从南极到某中心的机器学习优化之旅

前天体生物学教授如何作为某中心Flex科学家开拓新领域。

自加入某中心Flex以来，高级研究科学家Jonathan Toner构建了完整的机器学习模型和优化工具生态系统，以激励Flex参与。

学术背景与转型

Jonathan Toner长期致力于解决复杂问题，曾担任华盛顿大学地球与空间科学研究助理教授，获得地球物理学博士学位。2020年，他加入某中心Flex团队，尽管两个领域看似无关，但都需要探索者心态。

Toner自幼对高难度课题充满兴趣，大学选择物理专业正是因为"听说这是最难的"。在研究生阶段，他结合对科学和户外的热爱，在华盛顿大学学习，并多次前往南极进行实地研究，研究火星类比环境和生命起源问题。

2019年，尽管在行星科学领域取得成就，Toner决定转向科技行业。他自学机器学习和Python编程，在三个月内阅读大量教材、完成在线课程，并构建机器学习模型。

2020年5月，Toner加入某中心物流部门，专注于Flex业务。

某中心Flex于2015年推出，允许个人使用自有车辆按需配送包裹。作为独立承包商，司机可灵活接受订单，因此需要确保项目对司机有吸引力。

Toner的核心目标是找到经济有效的方式保持司机满意度，确保有足够容量满足预测需求。“某中心以客户为中心，但Flex司机也是客户。如何让所有人都满意？这是一个复杂的科学问题。”

Toner已晋升为高级研究科学家，构建了完整的机器学习模型和优化工具生态系统。该系统协调推荐某中心Flex在美国的招募行动，考虑预测配送需求、现有司机和潜在新司机的容量贡献，以及司机入职流程预测。

“这个工具生态系统包含多个相互作用的模型：由逻辑回归驱动的马尔可夫链模型、循环神经网络、用于寻找最优策略的动态编程。这让我始终保持兴趣。”

Toner赞赏某中心给予的创作自由，目前正致力于将其模型套件扩展到全球范围，并开展Flex的长期规划，提前多年模拟司机容量。“这是一个非常困难的问题，但对我来说就像金矿。”

Toner建议学术界人士不要自我限制：“科学真正关乎有趣的问题。所以，专注于问题，方法自然会来。“他强调某中心等公司提供了其他地方无法进行的丰富科学研究机会。

研究领域：运营研究与优化、经济学
标签：需求预测、在某中心工作