京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据科学领域的20位杰出女性
很长一段时间,在科学、技术、工程和数学等领域工作的女性都不受重视和欢迎。比如Katherine Johnson和她的同事们,曾在NASA早期的太空计划中做出了卓越的贡献。但是直到两年前,电影《隐藏人物》出现之前,人们还没有听说过她们的名字。
如今STEM领域(STEM指科学Science、技术Technology、工程Engineering、数学Mathematics)仍然是由男性主导的世界,女性要想在该领域立足,每天都要付出巨大的努力。同时在该领域获得成功的女性和男性人数之间还存在巨大的差距。
但这个差距正在减小。Girls Who Code以及Technovation等举措正在改变这个现状。同时许多才华横溢的女性正在数据和技术领域创出自己的一片天地。
对于想进入该领域的女性来说,这些具有代表性的女性是她们的楷模。因为对于每个怀揣梦想的人来说,需要有人来激励他们是很重要的。得知有人经过类似的经历,并最终取得成功无疑是令人感到欣慰的。
因此在本文中列出了20位在人工智能、机器学习、数据科学和大数据方面表现出色的女性。
1. Silvia Chiappa
Google DeepMind的高级研究员。Silvia具有机器学习博士学位,研究方向是贝叶斯推理、图形模型、近似推理、时间序列模型、深度学习和强化学习。她共同撰写了多篇论文,同时也是《贝叶斯时间系列模型》的编辑之一。
2. Jana Eggers
AI公司Nara Logics的CEO。Jana拥有超过25年的从业和领导经验,她曾在美国航空公司、Lycos公司、因纽特公司创新实验室、洛斯阿拉莫斯国家实验室工作。她是演说家、作家、马拉松选手,以及AI领域和创业公司的导师。
3. Nikita Johnson
活动组织公司RE•WORK的的创始人。公司团队人员主要是女性,主要负责组织关于突破性技术、前沿科学和创业精神的活动。在国际发展和城市化背景下,Nikita创立了RE•WORK公司,旨在通过将创新技术与智慧创业结合起来应对全球挑战,塑造更美好的未来。
4. 李飞飞
计算机视觉领域的著名学者。计算机视觉是AI的一个分支,主要致力于教计算机识别图像中的物体。李飞飞是斯坦福大学人工智能实验室的主任,同时担任该大学计算机科学系的副教授。目前,她还担任Google Cloud的AI和机器学习的首席科学家。
5. 李佳
AI和机器学习领域的知名研究者,并且担任Google Cloud AI研发负责人以及Google AI中国中心的总裁。此前,她曾担任Snapchat的母公司Snap的研究主管。
6. Manuela M. Veloso
赫伯特·西蒙大学的教授,卡内基梅隆大学计算机科学学院的机器学习系主任。AI、机器人和机器学习方面的国际专家。她是机器人世界杯大赛协会的联合创始人以及前任总裁,同时在2014年前一直担任人工智能发展协会的主席。
7. Cynthia Breazeal
Jibo公司的创始人和首席科学家。Jibo公司是一家专门从事研发社交型机器人的公司,同时也是社交型机器人和人机交互领域的先驱。Cynthia的研究方向是研发个人机器人的原理、技术和技术。让机器人具有社交智能,并且可以以人为中心,与人进行交互和沟通。她曾担任麻省理工学院媒体艺术与科学系副教授,在那里她创立并指导了媒体实验室的个人机器人小组。
8. Daphne Koller
AI领域的权威科学家。她发起并引导在线教育平台Coursera,该平台向普通大众提供顶尖大学和组织的在线课程。她曾担任Calico Labs的首席计算主任。
9. Rana el Kaliouby
情感AI领域的先驱。作为创业公司Affectiva的联合创始人,她发明了情感识别技术,该公司利用人工智能技术将技术人性化。在创立Affectiva之前,Rana是麻省理工学院媒体实验室的研究科学家,她在那里率先应用人脸编码,用于心理健康、自闭症等研究领域。
10. Carol Reiley
企业家,机器人学家。Carol是AI自动驾驶汽车创业公司drive.ai的联合创始人及总裁。她是约翰霍普金斯大学的一名学术研究人员,此前还创立了Tinkerbelle实验室。她还出版了一本关于成长型思维模式的儿童书籍《Making a Splash》。
11. Karen Matthys
斯坦福大学计算与数学工程学院外部合作伙伴的执行主任,她与对计算数学、数据科学和可视化、机器学习和高性能计算感兴趣的公司和实验室建立了合作关系。自2001年以来,Karen一直担任营销和商业战略咨询公司Indigo Partners的主管。
12. JillDyché
从事业务与IT的结合方面的写作已有二十多年。她是SAS Best Practices的副总裁,负责数据治理、商业智能、主数据管理、CRM和大数据领域的客户战略和市场分析。她还发表了多本数据方面广受欢迎的书籍。
13. Megan Price
人权数据分析小组的执行主任,该组织通过统计分析的方法提供证据,制定决策。她具有生物统计学博士学位,为危地马拉、哥伦比亚和叙利亚等多个国家的项目提供人权数据统计分析策略和方法。
14. Neha Narkhede
Confluent的联合创始人以及工程主管。之前她是LinkedIn的工程师,同时是开源软件平台Apache Kafka的早期工程师。
15. Carlie Idoine
Gartner公司的商业分析和数据科学研究主管。她在商业分析和数据科学领域拥有超过25年的经验,她将商业和行业知识进行组合,将新技术和有效的业务解决方案结合在一起。
16. Claudia Imhoff
分析型CRM、商业智能和架构的国际知名专家。Claudia是Intelligent Solutions公司的创始人兼总裁,该公司是CRM、商业智能技术咨询公司。她还是Boulder BI Brain Trust的创始人,这是一个由独立顾问和分析师组成的联盟。
17. Judith Hurwitz
Hurwitz&Associates公司的总裁兼CEO,该公司专注于大数据、云计算、服务管理、软件开发、计算管理和安全。她被认为是预测技术创新和应用的先驱,并出版了8本书,其中包括《For Dummies》系列。
18. Jen Stirrup
著名商业智能和数据可视化专家,作者,数据战略家和社区倡导者。Jen最近成为微软的区域总监,同时也是SQL Server最有价值专家,PASS的理事长,以及Data Relish公司的创始人。
19. Jen Underwood
Impact Analytix公司的创始人,该公司是一家集成产品研究、咨询和技术营销的组织。她是一名分析行业专家,在开发数据仓库、报告、可视化和高级分析解决方案方面拥有超过20年的经验。
20. Joanna Schloss
戴尔卓越中心的专家。她擅长数据和信息管理,推动产品营销策略和战略,担任Datameer的产品营销总监。凭借多年的创业经验,Joanna已成功推出了众多产品,从以业务为中心的分析应用程序到数据仓库工具(例如Business Objects Data Services)。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
先回答:下半年能考的证书,大致分四类 2026年下半年仍有报名或考试安排的证书,主要集中在四个方向:财会金融类(如注册会计师 ...
2026-10-27毕业后该考什么证书,答案不是一张热门榜单,而是一个顺序问题:先确定你要投的岗位方向,再判断哪些证书现在就能报、哪些要等工 ...
2026-10-2734岁考证,和二十多岁刚毕业时不是同一道题。这个年龄找工作,招聘方通常已经默认你有十年上下的工作积累,会拿“经验能不能直接 ...
2026-10-27咨询岗位最该优先掌握的不是某个工具,而是四类能串起项目全流程的能力:问题定义与结构化拆解、指标与对比分析、数据获取与清洗 ...
2026-10-27多数咨询岗位需要一定程度的数据分析能力,但“需要”不等于“必须会写代码或建模型”。咨询顾问至少要能看懂客户给的数据、把业 ...
2026-10-27咨询岗位的分析能力,不是“会套框架”或“PPT写得漂亮”,而是一条从问题到结论的能力链:问题拆解—假设验证—信息获取—数据 ...
2026-10-27需要,而且它不是“加分项”,是日常工作的基本工具。直播运营每天要面对选品排期、流量承接、转化复盘和投流决策,这些任务的结 ...
2026-10-27证券分析师的培训需求,最好从“最终要交什么”往回推。日常输出大致四类:行业跟踪报告、财报拆解与盈利预测、估值模型、路演与 ...
2026-10-27先给答案:一张四层知识地图 如果只用一句话回答“证券分析师最重要的知识是什么”,答案是:以财务分析和估值建模为硬核,以行 ...
2026-10-27市场策划不是“会写文案、能办活动”这么简单。招聘方真正考察的,是你能否围绕一个业务目标,完成从调研、人群判断、创意主题、 ...
2026-10-27市场运营想靠学习推动职业发展,容易掉进两个坑:一是把课程清单当能力清单,学完不知道用在哪;二是只补营销方法,遇到渠道效果 ...
2026-10-27产品运营做久了,很容易陷入一种忙碌:活动一场接一场,功能推了一版又一版,日报周报天天写,但说不清自己到底积累了什么。想提 ...
2026-10-27运营岗的“快速提升”,不是把Excel、SQL、Python挨个学一遍,而是先补上能立刻改变工作产出的能力。判断标准很直接:同样一场活 ...
2026-10-27优秀市场专员的能力不是单点技能堆出来的,而是“用户洞察—内容与活动策划—渠道获客—数据复盘”四块形成闭环。想快速上手,正 ...
2026-10-27运营专员的“通用知识”,不是一份越长越好的工具清单,而是能支撑日常任务判断的一套底盘。不同细分方向差异很大:用户运营更关 ...
2026-10-27运营专员最常见的困境不是不忙,而是忙完之后说不清效果:活动做了、内容发了、社群拉了人,汇报时却只有“曝光多少、入群多少” ...
2026-10-27运营经理提升职业知识,靠的不是多报几门课,而是先有一张自己的“知识地图”,再按当前岗位最卡壳的环节排顺序。比较实用的做法 ...
2026-10-27运营岗位的能力素质提升,核心不是把工具学一遍,而是围绕“目标拆解—用户洞察—执行落地—数据复盘”四层能力逐层补齐。工具是 ...
2026-10-27运营岗位的能力提升,最容易走成两条弯路:一是把“提升”等同于学工具,Excel、SQL、Python挨个报班,回到工作里还是凭经验拍脑 ...
2026-10-27运营岗最容易陷入的学习误区,是把“提升”等同于收藏平台玩法、追热点模板、背活动话术。这些内容有用,但迁移性差:换个行业、 ...
2026-10-27