Eugene Yan
PulseAugur coverage of Eugene Yan — every cluster mentioning Eugene Yan across labs, papers, and developer communities, ranked by signal.
-
Eugene Yan 在产品开发中区分高级意图与低级需求
Eugene Yan 的文章在项目执行中区分了高级意图和低级需求。高级意图侧重于“为什么”和“什么”，具有广阔的视角，类似于理解森林。低级需求详细说明了“如何”，指定具体的技术和功能方面，很像检查单棵树。沟通意图还是需求的决定取决于执行者的经验、情况的不确定性以及项目的阶段。
-
数据科学家被敦促优先考虑业务目标而非模型训练
Eugene Yan 的文章为数据科学家提供了有效启动项目的指导，强调优先考虑业务目标和背景，而不是立即进行模型训练。他强调理解项目意图、定义成功指标以及收集全面的背景信息以适当确定解决方案的范围。建议还包括及早考虑生产需求和限制，以避免昂贵的返工并确保可行性。
-
Eugene Yan 提出数据团队愿景和路线图创建指南
数据领导力作家 Eugene Yan 回应了一位名叫 E 的读者关于为新数据团队建立愿景和路线图的指导请求。Yan 建议了一个流程，包括利益相关者访谈以识别关键问题，然后进行成本效益分析以确定解决方案的优先级。他建议使用“为什么、是什么、怎么做”框架将这些优先问题记录在一页纸上，以获得利益相关者的支持并将它们整合到团队的路线图中。
-
Data pros: Avoid teams lacking infra, clear roadmaps, and defined roles
Eugene Yan's article highlights critical red flags for individuals seeking roles in data science teams. Key concerns include the absence of robust data infrastructure, a poorly defined roadmap for delivering business va…
-
Eugene Yan shares strategies for continuous machine learning education
Eugene Yan's essay offers practical advice for staying current in the rapidly evolving field of machine learning. He suggests actively experimenting with new tools and techniques in projects, sharing learnings with coll…
-
Eugene Yan 推出 ApplyingML.com，以弥合实践机器学习知识的鸿沟
Eugene Yan 推出了 ApplyingML.com，该平台致力于弥合机器学习理论知识与其在工作场所的实际应用之间的差距。该网站旨在收集和分享“幽灵知识”——即传统课程和教科书中常常缺失的默会、实践专业知识。通过精选的论文、博客、指南和与机器学习从业者的访谈，ApplyingML.com 致力于让组织和个人更轻松地成功实施机器学习。
-
Eugene Yan 分享了写给有抱负的创作者的 5 个在线写作经验教训
Eugene Yan 分享了他从在线写作经验中获得的五个关键教训，强调专业知识存在一个谱系，即使那些不认为自己是专家的人分享知识也能从中受益。他建议专注于作者真正感兴趣的话题，因为这种热情会转化为更具吸引力的内容。Yan 还强调了为特定受众写作的力量，并指出这种专注的方法随着时间的推移可以带来更广泛的影响和有意义的联系。最终，他提倡通过持续写作来理清思路、建立人脉并促进长期的职业发展。
-
Eugene Yan shares insights on writing about machine learning and data science
Eugene Yan, an applied scientist at Amazon, is recognized for his ability to explain complex machine learning and data science concepts through his personal blog. Initially starting his website for personal development,…
-
Eugene Yan explains how to bootstrap labels for search relevance
Eugene Yan's blog post addresses a reader's question about bootstrapping labels for semantic search systems without relying on expensive human annotators. Yan suggests starting with traditional lexical search methods li…
-
Eugene Yan 分享推荐系统和搜索的系统设计讲座
Eugene Yan 最近在 MLOps 社区和 SF Big Analytics 的两次独立聚会上就推荐系统和搜索的系统设计进行了演讲。这两场演讲分别于 2021 年 9 月和 2021 年 7 月举行，涵盖了构建和部署此类系统的关键方面。Yan 的演讲有录音和幻灯片可供观看，并提供了学术引用的来源。
-
Data scientists can influence without authority using data and Socratic questioning
Eugene Yan's article offers strategies for data scientists to influence decisions without formal authority, emphasizing the use of data and the Socratic method. He suggests leveraging quantitative and qualitative data t…
-
Eugene Yan 探讨用于搜索查询匹配的词汇、图和嵌入方法
Eugene Yan 的文章探讨了三种主要的搜索查询与文档匹配方法：词汇、图和基于嵌入的方法。词汇方法涉及直接的查询字符串操作，如规范化、拼写检查和扩展/放宽。基于图的技术利用知识图谱来深入理解和扩展查询。基于嵌入的方法利用学习到的表示来实现类似的目标。该帖子详细介绍了预处理步骤、查询扩展策略以及这些技术如何在 DoorDash 等实际系统中应用。
-
Author shares strategies for overcoming imposter syndrome despite achievements
Susan Shu shares her personal experiences with imposter syndrome, a feeling of inadequacy despite achievements. She recounts struggling with self-doubt during her master's program at the University of Toronto and after …
-
Eugene Yan shares strategies for managing chronic imposter syndrome
Eugene Yan discusses the persistent feeling of imposter syndrome, even among highly accomplished individuals. He shares personal anecdotes from his career, highlighting how a lack of traditional credentials led to feeli…
-
Planning Your Career: Values and Superpowers
Eugene Yan's article discusses how understanding personal values and identifying "superpowers" can guide career development. He emphasizes the importance of self-reflection to discern what truly matters, distinguishing …
-
Eugene Yan 在 TalkPython 播客上分享从机器学习中获得的关于生活的经验教训
Eugene Yan 在 Talk Python to Me 播客上分享了从机器学习概念中获得的关于生活的经验教训。他将机器学习原理与个人发展进行了类比，例如使用数据清洗来比喻评估信息摄入。Yan 还讨论了诸如探索-利用策略以获得长期回报和通过书籍及论文进行迁移学习等概念。
-
Eugene Yan shares seven habits, including reading, that shaped his decade
Eugene Yan's recent blog post outlines seven habits that have significantly influenced his past decade, emphasizing the power of consistent practice. He draws an analogy between books and pre-trained machine learning mo…
-
Eugene Yan 详述如何为机器学习系统编写设计文档
Eugene Yan 的文章概述了为机器学习系统创建设计文档的结构化方法，强调了它们在理清思路和促进反馈方面的作用。作者建议使用“为什么、是什么、怎么做”的框架来指导文档内容，涵盖问题动机、成功标准和系统需求。Yan 还详细介绍了分两步进行的审查流程，以确保彻底评估并减轻后期设计缺陷相关的风险。
-
Eugene Yan 分享撰写有效数据科学设计文档的框架
Eugene Yan 的文章概述了一个有效的技术写作框架，特别适用于数据科学和机器学习项目。他强调了详细文档的重要性，并将其与亚马逊严谨的写作文化进行了类比。Yan 介绍了三种类型的文档：用于利益相关者对齐的单页文档、用于同行评审的设计文档以及用于反思和学习的复盘报告。他的方法核心是“为什么-是什么-怎么做”框架，该框架通过首先确立重要性和背景（为什么）、然后详细说明拟议解决方案（是什么）、最后概述实施计划（怎么做）来构建文档。
-
特征存储：需求层次理论
Eugene Yan 的文章探讨了机器学习中特征存储的概念，并将其与马斯洛需求层次理论进行了类比。作者认为，管理特征是部署 ML 模型的一个重大瓶颈。Yan 将特征存储的需求分为层次结构，从数据访问和可重用性等基本需求开始，逐步发展到实时提供特征、确保数据完整性，最终达到便利性和自动化等更高级别的需求。