آموزش دی جی پاتیل: از من هر چیزی بخواه

مقدمه Introduction

• علم داده: هر چیزی را از من بخواهید Data science: Ask me anything

اقساط قبلی Previous Installments

• شما به عنوان یک کودک دوست داشتید؟ What were you like as a kid?

• پدر و مادرتان چگونه بر شما تأثیر گذاشتند؟ How did your parents influence you?

• چگونه در دانشگاه حرکت کردید؟ How did you navigate college?

• خاطرات دلپذیری از مدرسه درجه یک چیست؟ What are some fond memories from grad school?

• چگونه می توانیم یادگیری را برای همه تقویت کنیم؟ How can we foster learning for everyone?

• اهمیت یادگیری هنرهای لیبرال چیست؟ What's the importance of learning liberal arts?

• شما برای متقاضیان کار چه توصیه ای دارید؟ What advice do you have for job seekers?

• علم داده چگونه به وجود آمد؟ How did data science come about?

• دانشمند داده بودن چه چیزی لازم است؟ What does it take to be a data scientist?

• چرا کارآموزی مهم است؟ Why is apprenticeship important?

• چگونه یک دانشمند داده می تواند بر سیاست تأثیر بگذارد؟ How can a data scientist influence policy?

• چگونه می توانم برای دانش داده در کالج آماده کنم؟ How can I prepare for data science in college?

• چگونه hackathons می تواند به نفع من باشد؟ How can hackathons benefit me?

• در دبیرستان چگونه از داده استفاده کردید؟ How did you use data in grad school?

• چگونه داده ها در ایالات متحده استفاده می شود؟ How is data used in the US?

• چگونه از داده ها در سراسر جهان استفاده می شود؟ How is data used worldwide?

• چگونه می توان در امنیت سایبری سوراخ هایی را افشا کرد؟ How do you expose holes in cybersecurity?

• چگونه می توانیم مردم را در مورد هک کردن آموزش دهیم؟ How can we educate people about hacking?

• تهدیدات واقعی برای اطلاعات شخصی چیست؟ What are the real threats to personal data?

• آیا باید به عناوین رسانه توجه کنیم؟ Should we focus on media headlines?

• چگونه می توانیم مردم را در مورد استفاده از داده ها آموزش دهیم؟ How can we educate people about data use?

• چگونه مردم می توانند برای حفظ حریم خصوصی داده ها مبارزه کنند؟ How can people fight for data privacy?

• نقش دانشمند داده در 15 سال چیست؟ What's the role of the data scientist in 15 years?

• در حال حاضر روی چه چیزی کار می کنید؟ What are you working on currently?

• چگونه می توانیم داده ها را ایمن کنیم؟ How can we make data secure?

• چگونه می توان با دانش داده به افراد خدمت کرد؟ How to serve the people with data science?

• تفاوت بین خرد و تجربه چیست؟ What's the difference between wisdom and experience?

• چگونه از علم طرفداری می کنید؟ How do you advocate for science?

• نقش هوش مصنوعی در دنیای امروز چیست؟ What is the role of AI in today's world?

• نمونه هک اخلاقی چیست؟ What's an example of ethical hacking?

• چگونه علم داده را وارد محیط کار می کنید؟ How do you bring data science into the workplace?

• نقش هوش مصنوعی در منابع انسانی و استخدام چیست؟ What is the role of AI in human resources and recruiting?

• ابزاری که دانشمند داده باید در اختیار داشته باشد چیست؟ What are tools every data scientist should own?

• آیا کد اخلاق علوم داده وجود دارد؟ Is there a data science code of ethics?

• تهدیدات هوش مصنوعی در دنیای امنیت سایبر چیست؟ What are AI threats in the cybersecurity world?

• دانشمندان چگونه می توانند دانشمندان را بهتر آگاه کنند؟ How can data scientists better inform the general public?

• چگونه افراد می توانند در علم داده شرکت کنند؟ How can people participate in data science?

• چرا مردم از انقلاب ماشینی می ترسند؟ Why do people fear a machine revolution?

• چگونه داده ها می توانند مراقبت های بهداشتی را مطلع سازند؟ How can data inform healthcare?

• چرا باید اطلاعات را دموکراتیک کنیم؟ Why should we democratize data?

• شما چگونه از علم حمایت می کنید؟ How are you advocating for science?

• چرا راهپیمایی برای علم مهم است؟ Why is the march for science important?

• هوش مصنوعی چیست؟ What is AI?

• نمونه ای از یادگیری قوی ماشین چیست؟ What is an example of robust machine learning?

• جایگاه هوش مصنوعی در مراقبت های بهداشتی چیست؟ What is AI's place in healthcare?

• چگونه AI می تواند آزمایشات بالینی را تحت تأثیر قرار دهد؟ How can AI impact clinical trials?

• چگونه یک دانشمند داده می تواند به بهترین وجه برای کسب و کار استفاده شود؟ How can a data scientist be best leveraged for business?

• چه چیزی برای پیشرفت یک تیم علوم داده نیاز دارد؟ What does a data science team need to thrive?

• جوانب مثبت و منفی با هوش مصنوعی در نقش HR چیست؟ What are the pros and cons with AI in HR roles?

• در جعبه ابزار دانشمند داده چه باید باشد؟ What should be in a data scientist's toolbox?

• چه چیزی تیم علمی داده خوبی را تشکیل می دهد؟ What makes up a good data science team?

• در چه پروژه های جدیدی کار می کنید؟ What new projects are you working on?

• در چه پروژه های علوم داده ای کار می کنید؟ What data science projects are you working on?

• چگونه هوش مصنوعی و یادگیری ماشین (ML) می توانند به امنیت سایبری کمک کنند؟ How can AI and machine learning (ML) help cybersecurity?

• چگونه دولت ها می توانند در مقابل حملات هوش مصنوعی مبارزه کنند؟ How can governments fight back against AI attacks?

• چه عواملی می توانند برای محافظت در برابر حملات AI انجام دهند؟ What can the public do to protect against AI attacks?

• شبکه های عصبی (NN) چیست؟ What are neural networks (NN)?

• تفاوت بین ML و NN چیست؟ What's the difference between ML and NN?

• آیا تکنیک یادگیری ماشین مورد علاقه خود را دارید؟ Do you have a favorite machine learning technique?

• اینترنت اشیا چگونه کار می کند؟ How does the Internet of Things work?

• شهر متصل چیست؟ What is a connected city?

• ترس با داده چیست؟ What is the fear associated with data?

• چگونه می توان ترس از ماشینهایی که شغل دارند را برطرف کرد؟ How can we address the fear of machines taking jobs?

• در مورد از دست دادن شغل به دلیل هوش مصنوعی چطور؟ What about job loss due to AI?

• واقعیت بازگشت شغل چیست؟ What's the reality of bringing back jobs?

• یک فرآیند علمی برای علم داده چیست؟ What is a scientific process for data science?

• نکته شما برای غرق نکردن از داده های بزرگ چیست؟ What is your tip for not getting overwhelmed by big data?

• چگونه می پذیرید که نمی خواهید چیزها را بدانید؟ How do you accept that you're not going to know stuff?

• دامنه پویا چیست؟ What is a dynamic range?

• چه زمانی داده ها حفره ها را ترک می کنند؟ When does data leave holes?

• تنوع در تیم علوم داده چقدر مهم است؟ How important is diversity on a data science team?

• چگونه داده ها بر احساسات افراد تأثیر می گذارند؟ How does data influence people's emotions?

• چگونه خودتان را آموزش می دهید تا از نظر فکری کنجکاو شوید؟ How do you train yourself to be intellectually curious?

• چگونه می توانیم مردم را به ایجاد گفتگو تقویت کنیم؟ How do we empower people to foster dialogue?

• فلسفه شما درباره رهبری چیست؟ What is your philosophy on leadership?

• چگونه یک شرکت می تواند کارمندان را حفظ کند؟ How can a company retain employees?

• توسعه کارمندان را چگونه پرورش می دهید؟ How do you cultivate employee development?

• چگونه تعصبات الگوریتمی را تشخیص می دهید؟ How do you identify algorithmic biases?

• آیا می توانید روند آزمایش اخلاقی را توصیف کنید؟ Can you describe the process of ethical testing?

• در مورد یادگیری ماشینی برای تصمیمات شغلی چه احساسی دارید؟ How do you feel about machine learning for business decisions?

• آیا می توانید در مورد کتاب خود صحبت کنید؟ Can you talk about your book?

• راه حل های ممکن برای جابجایی چیست؟ What are possible solutions for displacement?

• چه تأثیری بر فناوری در اقتصاد ایالات متحده دارد؟ What impact does technology have on the US economy?

• آیا می توانید در مورد آینده چیزهای هوشمند بحث کنید؟ Can you discuss the future of intelligent things?

• مشکلات فعلی با جمع آوری داده ها چیست؟ What are the current issues with data collection?

• چگونه فناوری انتظارات انسان را تغییر می دهد؟ How is technology changing human expectations?

• بسته بندی کردن Wrapping up