資料挖掘的英文叫data mining，mine有“礦”的意思。是以做資料挖掘的學者們常常戲稱自己為“礦工”。不過，其實資料挖掘的研究過程與采礦确實有異曲同工之妙。資料的收集、篩選、分析和應用，正如礦石的勘探、開采、提純和使用一樣，每個步驟都看起來都是大海撈針，但在合适的方法下，這些“針”又每次都能被恰如其分的挖掘出來。
大資料這個詞我們聽得太多了，可是很少有人意識到，随着網際網路的發展，今時今日的這些“大”字究竟已經意味着一種什麼樣的量級。除去少數嘩衆取寵的使用這個詞的公司外，那些真正擁有大資料的企業，經手和處理的都是一些普通人可能窮極一生也接觸不到的數字：微信朋友圈每天會上傳10億張圖檔，支付寶日交易額峰值超過200億元人民币，京東每天上傳幾百萬張新的商品資訊圖……
這些數字對于急需資料訓練的人工智能算法來說是莫大的好消息。也意味着資料對于人工智能的重要性正在随着計算能力、算法的發展而呈直線上升。但是怎麼在浩如煙海的資料中篩選出對我們真正有用的那些？又如何通過分析這些資料做出對自身有利的決策？這就是資料科學家們做的事了。
本期硬創公開課，我們邀請到了ipin的首席科學家潘嵘，他曾獲得2005年全球最進階别資料挖掘大賽kddcup的世界冠軍，也在科研和産業領域都積累了相當豐富的經驗，本周四下午3點，就讓潘嵘老師來為我們講講，一個合格的資料科學家是怎樣煉成的。
本文作者：魏秀參