8、数据科学与网络威胁分析中的自动化工具应用

数据科学与网络威胁分析中的自动化工具应用

1. 数据科学家与AutoML

1.1 Alex Gutman和Nina Lerner的经历

在84.51°公司，Alex Gutman和Nina Lerner是资深的数据科学家。Gutman曾在宝洁公司担任数据科学家，他是引入AutoML到84.51°的关键人物，还培训了许多员工使用DataRobot，目前负责特定克罗格商店的最优商品组合预测。

起初，Gutman对AutoML感到畏惧，觉得自动化及其工具能力对自己构成威胁。但成为DataRobot的首席培训师后，他越了解就越认可它。他认为AutoML的主要好处是提高了生产力，以前将原始数据转换为适合算法的数据集并构建模型需要数天甚至数周，现在只需几小时或最多几天，这让他有更多时间深入思考机器学习要解决的问题，即进行解决方案工程。自动化能力还能让他快速向内部客户反馈，帮助他找到新特征或补充数据资产以提高预测准确性，并更快地将结果展示给决策者。

Nina Lerner是84.51°的数据科学总监，负责开发新的数据资产以帮助数据科学家更准确地预测和理解消费者行为，同时监督业务中行为细分的数据治理。她是AutoML的早期采用者，帮助多名用户迁移到该技术。

Lerner拥有哥伦比亚大学定量分析的研究生学位，她曾为亲手构建分析模型并成功预测和分类结果而自豪，所以AutoML起初让她觉得受到威胁，因为不再需要投入大量时间和培训来创建模型。但她很快接受了这项技术并成为其坚定倡导者，她说以前有时要花两个月构建模型并在不同算法类型中选择，现在两天内就能探索更多方法。节省下来的时间让她能专注于对模型有重要影响的方面，如设计更有深度的特征、添加新特征和更好地定义问题