模式。业务生态系统思想通常只应用于软件平台——我们定义了一个数据生态系统解决方案成为行业第一。

问:明年你会教什么课程?

我很高兴能教授数据分析的入门课程。这是一个机会，可以塑造一群未来的数据分析专业人士如何考虑选择正确的模型来从数据中提取价值，数据使用的道德影响，以及他们的技能如何与其他数据专业人士(尤其是数据工程师)互补。

问:您是否为您的学生提供体验式学习机会?你能分享更多吗?

我正在帮助我的学生从以前的同事那里获得机会，其中许多人现在都是初创公司的创始人。

问:你认为你所在领域的未来走向如何?学生如何准备以满足不断变化的需求?

我看到了两个趋势，一个是技术上的，一个是业务上的。首先，我认为我们正在经历一些围绕AI的炒作，这限制了我们对更大图景的关注。随着神经网络等算法的成功应用，人们开始疯狂地将“深度学习”技术应用于所有问题。在某些情况下，这会导致解决方案复杂、不透明，并且在计算上不必要地费力。企业在这种过度投资上正在损失时间和金钱。

一种共识正在形成，即“深度学习”最适合应用于图像、语音或文本识别问题。这表明，对于其他类型的问题(例如，一旦你识别了图像，你该如何处理图像)，将回归到依赖更经典的分析，并且在学习更传统的技术以及学习深度学习方面具有更高的价值。我鼓励学生们不要被媒体炒作所分散注意力，同时也要确保在一系列数据分析方法上打下坚实的基础。这两者都是向前发展所必需的!

同样的道理，一个问题不只有一种解决方案，我认为我们开始看到公司也需要不止一种类型的人来解决一个问题。一些公司并没有试图雇佣一个(很难找到的)数据科学家来从开始到生产运行一个有意义的数据项目，而是创建跨职能团队，包括:一个主题专家来提出正确的问题，一个数据分析师来试验正确的方法来找到答案，以及一个工程师来实现一个可扩展的、有生产价值的应用程序。这表明，当前以同理心和倾听其他观点的能力来评估员工的趋势只会增加。

为了确保在一系列技术中掌握技术技能，学生们不应该害怕花时间学习完全不属于他们自己的学科。在硅谷校区例如，今年秋天，学分析的学生将有机会参加一个由博物馆管理人员主持的实验性研讨会，主题是如何看待和谈论艺术。然后，我们将应用此方法来探索数据中的模式查找。当机器有一个清晰而狭窄的焦点时，它们通常工作得最好。谢天谢地，人类不需要这样工作，这就是他们为商业讨论带来的价值。

问:哪一本与行业相关的书籍或出版物对你产生了影响?

习惯的力量查尔斯·杜希格著。作为具有基于神经的认知能力的人类，我们通过在大脑中创造电活动模式来识别周围的世界。当我们看到同样的事情或做同样的事情时，我们强化了大脑编码的模式。我们的许多行为都是由一些我们没有考虑甚至没有意识到的模式元素触发的。想想我们的基本生物学是如何使我们如此倾向于习惯性行为的，这是令人谦卑的。

习惯的力量——又名偏见——在我们处理数据时很重要。我们对数据的使用总是带有某种偏见。我们如何清理或分组数据，何时接受或不接受数据中的缺陷，我们认为什么是异常值，甚至我们认为什么是合理的结果范围，这些都是我们在处理数据时做出的决定——所有这些都可能导致结果的变化。通过对习惯力量的解释，杜希格帮助我更深入地思考如何剔除偏见。

问:对于对分析课程感兴趣的未来研究生，您有什么建议?

你付出多少，就能得到多少。说起来简单，做起来难。东北大学非常努力地创建了具有许多支持元素的强大项目。好好利用他们!

接通威尔士教授LinkedIn

要了解更多关于东北大学专业研究学院受人尊敬的教师，请访问我们的学院网站．