AI时代的职业发展思考：人机协作是最优解吗？

2025年4月19日，第75期DataFunSummit：大模型时代数据科学的变与不变将在DataFun线上社区举办，数据科学主题峰会已经连续举办5届，是国内少数关注数据科学主题和数据科学从业者的专业会议之一。

本次会议继续由DataFun社区主办，计划邀请30+位重量级数据科学家同台分享交流，深入辩证的探讨大模型时代数据科学在技术与应用的“变与不变”，立足不变夯实基础，顺应变化逐浪新潮流。

在4月19日上午的大模型时代数据科学的变与不变论坛，Snap Inc. 的Tech lead of core data science徐萌老师将出席此次会议，并带来主题分享：

专家介绍：

徐萌是 Snap Inc. 的Tech lead of core data science，她从北京大学元培学院获得经济学和法学学士学位，从加州大学洛杉矶分校经济学系获得博士学位，其后加入了Snap Inc.，

专注于利用观察数据进行因果推断。她的研究兴趣在于因果推断（Causal Inference），包括加权平衡方法（Balancing Approach）、合成控制（Synthetic Control)、因果中介分析（Causal Mediation Analysis）、因果机器学习（Causal Machine Learning）、随机对照试验中的选择问题（Selection Problem）、分位数回归（Quantile Regression）和方差缩减（Variance Reduction）。

演讲提纲

1. 引言：数据科学家的日常工作，AI在其中的角色，演讲结构概览

2. AI在数据收集与清理中的应用：AI赋能的数据匹配，从非结构化文本图像中提取数据信息，语义搜索，基于embedding的内容相关性分析

3. AI在机器学习中的应用：embedding作为新的feature，AI辅助feature engineering，AI生成合成数据

4. AI提高数据科学工作效率的其他方式：代码优化，语言转换，AI辅助用自然语言进行数据可视化，改写专业术语使其浅显易懂，利用AI学习新工具

5. AI在数据科学中的局限性

6. 总结：人机协作作为一种最优解，AI时代的职业发展思考

听众收益：

1. 了解 AI 在数据科学工作流中的实际应用场景

2. 掌握如何利用 AI 进行数据处理、建模优化和生产力提升

3. 认识 AI 的局限性以及人机协作的重要性

4. 对数据科学职业发展的未来趋势有更清晰的认识

落地挑战和方案重点

目前存在一些尚未解决的问题

1. 人机协作还处于初始阶段

2. AI还是一个比较static的model没有去适应使用者的技能更好实现个性化以满足使用者需求

报名方式

大会议程