值得关注的校友:Michael Li & The Data Incubator
数据科学超级热门。创业也是如此。这就意味着迈克尔·李——英特尔科学人才搜索(STS)的校友和孵化器的数据，一家成立两年的数据科学初创公司，正火着。
回想起来，李书福成为数据科学企业家的道路似乎是显而易见的——他在普林斯顿大学获得了计算机科学学士学位和应用数学博士学位，之后在华尔街和硅谷开始了职业生涯。他曾在谷歌、英特尔、Foursquare和硅谷著名风险投资公司Andreesen Horowitz等公司工作过。
但李将其归功于2003年英特尔STS体验——他因开发了一种进行核聚变的新方法而获得了全国第二名——这对他成年后成为什么样的人至关重要。阅读这篇采访，了解更多信息——以及为什么李认为学者通常需要研究生训练营才能赶上产业发展的速度。
为什么数据科学这么火?因为数据现在是一个结构性的趋势，对吧?而且我们每年得到的数据越来越多，而且不只是来自你的电脑、平板电脑和手机。
例如:我们与保险公司合作，利用遥测数据跟踪司机行为，判断他们是否是更好的司机，并有选择地给他们折扣。公司需要处理所有这些数据，并理解它的含义。这就需要数据科学家。
什么是数据孵化器?这是一个为期八周的奖学金项目，为50名硕士和博士提供成为行业数据科学家所需的基本技能，然后将他们与支付培训费用的雇主进行匹配。我们每个季度收到约2000份申请这50个职位的申请。雇主既有Yelp、Betterment或Foursquare等科技公司，也有《纽约时报》、微软、eBay、摩根大通和辉瑞等老牌公司。
这个想法来自于我在面试桌两边的经历。作为一名进入工业界的博士生，我知道有学术科学背景的学生在将这种背景转化为更现实的东西时会面临什么样的挑战。作为一名招聘经理，我看到有些人的简历很好看，但他们没有科学背景——真正的科学知识、统计学和编程是成为数据科学家所必需的。
学术成功vs商业成功:我们在数据孵化器(The Data Incubator)的工作是让博士生停止用五年的时间框架来思考问题，而是用五个月、五个星期、五个小时的时间框架来思考问题。5个小时真的是你在行业里思考某件事的全部时间。
学术界和工业界的动机也截然不同。学术界会因为你试图找到最尖端的解决方案而奖励你，即使它并不总是实用的。你正在接受训练，进行非常基于理论的对话。这是一个坚实的基础，但在工业领域，你只需要把东西拿出来，迅速完成，它不必完美——只要足够好就可以了。
不是你通常怀疑的对象:数据孵化器申请者是具有STEM背景的人，广义解释。不仅仅是数学、物理、计算机科学和统计学等你常用的学科。我们有很多强大的申请者，他们有政治学、社会科学、环境工程背景——这些你不一定会认为是数据科学的传统支线学科。
很多对科学感兴趣的学生都觉得自己是异类。但当你通过科学认识别人时，你开始意识到这里有一个真正大的群体。
这是因为我们非常关注成为一名数据科学家所需要的核心技能——一点编程，一点统计和概率，还有一点常识。如果你具备了这些技能，并且能够将它们结合起来，那将是爆炸性的。
把STS和热爱科学的“感觉正常”放在一起:STS是我成长的关键。它让我意识到科学的重要性。它使科学对我来说合法化，因为我意识到我在这群人中是正常的，而不是这个世界上的某种畸形畸形。在我的整个童年中，STS可能是我觉得最舒服的地方。这是无价的。它塑造了我成年后的样子。
很多对科学感兴趣的学生在很多情况下都有这种感觉——就像古怪的人出去一样。但当你通过科学认识别人时，你开始意识到——嘿，这里有一个真正大的群体。你不是一个怪人。这对年轻人来说真的很重要。
STS网络:我高中的很多朋友实际上都来自STS。他们是我认识时间最长的朋友。很多人最后进入了东海岸的学校，并申请了类似的工作。即使在今天，这也是小道消息。我们对彼此说:“哦，这家公司有个职位空缺。你可以去申请一下。”
给想要创业的学生的建议:现在就做。你越年轻，你生命中阻止你冒险的东西就越少。
并且作为一名学生，参与很多非营利性的创业活动。做一些有意义的事情是非常有帮助的，看看你是否能达到某些指标，这些技能都是非常可转化的，不管你最后是否能留住钱。
