編者按：如果你有興趣分享你的數據科學和人工智能專業知識，你可以申請為我們的博客 here 寫作。
寫作的雙重目的主要是在社區、組織等之間保存和傳遞知識。 machine-learning 域內的寫入僅用于上述目的。有一些杰出的個人花了大量的時間和精力推進機器學習和 AI 作為一個領域的前沿。巧合的是，許多人工智能的先驅和專家寫了很多東西。
這篇文章包括以不同的形式和形式對人工智能領域做出貢獻的個人，特別是強調他們的書面作品。每個人通過編寫人工智能相關內容的實踐所做出的貢獻。
本文的要點是，作為數據科學家，我們需要在交流的同時培養軟技能，如創造性和批判性思維。寫作是培養數據科學家關鍵軟技能的活動.
寫作的人工智能專家
安德烈·卡帕蒂。
在撰寫本文時， Andrej Karpathy 是 Tesla 的人工智能高級總監。通過使用經過數百萬圖像和視頻樣本訓練的大規模人工神經網絡，監督將商用自動駕駛汽車推向市場的工程和研究工作。
安德烈是一位杰出的作家。他的作品曾在《福布斯》、《麻省理工技術評論》、《快速公司》和《商業內幕》等頂級出版物上發表。具體來說，我一直在通過 Andrej 的 Medium profile 和他的博客關注他的寫作。
在我作為一名計算機視覺專業的學生探索卷積神經網絡的基礎知識時， Andrej 在斯坦福大學的 Deep learning 課程證明有助于理解和直覺卷積神經網絡的內部結構。具體而言， written content 課程探討了一些細節，如 CNN 中的參數分布、 CNN 架構中不同層的操作以及 CNN 濾波器參數和輸入圖像值之間發生的卷積操作。安德烈用他的作品來表達新思想，探索深度學習的狀態，并教育他人。
數據科學家是數據數字表示世界和項目利益相關者之間的中介，因此，解釋和傳達數據集衍生理解的能力對數據科學家至關重要。寫作是一種溝通手段，它使數據科學家具備了傳達和呈現想法、模式以及從數據中學習的能力。安德烈的作品是如何做到這一點的一個明顯的例子。他對神經網絡架構、數據準備過程等提供了清晰簡潔的書面解釋。
李開復
李開復是人工智能和數據科學專家。通過在谷歌、微軟、蘋果和其他組織的工作，他對人工智能做出了重大貢獻。
他目前是 Sinovation Ventures 的首席執行官。 Kai Fu 將人工智能應用于視頻分析、計算機視覺、模式識別等領域，為人工智能研究做出了重大貢獻。此外，李開復在其著作 AI Superpowers 和 AI 2041 中還撰寫了一些書籍，探討人工智能的全球參與者以及人工智能的未來應用和影響。
通過他的寫作，李開復剖析了在人工智能領域大量運作的國家和實體的戰略。推動當今人工智能超級大國的決策、思維和國家努力的溝通對于尋求快速發展人工智能技術的發展中國家至關重要。
然而，李開復也通過他的寫作傳達了人工智能技術的進步可能對社會和個人造成的潛在不利影響。通過閱讀李開復的書面內容，我已經能夠理解，當深入學習和預測模型的可用性被投射到涉及偏見、貧困、歧視、不平等等社會問題的富有想象力的未來場景中時，它們會如何影響日常人的生活。
隨著人工智能技術和數據驅動算法在我們的移動設備、設備和流程中的普及，“人工智能的危險”這一話題越來越頻繁。數據科學家正在一次一個模型地引領未來，我們有責任確保這一點。我們能夠傳達這樣一個事實：在技術融入社會之前，我們對其進行了深入的成本效益分析。通過確保人工智能技術的正面和負面影響不僅僅是數據科學家的事后思考，這些考慮讓消費者放心。
對于數據科學家來說，傳達上述考慮的一種有效方法是通過寫作。寫一兩篇文章來解釋數據源、網絡架構、算法，并根據當前利用率推斷人工智能應用程序或預測模型的未來利用率，是有效的。一位數據科學家將這些步驟作為其流程的一部分，在產品消費者和社區中建立起責任感和信任感。
弗朗索瓦·喬利特
TensorFlow 和 Keras 是數據科學和機器學習項目中廣泛使用的兩個主要庫。如果您使用這些庫中的任何一個，那么 Francois Chollet 可能是您遇到的 AI 中的一個人。
Francois Chollet 是一名人工智能研究員，目前在谷歌擔任軟件工程師。他被公認為深度學習庫 Keras 的創建者，也是 TensorFlow 圖書館的杰出貢獻者。他寫道，這并不奇怪。
通過他的寫作，弗朗索瓦表達了他對人工智能 concerns 、 predictions 和 limitations 的看法。作為一名機器學習實踐者， Francois 寫作對我的影響來自于他關于軟件工程主題的論文，更具體地說是： API 設計和軟件開發過程。通過他的寫作， Francois 通過其臭名昭著的書 Deep Learning With Python ，就實際深度學習和使用 Python 編程語言進行機器學習任務的主題，教育了數十萬人。
通過編寫數據，科學家有機會在團隊成員或組織中實施軟件開發和數據科學過程中的最佳實踐。
結論
涵蓋數據科學的學術機構應在課程中包含寫作。多年來，在學術界培養寫作習慣對專業角色來說是有益的。
專業數據科學家應該通過將寫作作為思想、技術和概念交流的一個組成部分來擴展他們的技能。正如本文中提到的人工智能專家的工作所指出的，書面工作可以是散文、博客、文章等形式。即使是在 LinkedIn 或 Twitter 等平臺上與同行互動并參與討論，也會對數據科學專業人士有益。
新手數據科學家經常問，可以采用什么方法來提高技能、知識和信心，毫不奇怪，答案也是寫作。寫作能夠以一種結構化的方式表達思想，而這種方式很難通過其他交際方法來表達。寫作也是一種強化學習的方法。
這篇文章對于尋找想法的數據科學家來說是一個極好的靈感來源，如果你感到受到啟發，請閱讀關于機器學習領域各種寫作的文章。
?
