Die ultimative Liste von Data Science Podcasts

Data Skeptic ist einer der bekanntesten Data Science-Podcasts. Diese wöchentliche Show befasst sich mit Themen aus den Bereichen Datenwissenschaft, Statistik, maschinelles Lernen und künstliche Intelligenz.

Die Show wird von Kyle Polich moderiert und bietet über 200 Folgen, in die die Hörer eintauchen können. Vor kurzem hat die Show eine Reihe thematischer Episoden veröffentlicht, die sich um ein größeres Thema in der datenwissenschaftlichen Welt drehen, wie beispielsweise gefälschte Nachrichten.

Die Episoden wechseln zwischen Interviews mit Branchenfachleuten und Minisoden, in denen hochrangige datenwissenschaftliche Konzepte erläutert werden.

Die Minisoden werden von Linh Da Tran gemeinsam gehostet, der mit Kyle über datenwissenschaftliche Themen wie die Verarbeitung natürlicher Sprache und das K-Means-Clustering spricht. Die Zuhörer erhalten ein besseres Verständnis des Themas, wenn die Gastgeber darüber sprechen.

Katie Malone und Ben Jaffe moderieren Linear Digressions, einen wöchentlichen Podcast, der die jüngsten Entwicklungen in den Bereichen Datenwissenschaft, maschinelles Lernen und künstliche Intelligenz untersucht. Die Moderatoren sind gute Freunde, und ihre Beziehung macht jede Episode sehr zugänglich und leicht verständlich.

Zum jetzigen Zeitpunkt gibt es über 100 Folgen, in die die Hörer eintauchen können. Jede Episode dauert ungefähr eine halbe Stunde, so dass es ein Kinderspiel ist, ein schnelles Verständnis für das jeweilige Thema zu erlangen.

Katie und Ben machen einen großartigen Job darin, ein komplexes technisches Thema bis auf die Grundlagen zu destillieren. In nur wenigen Minuten entmystifizieren sie neuronale Netze, Autoencoder, die Fourier-Transformation und vieles mehr.

Die frühere öffentlich-rechtliche Radioproduzentin Katherine Gorman ist der Ansicht, dass die Fortsetzung des öffentlichen Gesprächs über Datenwissenschaft, KI und maschinelles Lernen unbedingt erforderlich ist, um einen weiteren KI-Winter zu verhindern.

Sie glaubt, dass datenwissenschaftliche Podcasts ein großartiger Ort für diese Diskussion sind. Zu diesem Zweck veranstaltet sie zusammen mit Professor Neil Lawrence Talking Machines.

Der Podcast zielt darauf ab, maschinelles Lernen einem breiten Publikum vorzustellen und Branchenfachleuten, Geschäftsführern und interessierten Laien zu helfen, diese Tools und Technologien besser zu verstehen.

Die Episoden folgen im Allgemeinen einem einfachen Format: Die Moderatoren unterhalten sich über Branchennachrichten, interviewen einen Gast und beantworten am Ende möglicherweise eine Hörerfrage. Episoden werden in Staffeln veröffentlicht und sind nach etwa 40 Minuten eher länger.

Hier bietet sich die Geschichte von Katherine als Radiomoderatorin an: Sie hält die Show ansprechend und informativ und arbeitet hart daran, dass sie ein genaues Bild der Branche des maschinellen Lernens liefert.

Ben Lorica ist der Chief Data Scientist bei O’Reilly Media. In jeder Folge wird er von einem Branchenprofi begleitet, um Themen in Big Data und Data Science zu diskutieren. Die Folgen dauern zwischen 30 und 40 Minuten und sind sehr gut zugänglich.

Zu Beginn jeder Episode bewirbt der Moderator eine Veranstaltungsreihe, an der die Hörer teilnehmen können, um mehr über die im Podcast behandelten Themen zu erfahren. Die im Intro erwähnten sind die Strata Data Conference und die Artificial Intelligence Conference, aber Sie können mehr von den O’Reilly-Konferenzen zutheir event page finden.

Roger Peng (von der Johns Hopkins Bloomberg School of Public Health) und Hilary Parker (von Stitch Fix) moderieren diesen Podcast gemeinsam. Sie diskutieren Branchennachrichten sowie ihre persönlichen Erfahrungen mit Daten.

Episoden werden zwei- oder dreimal im Monat ausgestrahlt und können auf der längeren Seite laufen. Die meisten Episoden dauern mindestens 60 Minuten, einige dauern fast anderthalb Stunden. Diese eignen sich hervorragend, wenn Sie lange pendeln oder einen Abend zu Hause mit Hausarbeiten verbringen, damit Sie wirklich in die Diskussion einsteigen können!

Dieser Podcast zudata visualization konzentriert sich auf eine sehr spezifische Teilmenge der Datenanalyse-Pipeline - ein seltenes Juwel unter datenwissenschaftlichen Podcasts. Die Datenspezialisten Enrico Bertini und Moritz Stefaner setzen sich alle zwei Wochen mit einem Gast zusammen, um die Datenanalyse und -visualisierung zu besprechen.

Die Show hat einen ziemlich gesprächigen Ton. Die Gastgeber tauschen sich gegenseitig aus, stellen ihren Gästen großartige Fragen und halten das Gespräch im Allgemeinen im Fluss. Mit einer Laufzeit von rund 40 Minuten können sich die Zuhörer darauf einstellen, wie wir unsere Daten besser visualisieren können und welche Rolle Daten in unserem täglichen Leben spielen.

Kirill Eremenko ist Data Science Coach und Lifestyle-Unternehmer und bringt seine Erfahrung als Influencer in den SuperDataScience-Podcast ein. In seinen Interview-Episoden spricht er mit Datenwissenschaftlern und Datenanalysten, um mehr über ihre Karrierewege und ihre Erfolge in der Datenbranche zu erfahren.

Der Moderator interviewt nicht nur Branchenexperten, sondern sendet auch Minisoden, die rein inspirierend sind! Diese Minisoden,Five Minute Friday genannt, sollen Hörer dazu inspirieren, sich als Datenwissenschaftler zu verbessern, und Ratschläge geben, wie sie ihre Karriere als Datenwissenschaftler vorantreiben können. Dies ist definitiv einer der motivierendsten Data Science-Podcasts überhaupt!

Francesco Gadaleta möchte das maschinelle Lernen für alle einfach machen. In diesem Podcast wechselt er zwischen Interview-Episoden mit Branchenexperten und Solo-Episoden, in denen er ein Thema selbst diskutiert.

Die Show scheint nicht nach einem festen Zeitplan zu sein, und die Episodenlänge variiert ebenfalls, aber im Allgemeinen laufen die Interview-Episoden näher an einer Stunde, während seine Solo-Episoden ungefähr zwanzig Minuten dauern.

Der Gastgeber ist ziemlich eigensinnig, daher kann es interessant sein, seine Sicht auf Themen wie KI-Winter, Optimierung und die Mindestanforderungen zu hören, die Sie benötigen, um Datenwissenschaftler zu werden.

TWiML & AI ist ein wöchentlicher Podcast, der die neuesten Entwicklungen in den Bereichen Datenwissenschaft, maschinelles Lernen und künstliche Intelligenz diskutiert. Der Gastgeber Sam Charrington interviewt führende Forscher und Branchenexperten, um eine wachsende Gemeinschaft von Akademikern, Ingenieuren, Geschäftsführern und anderen Enthusiasten des maschinellen Lernens und der KI zu informieren.

Die Show richtet sich an ein sehr zielgerichtetes Publikum und kann manchmal ziemlich technisch sein. Hörer, die keine Branchenprofis sind, müssen möglicherweise das Hintergrundwissen auffrischen, um das Beste aus jeder Episode herauszuholen.

Es gibt über zweihundert Stunden lange Episoden zum Anhören. Da der Podcast die jüngsten Entwicklungen in diesem technischen Bereich beschreibt, können Sie direkt in die neueste Episode springen oder in die Archive zurückkehren und sich über einige historische Entwicklungen im Bereich maschinelles Lernen und KI informieren.

Der Datenwissenschaftler, Autor und Pädagoge Hugo Bowne-Anderson moderiert diesen von DataCamp gesponserten Podcast.

Jede Woche setzt sich der Gastgeber mit Branchenfachleuten und akademischen Experten zusammen, um zu diskutieren, wie sich die Data Science-Branche auf die Welt auswirkt. Der Gastgeber stellt tolle Fragen und lädt Gäste ein, die interessante Entwicklungen auf dem Gebiet sowie ihre eigenen persönlichen Projekte diskutieren.

DataFramed hat auch kurze Segmente, die über die Episoden verteilt sind und dem Hörer mehr Informationen zu bestimmten Themen geben. Zum Beispiel sprechen Hugo und Susan Sun inFreelance Data Science darüber, wie sie als unabhängiger Auftragnehmer im Bereich der Datenwissenschaft navigieren können. Justin Boyce gibt praktische Ratschläge zur Verbesserung des Workflows inData Science Best Practices.

Da es von DataCamp gesponsert wird, werden die Produkte häufig angeboten, sodass es sich manchmal etwas umsatzstark anfühlt. Trotzdem ist die Show interessant und informativ, und Hugo zeichnet den Hörer hervorragend aus.

Dr. Richard Golden, Professor für Kognitionswissenschaft und Elektrotechnik, ist Gastgeber von Learning Machines 101. Der Podcast zielt darauf ab, einem breiten Publikum fortgeschrittene Konzepte des maschinellen Lernens und der künstlichen Intelligenz zu erklären.

Dennoch können die Episoden ziemlich technisch werden und Themen wie Wissensrepräsentation, Erwartungsmaximierung und spektrale Clusterbildung abdecken.

Zuhörer müssen möglicherweise mehr als einmal zuhören, um das vorliegende Thema wirklich zu verstehen. Dies sollte nicht zu schwierig sein, da die Folgen nicht länger als eine halbe Stunde dauern und nicht zu oft veröffentlicht werden. (Seit April 2014 wurden nur 74 Folgen veröffentlicht.)

Hörer können diesen Podcast als Ausgangspunkt für fortgeschrittenere Themen des maschinellen Lernens verwenden.

Dieser wöchentliche Podcast konzentriert sich auf die praktischen Anwendungen künstlicher Intelligenz in Geschäftsumgebungen. Die Folgen sind kurz, aufschlussreich und leicht zu verstehen. Innerhalb einer halben Stunde interviewt Gastgeber Dan Faggella KI-Fachleute, um zu sehen, wie die Technologie in Branchen von Finanzen und Regierung bis hin zu Einzelhandel und Bildung eingesetzt wird.

Gemeinsam beantworten Dan und seine Gäste Fragen wie "Wie können Sie KI verwenden, um Mitarbeiter einzustellen?" und "Wann sollten Sie Ihre KI-Hardware aktualisieren?" Sie berühren jedes Thema gerade lange genug, um das Interesse des Hörers zu wecken und ihn zu ermutigen, später selbst tiefer zu tauchen.

Wenn Sie gerne in die Bar gehen und mit anderen Datenwissenschaftlern über Branchennachrichten chatten, dann ist dies einer der besten Data Science-Podcasts für Sie! Jonathan Morgan, Vidya Spandana und Chris Albon treffen sich, um ein paar Drinks zu trinken und über die neuesten Daten zu diskutieren.

Die Episoden können zwischen 20 Minuten und einer Stunde dauern, dauern jedoch in der Regel etwa 30 bis 40 Minuten. Während die Show nicht mehr läuft, befinden sich über hundert Folgen im Archiv.

Zuhörer können in den Rückstand eintauchen und sich über Daten-Scraping, Bias-Modelle und Paarprogrammierung in Python informieren sowie einige der Trendnachrichten der vergangenen Jahre lesen.

Diese datenwissenschaftlichen Podcasts werden beide von Tyler Renelli betrieben und haben jeweils einen etwas anderen Ansatz für maschinelles Lernen und KI.

Der Machine Learning Guide (MLG) zielt darauf ab, die Zuhörer sanft in die Welt des maschinellen Lernens einzuführen, indem Themen von Grund auf erklärt werden, von den klassischen Algorithmen (lineare und logistische Regression) bis hin zu verstärktem Lernen und Hyperparametern.

Die Episoden dauern zwischen 45 Minuten und einer Stunde, aber es ist leicht, sich in Tylers Erklärungen zu vertiefen. Es ist der perfekte Podcast, um andere Aktivitäten wie Pendeln, Trainieren oder Aufräumen im Haus zu ergänzen.

Einer der besten Teile dieses Podcasts sind die kuratierten Lernressourcen, die der Moderator am Ende jeder Episode bereitstellt. Nachdem Sie sich eine Übersicht mit hohem Hebel angehört haben, können Sie tiefer in das Thema eintauchen, indem Sie einen empfohlenen Kurs belegen oder ein vorgeschlagenes Lehrbuch lesen.

Seine Episode zu Sprachen und Frameworks enthält einen Link zu einer Einführung in Python Deep Learning Frameworks. Wenn Sie die Episoden in der Reihenfolge von Anfang bis Ende verfolgen und die zusätzlichen Ressourcen vervollständigen, verfügen Sie über eine recht detaillierte Grundlage für maschinelles Lernen.

Zum jetzigen Zeitpunkt hat MLG 29 Folgen in voller Länge absolviert.

Derzeit wird ein zweiter Podcast namens Machine Learning Applied ausgestrahlt, in dem Tyler sich auf die praktischeren Aspekte des maschinellen Lernens konzentriert. Er beantwortet Fragen wie die Art des Gehalts, die man erwarten kann, die beste Art, Daten zu speichern und wie man Jupyter-Notizbücher optimal nutzt. Zuhörer können aufbecoming a supporter on Patroen auf maschinelles Lernen zugreifen.

Dieser Podcast macht genau das, was sein Titel sagt. Die Moderatorin, Renee Teate, setzt sich jede Woche mit jemandem zusammen, der auf dem Weg ist, „Datenwissenschaftler zu werden“.

Sie interviewt andere Data Science-Experten, um genau zu sehen, wie sie sich einen Weg in die Branche bahnen konnten. In der allerersten Folge spricht Renee über ihren eigenen Weg zur Datenwissenschaftlerin, als sie von ihrer vorherigen Rolle als Datenanalystin übergeht.

Zum jetzigen Zeitpunkt ist der Podcast derzeit nicht aktiv. Die letzten Folgen kamen Anfang 2017 heraus. Dennoch ist in den zwanzig Stunden langen Folgen, die ausgestrahlt wurden, eine Fülle von Informationen enthalten.

Wenn Sie gerade erst Ihren Ausflug in die Welt der Datenwissenschaft beginnen, nehmen Sie sich ein Wochenende Zeit, um das Archiv zu durchsuchen und zu sehen, wo die Möglichkeiten liegen!