La liste ultime des podcasts de science des données

Data Skeptic est l'un des podcasts de science des données les plus connus. Cette émission hebdomadaire explore des sujets en science des données, statistiques, apprentissage automatique et intelligence artificielle.

Animée par Kyle Polich, la série va bon train avec plus de 200 épisodes pour les auditeurs. Récemment, l'émission a publié une série d'épisodes thématiques qui tournent autour d'un sujet plus vaste dans le monde de la science des données, comme les fausses nouvelles.

Les épisodes alternent entre des entretiens avec des professionnels de l'industrie et des minisodes qui expliquent des concepts de haut niveau de la science des données.

Les minisodes sont co-hébergés par Linh Da Tran, qui discute avec Kyle de sujets de science des données, comme le traitement du langage naturel et le clustering k-means. Les auditeurs acquièrent une meilleure compréhension du sujet à mesure que les animateurs en parlent.

Katie Malone et Ben Jaffe hébergent Linear Digressions, un podcast hebdomadaire qui explore les récents développements en science des données, en apprentissage automatique et en intelligence artificielle. Les hôtes sont de bons amis et leur rapport rend chaque épisode très accessible et facile à comprendre.

À ce jour, il y a plus de 100 épisodes dans lesquels les auditeurs peuvent plonger. Chaque épisode se déroule à environ une demi-heure, ce qui en fait un jeu d'enfant pour acquérir une compréhension rapide du sujet en cours.

Katie et Ben font un excellent travail pour distiller un sujet technique complexe jusqu'à ses fondamentaux. En quelques minutes à peine, ils démystifient les réseaux de neurones, les auto-encodeurs, la transformée de Fourier, etc.

L'ancienne productrice de radio publique Katherine Gorman estime que la poursuite de la conversation publique sur la science des données, l'IA et l'apprentissage automatique est absolument essentielle pour éviter un autre hiver de l'IA.

Elle estime que les podcasts de science des données sont un excellent lieu pour cette discussion. À cette fin, elle accueille Talking Machines avec le professeur Neil Lawrence.

Le podcast vise à présenter l'apprentissage automatique à un large public et à aider les professionnels de l'industrie, les chefs d'entreprise et les profanes intéressés à mieux comprendre ces outils et technologies.

Les épisodes suivent généralement un format simple: les hôtes discutent des nouvelles de l'industrie, interviewent un invité et peuvent finalement répondre à une question de l'auditeur. Les épisodes sont diffusés au fil des saisons et ont tendance à être plus longs à environ 40 minutes.

C’est là que l’histoire de Katherine en tant qu’animatrice de radio est utile: elle maintient l’émission engageante et informative, et travaille dur pour s’assurer qu’elle présente une image précise de l’industrie du machine learning.

Ben Lorica est responsable des données chez O’Reilly Media. Dans chaque épisode, il est accompagné d'un professionnel de l'industrie pour discuter de sujets liés au big data et à la science des données. Les épisodes durent de 30 à 40 minutes et sont très accessibles à écouter.

Au début de chaque épisode, l'animateur fait la promotion d'une série d'événements auxquels les auditeurs peuvent assister pour en savoir plus sur les sujets traités dans le podcast. Celles mentionnées dans l’introduction sont la Strata Data Conference et la Artificial Intelligence Conference, mais vous pouvez trouver plus de conférences O’Reilly surtheir event page.

Roger Peng (de l'école de santé publique Johns Hopkins Bloomberg) et Hilary Parker (de Stitch Fix) co-organisent ce podcast. Ils discutent des nouvelles de l'industrie ainsi que de leurs expériences personnelles de travail avec les données.

Les épisodes sont diffusés deux ou trois fois par mois et peuvent se dérouler du côté le plus long. La plupart des épisodes durent au moins 60 minutes et certains pointent à près d'une heure et demie. Ils sont parfaits pour les longs trajets ou pour passer une soirée à la maison à faire des corvées, vous pouvez donc vraiment vous lancer dans la discussion!

Ce podcast surdata visualization se concentre sur un sous-ensemble très spécifique du pipeline d'analyse de données - un joyau rare parmi les podcasts de science des données. Les spécialistes des données visuelles Enrico Bertini et Moritz Stefaner s'entretiennent avec un invité toutes les deux semaines pour discuter de l'analyse et de la visualisation des données.

Le spectacle a un ton assez conversationnel. Les hôtes font rebondir leurs idées les uns sur les autres, posent de grandes questions à leurs invités et maintiennent généralement la conversation. Avec environ 40 minutes d'autonomie, les auditeurs peuvent s'installer pour vraiment découvrir comment nous pouvons mieux visualiser nos données, ainsi que le rôle que les données jouent dans notre vie quotidienne.

Kirill Eremenko est un coach en science des données et un entrepreneur de style de vie, et il apporte son expérience en tant qu'influenceur au podcast SuperDataScience. Dans ses épisodes d'entrevue, il discute avec des scientifiques et des analystes de données pour en savoir plus sur leurs cheminements de carrière et comment ils ont réussi à réussir dans l'industrie des données.

En plus d'interviewer des experts de l'industrie, l'animateur diffuse des minisodes purement inspirants! AppelésFive Minute Friday, ces minisodes visent à inciter les auditeurs à s'améliorer en tant que data scientists et à offrir des conseils sur la manière de progresser dans une carrière en science des données. C'est certainement l'un des podcasts de science des données les plus motivants!

Francesco Gadaleta veut faciliter l'apprentissage automatique pour tout le monde. Dans ce podcast, il alterne entre des épisodes d'entrevues avec des experts de l'industrie et des épisodes solo où il discute d'un sujet seul.

L'émission ne semble pas avoir un horaire fixe, et la durée de l'épisode varie également, mais en général, les épisodes d'interview durent plus d'une heure, tandis que ses épisodes en solo se produisent à environ vingt minutes.

L'hôte est assez opiniâtre, il peut donc être intéressant d'entendre son point de vue sur des sujets tels que l'hiver IA, l'optimisation et les exigences minimales dont vous avez besoin pour devenir un scientifique des données.

TWiML & AI est un podcast hebdomadaire qui discute des derniers développements en science des données, en apprentissage automatique et en intelligence artificielle. L'hôte Sam Charrington interviewe d'éminents chercheurs et experts de l'industrie pour informer une communauté croissante d'universitaires, d'ingénieurs, de chefs d'entreprise et d'autres passionnés d'apprentissage automatique et d'intelligence artificielle.

L'émission s'adresse à un public très ciblé et peut être assez technique parfois. Les auditeurs qui ne sont pas des professionnels de l'industrie peuvent avoir besoin de parfaire leurs connaissances de base afin de tirer le meilleur parti de chaque épisode.

Il y a plus de deux cents épisodes d'une heure à écouter. Parce que le podcast discute des développements récents dans cet espace technologique, vous pouvez passer directement au dernier épisode, ou retourner dans les archives et vérifier certains développements historiques de l'apprentissage automatique et de l'IA.

Hugo Bowne-Anderson, scientifique des données, écrivain et éducateur, héberge ce podcast parrainé par DataCamp.

Chaque semaine, l'hôte s'assoit avec des professionnels de l'industrie et des experts universitaires pour discuter de l'impact de l'industrie de la science des données sur le monde. L'hôte pose de grandes questions et invite des invités qui discutent des développements intéressants dans le domaine ainsi que de leurs propres projets personnels.

DataFramed a également de courts segments espacés tout au long des épisodes qui donnent à l'auditeur plus d'informations sur certains sujets. Par exemple, dansFreelance Data Science, Hugo et Susan Sun expliquent comment naviguer dans l'espace de la science des données en tant qu'entrepreneur indépendant. Justin Boyce donne des conseils pratiques sur l'amélioration du flux de travail enData Science Best Practices.

Parce qu'il est sponsorisé par DataCamp, leurs produits sont souvent présentés, donc cela peut parfois sembler un peu sale. Pourtant, le spectacle est intéressant et informatif, et Hugo fait un excellent travail de dessin dans l'auditeur.

Dr. Richard Golden, professeur de sciences cognitives et de génie électrique, anime Learning Machines 101. Le podcast vise à expliquer les concepts avancés de l'apprentissage automatique et de l'intelligence artificielle à un large public.

Pourtant, les épisodes peuvent devenir assez techniques, couvrant des sujets tels que la représentation des connaissances, la maximisation des attentes et le regroupement spectral.

Les auditeurs peuvent avoir besoin d'écouter plus d'une fois pour vraiment saisir le sujet en question. Cela ne devrait pas être trop difficile, car les épisodes ne durent pas plus d'une demi-heure et ne sont pas diffusés trop souvent. (Seuls 74 épisodes ont été diffusés depuis avril 2014.)

Les auditeurs peuvent utiliser ce podcast comme point de départ vers des sujets d'apprentissage automatique plus avancés.

Ce podcast hebdomadaire se concentre sur les applications pratiques de l'intelligence artificielle dans les milieux d'affaires. Les épisodes sont courts, perspicaces et faciles à comprendre. Dans une demi-heure, l'animateur Dan Faggella interviewe des professionnels de l'IA pour voir comment la technologie est utilisée dans des secteurs allant de la finance et du gouvernement au commerce de détail et à l'éducation.

Ensemble, Dan et ses invités répondent à des questions telles que "Comment pouvez-vous utiliser l'IA pour embaucher des employés?" et "Quand devriez-vous mettre à niveau votre matériel AI?" Ils abordent chaque sujet juste assez longtemps pour susciter l'intérêt de l'auditeur et les encourager à plonger plus profondément par eux-mêmes plus tard.

Si vous aimez vous rendre au bar et discuter des nouvelles de l'industrie avec vos collègues scientifiques des données, alors c'est l'un des meilleurs podcasts de science des données pour vous! Jonathan Morgan, Vidya Spandana et Chris Albon se réunissent pour boire un verre et discuter des dernières avancées en science des données.

Les épisodes peuvent durer de 20 minutes à une heure, mais durent généralement entre 30 et 40 minutes. Bien que l'émission ne soit plus diffusée, il y a plus d'une centaine d'épisodes dans les archives.

Les auditeurs peuvent plonger dans l'arriéré et en apprendre davantage sur le grattage des données, les modèles de biais et la programmation par paires en Python, ainsi que passer en revue certaines des nouvelles les plus récentes des années passées.

Ces podcasts de science des données sont tous deux gérés par Tyler Renelli, et chacun a une approche légèrement différente de l'apprentissage automatique et de l'IA.

Le Machine Learning Guide (MLG) vise à introduire doucement les auditeurs dans le monde de l'apprentissage automatique en expliquant des sujets de fond en comble, des algorithmes classiques (régression linéaire et logistique) à l'apprentissage par renforcement et aux hyperparamètres.

Les épisodes durent de 45 minutes à une heure, mais il est facile de s'imprégner des explications de Tyler. C'est le podcast parfait pour compléter d'autres activités, comme les déplacements domicile-travail, l'exercice ou le ménage dans la maison.

L'une des meilleures parties de ce podcast est les ressources d'apprentissage organisées que l'hôte fournit à la fin de chaque épisode. Après avoir écouté un aperçu de haut niveau, vous pouvez approfondir le sujet en suivant un cours recommandé ou en lisant un manuel suggéré.

Son épisode sur les langages et les frameworks comprend un lien vers une introduction aux frameworks d'apprentissage profond Python. Si vous suivez les épisodes dans l'ordre du début à la fin et que vous complétez les ressources supplémentaires, vous aurez une base assez détaillée en apprentissage automatique.

Au moment d'écrire ces lignes, MLG a suivi son cours en 29 épisodes complets.

Un deuxième podcast intitulé Machine Learning Applied est actuellement diffusé, où Tyler se concentre sur les aspects les plus pratiques de l'apprentissage automatique. Il répond à des questions telles que le type de salaire auquel on peut s'attendre, la meilleure façon de stocker des données et comment tirer le meilleur parti des cahiers Jupyter. Les auditeurs peuvent accéder à l'apprentissage automatique appliqué parbecoming a supporter on Patroen.

Ce podcast fait exactement ce que dit son titre. L'hôte, Renee Teate, s'assoit chaque semaine avec quelqu'un qui est sur le point de «devenir un scientifique des données».

Elle interviewe d'autres professionnels de la science des données pour voir exactement comment ils ont pu se frayer un chemin dans l'industrie. Dans le tout premier épisode, Renee parle de son propre parcours pour devenir scientifique des données alors qu'elle quitte son ancien rôle d'analyste de données.

Au moment de la rédaction de ce document, le podcast n'est pas actuellement actif. Les derniers épisodes sont sortis début 2017. Pourtant, il y a une mine d'informations contenues dans les épisodes de vingt heures qui ont été diffusés.

Si vous commencez tout juste votre incursion dans le monde de la science des données, prenez un week-end pour parcourir les archives et voir où se trouvent les possibilités!