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/

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