エピソード
-
在美国政治民调公司工作的数据科学家是怎么度过选举季的？
这集我们邀请到在共和党背景的民调公司工作的年糕，分享她作为一个对政治毫无兴趣的留学生，如何误打误撞进入美国民调行业。透过她的视角，我们得以一窥美国政治民调的内部运作：从问卷设计到数据分析，从通宵达旦赶报告到观察选民行为模式的转变。
作为一个在德州和奥克拉荷马这样的红州生活多年的移民，年糕的经历也让我们看到了美国社会在选举上分裂的民意背后，人与人之间真实的互动与连结。
00:00 欢迎年糕
01:09 政治民调工作背景
01:54 如何进入现在的工作岗位
05:08 工作中使用的数据分析工具和方法
06:03 民调数据收集和分析流程详解
09:07 面试经验分享
12:42 工作环境
14:26 选举流程：初选和普选
17:57 不同类型民调机构的区别
19:21 三人在蓝州、红州、摇摆中看到的选举趣事
28:05 民调公司的工作时间和强度
40:08 薪资待遇和加班制度
41:54 在美国生活六年的经历
42:51 美国梦达成？“对移民不友善”的共和党机构帮我办了绿卡
47:28 在红州生活的体验和观察
55:00 共和党、民主党和独立选民最关心的议题
55:53 年糕的Podcast节目《外婆专线》
电子报The Cocoons by Stella & Amy:
https://thecocoons.substack.com/
-
茶几曾在广告业摸爬滚打，从上海到深圳，再到美国。作为性少数群体的一员，他分享了在中国和美国的生活体验、不同文化和社会背景下性少数群体挑战与机遇。
茶几现在在一所大学工作，同时攻读工程教育的博士学位。他分享自己如何在一个不断变化的世界中找到自己的位置。谢谢茶几来分享他适应、成长和自我发现的旅程。
00:00 欢迎茶几！
08:34 讨论广告行业的变化
16:40 数字广告公司的工作流程
25:20 广告学校教育与实际工作的差异
28:53 从广告行业转向数据分析
38:51 在美国大学工作的体验
45:50 选择工程教育博士项目的原因
56:43 讨论同性恋关系和婚姻
01:06:44 对数据女孩播客的感想
01:10:19 茶几推荐的书籍和电影
欢迎订阅Stella和Amy的英文电子报：
https://thecocoons.substack.com/ -
エピソードを見逃しましたか？
-
久违的Stella & Amy两人聊天局！这期节目里，我们分享了最近各自在工作上的新尝试。除了播客，我们还开始写英文电子报The Cocoons by Stella & Amy，希望能打破文化壁垒，让更多英语世界的读者了解亚洲的真实故事。
在founders系列之后，我们也想向听众征集新的嘉宾，特别是有"出海"经验的创业者和相关行业的朋友，期待听到更多精彩故事！
00:14 开场
01:00 Amy的startup工作新挑战
04:17 Stella的新尝试
07:09 分享Podcast制作流程和举办分享会的经验
08:58 英文Newsletter "The Cocoons"的缘起和目标
15:36 能完全用AI写吗？
27:21 寻人启事
Newsletter: The Cocoons by Stella & Amy
https://thecocoons.substack.com/
-
本期播客中，我们邀请到了Morale AI的创始人Phil，一位在AI领域勇敢探索的台湾创业者。Phil与我们分享了他如何在台湾将学术研究成果转化为制造业落地应用的经历。
Phil的公司Morale AI，是传统产业数字化转型的一个缩影。通过这些故事，我们得以一窥台湾制造业的创新面貌，以及一家AI初创公司在激烈的市场竞争中寻找立足点的过程。这是一场关于技术与传统行业深度融合的对话，也是对那些在传统行业中寻求创新突破的创业者的一次深刻致敬。
Newsletter - The Cocoons
https://thecocoons.substack.com/
00:13 创建Morale AI
01:09 Morale AI助力制造业AI转型
02:23 Phil谈读博创业的契机
03:40 校园孵化创业的不同之处
05:02 创业初期家人和朋友的态度
07:26 跨国工作与合作的挑战
08:25 制造业AI应用：工具与挑战
15:13 通过大语言模型解决异常投诉
17:05 制造业与客户的复杂关系
18:36 大语言模型解决方案架构解析
22:45 应用向量数据库解决邮件查询
31:12 Textile GPT与纺织业的创新应用
35:47 法人单位与AI技术合作的经验
46:14 数据清理对AI项目的重要性
53:48 项目与产品化的优先级管理
-
在这期节目中，我们邀请到了一位独特的嘉宾：Uber科学家丹桐，数学PhD。她绝不是我们刻板印象中的nerd，而是一名在工作之余坚持跳芭蕾舞的舞者。
丹桐带我们深入探究了Uber的算法世界，让我们了解到这家科技巨头在复杂的市场中如何应用算法进行实验和优化。她的见解独到，为有志加入Uber的听众提供了宝贵的面试建议。
除了职业话题，我们也聊到了丹桐在纽约跳芭蕾舞的经历，以及她平衡繁忙的工作以维持这一爱好的方法。她还在节目中分享了她搬离硅谷定居纽约的初衷，以及这个决定对她生活的影响。
在这期节目中，你会透过科技大厂、PhD的title看到一个活得潇洒的女孩，一个对生活抱着无限热爱、从不退缩的人。
欢迎订阅英文newsletter - The Cocoons by Stella & Amy.
https://thecocoons.substack.com/
00:57 丹桐，数学PhD、Uber科学家
01:29 大学时期选择数学的过程
05:09 为什么选择数学：追求纯粹规律
06:28 四色定理及其应用
13:18 谈论数学博士后如何选择职业方向
14:19 在Uber的工作经历及不同的数据科学家角色
20:19 Marketplace团队的工作：匹配与定价算法
23:18 Uber的算法如何解决实时优化问题
28:26 谈论算法组之间的冲突和合作
37:45 对Uber技术文化的看法
50:46 谈论Uber如何平衡盈利和共享经济的初衷
52:04 丹桐分享自己如何爱上芭蕾舞
-
本期播客《数据女孩的中年危机》邀请到王小茗，一位在 Google 担任高级财务分析师的专业人士（所谓的会计师！），分享了她在科技大厂的会计财务部门的工作内容，也为我们介绍会计行业的现况。
Stella与Amy一起和小茗探讨了如何运用数据分析来支持公司财务决策，以及她从四大会计师事务所到硅谷的职业成长之路。小茗深入讨论了35岁的职场危机、如何平衡工作与育儿，以及她对未来财务行业趋势的见解。
关于35岁危机的完整讨论会在小茗的播客节目《他山育见》中独家播出。
希望大家喜欢这一期，也欢迎大家Stella和Amy的英文Substack专栏The Cocoons.
https://thecocoons.substack.com/00:00 欢迎《他山育见》播客主播小茗
02:30 在科技公司做财务分析的挑战
05:10 谷歌财务部门的运作模式
12:15 科技产业的性别动态与挑战
19:30 在硅谷生活的成本与家庭选择
29:10 谷歌内部数据分析与SQL应用
35:00 大数据与自动化对财务工作的影响
40:20 转行建议：从数据分析到财务工作
45:10 会计行业未来趋势与挑战
51:45 在美国报税的常见问题与误解
56:30 投资与解读公司财报的技巧
01:02:00 如何在湾区生活中找到平衡
-
峥神是在一名好莱坞工作的音效师，参与项目包括《American Horror Story》这样的知名美剧。她也曾三次评价自己的音效设计工作提名艾美奖。峥神从名校计算机专业毕业后，义无反顾地投身电影事业。这样的转行让我们既钦佩，又觉得不可思议。峥神经历了在好莱坞数年的摸爬滚打，从无名小辈成为三度艾美奖提名的音效师。在我们看起来已经是走上人生巅峰，而她却说，梦想成为现实之后，工作也只是份工作而已。
在录制这一期时，峥神正在待产的最后时刻。如今峥神已经成为一位二娃妈妈了！祝福峥神一家！
00:00 欢迎嘉宾音效师峥神
08:28 音效师工作的自由度和创意空间
17:38 音效行业的就业模式和收入来源
18:35 音效师需要的声音审美能力
25:17 音效师工作的局限性
35:35 影视行业的不稳定性和项目制工作模式
41:08 如何进入音效行业
43:45 音效行业的人脉建立技巧
49:19 峥神的教育背景和进入电影学院的契机
57:27 AI对影视行业的潜在影响
59:59 科技进步对各行业的威胁
01:03:06 关于特权和优越感的讨论
01:14:26 平衡工作、家庭和良好精神状态的挑战
01:16:33 对即将到来的第二个孩子的准备 -
乐观、自律、执行力强，这就是Stella和Amy对本期嘉宾Elaine的印象。无论是在硅谷大厂的data science manager工作，还是做博主，还是个人生活中，Elaine都是一个想到就去做的实干派。本期《数据女孩的中年危机》中，Elaine来和我们分享她在科技大厂的职业发展，Manager光鲜履历之下的压力和痛苦，还有工作之外，作为一个妈妈、一个业余博主的有趣生活。
00:00 导言
08:56 Elaine的YouTube频道定位和发展
16:49 全职当创作者的可能性
20:40 如何进入Data Science行业
23:59 Computer Vision方向的发展前景
28:19 大厂对Data Scientist的定义和要求
34:22 不同大厂Data Scientist的话语权比较
37:15 从IC到Manager的经历
39:51 Manager工作内容的时间分配
45:51 Data Scientist在大厂的核心竞争力
01:07:43 在美国和中国养育孩子的比较
01:10:25 对Stella和Amy的podcast的感想 -
Stella和Amy邀请了在新加坡工作14年的广告业资深人士Abby，深入探讨了市场营销和广告行业的内幕。Abby分享了她对品牌策略、跨文化营销以及AI对行业影响的独到见解。Abby还和Stella Amy讨论了中国品牌如何在海外市场，特别是新加坡，进行本地化策略。作为一位职场妈妈，Abby也坦诚地谈到了工作与生活平衡的挑战，以及如何在职场中推动性别平等。
00:00:00 欢迎Abby！
00:00:31 Abby的职业背景介绍
00:04:05 市场营销和广告的基本概念
00:09:17 中国品牌在海外市场的营销策略
00:21:07 广告公司如何帮助客户制定营销策略
00:32:14 AI对广告业的影响
00:37:43 中国企业为何选择新加坡作为海外扩张的第一站
00:42:02 Abby在新加坡14年的工作和生活变化
01:09:46 职场妈妈面临的挑战
01:15:35 如何在职场和社会中推动性别平等
01:17:15 Abby推荐的阅读
-
本期嘉宾是北京大学董磊助理教授。作为大学老师的他发Nature、教课、带学生。除此之外，他还是一位连续创业者： 在林徽因故居开过咖啡馆，也做过数据咨询公司，现在是科技公司Maptable的创始人，致力于做最易用的地图数据分析工具。以为这样的人生就够精彩了吗？还有哦！学术和创业外，董磊老师早年间还参加电视节目并获得了一众粉丝。这一期就来听听董磊老师来和Stella Amy聊学术生活、创业心路历程。
00:00 欢迎董磊老师！
01:07 研究方向：城市科学与时空大数据分析
11:42 第一次创业：在林徽因故居经营咖啡馆
12:44 第二次创业项目：数据咨询项目
17:52 第三个创业项目：数据标注与AI训练数据服务
19:31 最新创业项目：地图可视化工具 Maptable
28:15 做地图到底难在哪里？
37:45 如何决定再度创业做Maptable
40:43 创业初期：投入两年开发第一版本
43:00 何时该去融资？
46:04 GTM 市场策略分享
53:28 电视知识问答节目的经历
-
Paul Graham最近发表的爆火文章《Founder Mode》，大家看了吗？这篇文章所说的founder mode似乎是指对公司有完全掌控力、事必躬亲的铁腕创始人。他也认为founder mode是比雇佣职业经理人的manager mode更好的管理模式。
然而founder mode真的如Paul Graham所说，是tech公司的灵丹妙药吗？它和Micromanage又有什么区别呢？作为一线工作的牛马，我们对Founder Mode有槽要吐！
00:24 Amy 最近在研究SEO
02:24 Stella和小红书的爱恨情仇
06:33 Stella 正在与儿子培养新爱好
09:02 热门话题： founder mode
11:27 常常出爆款的Paul Graham
13:31 Founder Mode 代表人物
15:28 Founder mode 是 micromanagement吗
17:59 什么是个铁腕CEO
23:17 Founder mode 反例
24:19 Founder mode 是对创始人要求降低了
27:29 Stella和Amy过往合作过的 founders
33:34 为什么我们节目不多聊AI新闻
36:22 Amy和Stella会是怎么的founders -
这一期的嘉宾Zoey，是Stella的初中同学，也是一位在科技行业有十多年经验的老猎头，来为我们解惑：猎头到底是如何工作的？猎头真的会站在我们的角度为我们争取工作吗？从猎头的角度看，过去十年互联网的疯狂时代已经一去不复返了吗？接下来又有哪些有发展潜力的行业呢？
老友Zoey还分享了不少行业秘辛，以及对科技行业高管的近距离观察。这是一期又有干货又有八卦的老友局。快来听吧！
00:01:00 猎头做什么？
00:05:27 猎头怎么赚钱？
00:09:34 猎头怎么学习行业知识
00:15:37 中国大厂在找什么人才
00:19:10 海归要考虑什么？
00:24:55 海归在中国就业市场有竞争力吗？
00:30:54 猎头出糗的故事
00:36:28 猎头这个工作很抗AI！
00:37:09 猎头最先知道行业趋势00:39:46 过去十年互联网的疯狂
00:40:58 猎头眼中的新一波GenAI浪潮00:42:06 眼下AI招聘市场中用人方和应聘方的不匹配
00:47:37 猎头观察到的新兴行业
00:52:57 中国科技行业的性别平等00:55:41 猎头连“老人能不能来带孩子”也要问？？
01:05:17 老猎头为本播客出谋划策 -
这一期的嘉宾因学生时期一张像孙中山的照片而被朋友们戏称为“国父”。“国父”在推荐系统领域有很多年的实践经验，也做过不同类型的推荐系统。这周我们就请专家来和我们深入聊一聊推荐系统是什么、怎么做、以及产品技术难点是什么。除了推荐系统，“国父”对于数据科学领域和数据驱动也都有很多思考。
在工作之外，本期嘉宾自认为有着“非典型”的成长经历。高考时交白卷，在高校研究所工作多年，很晚才进入业界。但也正因为此，他对个人的发展有不一样的思考。到底学历有什么意义？我们是荒岛上的猴子还是赛道上的赛马？赶快来听吧！
00:00:00 开场
00:01:24 在电商平台Pinkoi做推荐系统
00:03:49 推荐系统从Infra和数据收集开始
00:05:04 tracking和埋点
00:07:04 电商平台一定需要推荐系统吗？
00:10:13 原生广告公司Taboola的推荐系统
00:13:12 用户体验：内容推荐 v.s. 广告推荐
00:14:33 广告推荐和内容推荐在产品实现上的差别
00:16:47 推荐系统领域需要什么样的人才
00:19:33 广告推荐和内容推荐工程难度上的差别
00:21:47 觉得自己是一个data scientist还是一个engineer？
00:24:37 分析团队和工程团队的mindset差别
00:28:28 跳槽Taboola的契机
00:31:36 多文化融合的工作环境
00:33:54 如何快速的熟悉公司业务
00:38:53 空降manager如何管理团队
00:42:08 data-driven到底是好是坏
00:49:37 非典型的成长经历(吗?)
00:52:51 学历到底代表什么？
00:55:18 赛道上的赛马，还是荒岛上生存的猴子
00:56:53 Multi-armed Bandit对人生的指导意义
00:58:50 Amy和Stella做podcast的意外收获
01:01:28 生活中的发呆时间
-
这一期的嘉宾May有着非常感染人的笑声，整个聊天过程都轻松愉快。虽然May一直在说自己非常无所谓，很躺平，但是和她聊下来却发现她根本过着很卷的人生！除了做着非常demanding的金融业管培生工作，她还有做一些副业，甚至还运营着自己的社交账号(Ins@marketing_youth_may)。但另一方面，May又确实很松弛。举例说明：我们找她要照片做这一期的cover photo，正在爬山的她打开手机前置摄像头就随手拍下一张灿烂微笑发给我们。这样的矛盾感让我们觉得非常的新鲜又有趣。
最后告诉大家一个秘密，来自台湾的Amy和来自中国大陆的Stella，一直都希望我们在播客节目讨论专业知识之外，也可以为大家介绍不同地区华人的工作生活状态。作为理工女的我们，对于太过宏大的议题束手无策。但是我们相信，在宏大议题之下的每一个个体，一定是相同之处远远多过不同。不同地区的人们的经验也都可以为我们所借鉴。
如果你也认同我们的想法，就快听我们和May的聊天吧！
00:00导言
02:40 开始做IG创作者的契机
04:30 聊聊最近好玩的内容趋势
06:22 什么是MA(管培生)?
16:02 如何成为管培生？
18:29 管培生的薪水水准
20:31 中国大陆职业选择的潮流变化
23:34 当20+的年轻人开始养生
30:05 年轻人从副业中获得安全感
34:53 Z世代认同的生活状态
36:33 人到中年，体力是最大竞争力
38:32 台湾的熟女们
41:23 台湾的dating life
43:22 交朋友好难！
47:38 管培生的奇怪入职培训
-
这一期的嘉宾是——Amy的堂哥！堂哥是台湾高端制造业高管，有着多年芯片业、智能制造的实践经验。有着身后的Operations Research背景，也是二十多年前就做AI/Machine Learning的技术大拿！堂哥跟我们分享了他在芯片业及高端制造业中20+年的行业经验、运筹学在各行业中的应用，以及从企业高管的角度如何看待制造业的数字化转型与智能制造。还有资深职场人分享的职场tips，快来听听吧！
00:00:00 本期涉及名词解释
00:07:07 本期嘉宾介绍
00:08:00 九十年代的台湾大学
00:12:05 选择工业工程(IE)/运筹学(OR)方向
00:13:37 Operations Research(OR)是什么？
00:17:01 OR与Data Science
00:21:03 在芯片公司AMD做排程系统(scheduling)
00:25:01 为什么要自己开发排程系统？
00:27:55 从德州AMD回到回台湾AMD
00:30:58 关于AMD的股票和挽大厦之将倾的“苏妈”(CEO: Lisa Su)
00:34:27 离开AMD来到制造业的智能制造
00:36:22 智能制造的day-to-day执行
00:42:38 数字化转型中的制造业还需要数据科学家(data scientist)吗？
00:45:26 台湾智能制造发展之现状
00:50:06 LLM对制造业的影响和冲击
00:54:26 如何面对AI时代的职业中年危机
00:56:47 “问对的问题”的能力很重要
00:57:12 Top performer如何带团队？
01:01:44 数据女孩关于职场妈妈的讨论给堂哥带来的启发
-
这一期的嘉宾是来自加拿大的Lead Data Engineer数据工程师，Wang Ze。Wang Ze来分享了她作为Data Engineer数据工程师的职业发展历程和对行业的看法。然而节目后面聊到她的副业，才发现原来她做的电商独立站Kidamento已经非常成功了！Wang Ze和家人是如何开始做电商的呢？有着电商平台工作经验的Data Engineer做电商有什么特别的优势吗？身处动荡的科技行业的我们，发展电商副业是否是一个好的抵抗中年危机的选择呢？快来听一听吧！
00:00 开场
03:02 加拿大的学习、工作、移民
08:42 疫情期间跳槽
10:23 不同行业的data engineer工作有差别吗？
12:52 data engineering的发展规律
14:06 核心竞争力
15:01 data engineer可以被AI替代吗？
17:23 职业危机和迷茫
18:28 AI取代人工data cleaning的一个小例子？
21:38 副业：如何开始做电商独立站
25:06 选择供应商
28:27 如何做marketing
31:20 第一个“黑五”
33:13 “打工是不可能打工的”
34:02 做电商需要什么技能
34:51 对产品的选择
36:01 在Amazon上卖货的感受
37:58 电商的库存和物流管理
40:29 做电商副业的工程师的dogfooding
43:20 和线下门店合作
44:40 并非一帆风顺的创业
45:48 创业对人的锻炼
47:12 电商领域哪个环节最好赚
50:52 中国生厂商出海的挑战
51:44 对想做电商独立站的朋友们的建议
53:09 如何购买Kidamento
-
Amy和Stella先后回到亚洲走亲访友，在和朋友的交流当中获得了很多新的资讯，也得到了不同的角度。专开一期和大家分享一下我们的见闻和思考。也聊聊过了20期之后，我们对podcast的一些新想法。
01:25 回国远程工作可行吗？
02:21 Amy的新工作
05:34 乙方变甲方
07:40 startup不同阶段的快乐与悲伤
10:40 选择适合自己的startup的标准
13:26 给startup一些发展的时间
15:04 不同类型的职业选择startup工作的标准不同
17:47 Amy的长辈旅行团经历&旅行团的acquisition channels
19:59 不需要手机地图单靠人脉的老导游
22:20 长辈旅行团里追求极致性价比的同行阿姨们
23:54 精准安排所有团员大小便的导游
24:56 银发经济
26:48 Stella东亚各大城市旅游体验
30:09 北京和台北的出租车司机们
31:25 面对国内超便利生活时的“剥削感”
32:39 国内朋友们对美国“治安超差”的印象
34:29 台湾的tech公司印象
37:28 传统toC电商的胜利方程式？
39:50 国内对于美国经济状况的看法
40:35 大陆创业者面对的融资难
43:33 创业者中的技术派 v.s. 市场派
48:08 cofounders之间的dynamics
51:30 startup的hiring状况
53:52 podcast接下来的计划
-
Stella和Amy一直以来对于数据领域的career coach都有很多好奇和疑问。借着播客这个由头，我们邀来万粉职场博主思宇（思宇在爬楼@xhs） 来聊聊。思宇和我们分享他的职业经历，也为我们解答了很多对于国内科技公司不同岗位、组织架构的疑问。以及Stella和Amy一直想问的，career coach凭借什么指导学员求职？又是为什么有这么多人愿意付费career coaching服务？本期还有思宇分享对目前数据行业就业市场的一些观察，不容错过哦！
01:25 在证券研究部的不愉快实习经历
05:49 关于字节跳动的组织架构的讨论，horizontal v.s. vertical
11:23 火山视频，字节跳动的弃儿
13:39 从数据分析师到战略分析师
16:10 策略产品经理 v.s. 产品经理 v.s. 算法工程师
24:30 中美work culture比较
27:37 “把个人感受从工作中抽离出来”
29:15 为什么中国公司这么卷？
31:24 career coach as a side gig
36:10 如何面对找工作时的年龄关卡？
37:47 实习
40:35 为什么有人需要career coach？
42:55 时间管理能力
45:27 一个经常劝退学员的career coach
-
本期Stella和Amy邀来才华与颜值并重的徐侃教授（xhs：KanXXX）。徐侃教授本科毕业于清华数学系，硕士就读于University of Chicago，之后于宾夕法尼亚大学获得PhD。徐侃教授现在Arizona State University商学院科研教学。如此令人瞩目的学历加上帅气的外表，让人不禁发问——这样的人生还会有任何障碍或是迷茫吗？以及，i人教授在工作之外的人生居然是蹦迪醉酒以及看漫画？！是不是很好奇！快来听听我们和Professor 徐侃的聊天吧！
00:48 Stella家儿子心仪的帅叔叔
02:15 从清华数学系到UChicogo到UPenn经济系再到商学院教授
07:03 找到自己的优势点/comparative advantage
10:47 Machine Learning in 商学院 v.s. Computer Science v.s. 业界
18:53 申请PhD时的选项与考量
22:19 PhD最重要的是选择合适的导师
25:44 什么是tenure track？
30:36 高颜值对于找教职有影响吗？
32:51 分享教学一年感悟
39:04 教授正寻找co-author！
40:37 教授的业余生活是喝酒蹦迪（吗？）
42:24 教授推荐的最爱漫画
-
这一期的嘉宾Robin是美国媒体行业的数据科学家。Robin的社会学背景让他在DS的日常工作中有着和旁人不同的视角。这一期让我们来和Robin聊聊媒体行业的DS，以及在DS之外，如何融入美国职场，如何找到自己职业发展的伯乐。
03:04 外国人很难进入媒体业？
06:43 Quit Princeton PhD？
11:01 表演型data scientist 会受到AI冲击吗？
14:12 Causal Inference在industry被“滥用“了吗？
19:34 媒体业的DS到底是做什么？
21:24 如何找到自己的伯乐
26:40 在职场开启真诚的夸夸模式
28:22 职场上的code switching
32:19 每个人的“惯习”资本
36:46 如何练习small talk
43:36 data team的reactive mode
46:41 挑战常规
51:54 Robin成立的纽约地区线下DS社群
- もっと表示する
