Tom同学看了柯西同学的采访以后，提出了自己的感悟和补充，很有见地！

视频里，他用自己的例子补充了柯西同学的观点。比如如何take challenge这方面，Tom同学总结成，去找那些比自己能力多一步的项目。

Tom同学还对startup的阶段做了一个补充，希望能帮大家更好地找公司！

如果大家觉得有哪位程序员比他帅，欢迎留言po出来

上期柯西同学为我们非常坦诚地分享了他在Facebook四年的经历，为什么能升这么快，拿这么多钱。

升职加薪之后马上选择跳去Startup，是一个更难的决定。这期视频就去深挖一下柯西做这个决定背后的思维框架，以及他选择startup的选择依据是什么。

柯西LinkedIn：https://www.linkedin.com/in/kexi-long-1009a889

Facebook has a strong data culture and hires a lot of data scientists. It is a place where data can effectively change the course of the business everyday, for the better.

In this video, I try to investigate what makes data so effective at Facebook — summerized as three points: Infrastructure; Culture; and Organizational structure.

这期视频采访了柯西同学，他2017年毕业后加入Facebook，度过了平平无奇的一年后，突然爆豆，一年连升两级。之后度过了一年迷茫期，又再度升到了Staff Engineer。并且连续两次拿了传说中的additional equity（额外的股票奖励），走上了人生巅峰。但就在这时，他又选择去了一家早期Startup。

视频分上下两期，上期里，柯西为我们非常坦诚地分享了他在Facebook四年的经历，试图和我一起分析自己做的好和不好的地方。帮我们一起寻找在大厂爬梯子和个人成长的秘籍。

柯西LinkedIn：https://www.linkedin.com/in/kexi-long-1009a889

最近收到不少反馈，很多小伙伴不知道如何准备product sense interview。虽然我的mock interview视频带来了很多有用的启发，但是平时自己联系的时候缺乏方向，而面经又会带来误导。

这期视频，我试图帮大家总结一下product sense interview考察能力的核心：用科学的框架分析解决问题。并且帮大家总结了三个有效套路，希望能帮大家有针对性地提高自己。

本期邀请了得到金牌讲师，亚马逊算法科学家，吴晶辰同学，为大家讲解算法是什么。

吴晶辰的课程《算法通识16讲》截止发稿日，在得到上已经有一万三千多个订阅了。

本期视频，晶辰同学就用日常生活中生动的故事，帮助大家理解算法是什么，可以帮大家做什么。既权威，又趣味，我也尽力展现自己颜艺，希望大家喜欢。

最近网上经常有人说数据科学家是一个可有可无的职业，引起大家很多焦虑。Meanwhile，数据科学家在Facebook工作得却特别爽 — 工作价值、存在感、话语权、影响力、主动性，都非常高。

但是这些并非来自于强制的「安排」，而是自然的「结果」。我们一起总结出来四个方面，分别是Infra、文化、组织结构、商业模式，导致了数据科学家在Facebook能更好地产出更有意义的分析，更好地提升自己的影响力、以及进阶自己的职业。

那就来一探究竟吧！

这期视频介绍了五类人工智能的应用，从牛叉到傻叉。也详细解释了一下为什么他们的效果好和不好。

其实归根结底，还是要了解人工智能适合做什么，明白技术的原理。最后找到适宜的应用。那些傻叉应用，无一例外都是不懂装懂，或者揣着明白装糊涂的人，去借着人工智能的热度来做无用功罢了。

人工智能在媒体描绘下无所不能，但是现实里，发展了十几年的语音助手，只在开关等、查天气等有限场景下真的有用。

业界共识是，按照现有模式积累更多数据和场景，并不能让我们实现范式突破，从弱人工智能进化到强人工智能。

这期视频就把几个媒体炒作带来的普遍认知误区跟大家聊清楚，包括为什么图灵测试不顶用；对话机器人做不出来；人工智能的应用局限在哪里，又再哪里能创造价值，等等

数据科学里的鄙视链的最顶端是机器学习，但是数据科学家真的适合专精机器学习吗？

在我看来，机器学习里真的有革命性的深度学习，瓶颈和回报都在「工程」而不是「科学」。视频里从成因、现状、未来进行了总结，请配合之前上传的鸭哥深度学习科普视频一起食用。