“数据科学可应用于任何领域”
某中心网络服务数据科学家Jared Wilber在机器学习大学团队工作，负责创建可视化解释工具帮助他人理解机器学习基础概念。
机器学习教育可视化实践
2012年《哈佛商业评论》称数据科学为"21世纪最性感的职业"。某中心网络服务数据科学家Jared Wilber表示：“数据科学应用正在爆炸式增长，这种技术可应用于任何领域。正是这种发展趋势促使我们创建内容来解释相关概念。”
Wilber所在的团队最近推出了MLU Explain公共网站，通过包含趣味动画的可视化文章以易于理解的方式解释机器学习概念。
“学习机器学习很困难，需要具备数学、统计学和计算机科学等领域的先验知识。这些概念通常以枯燥的形式呈现，而使用交互式文章可以使学习过程变得更容易。”
幽默化教学与统计测试可视化
Wilber的教育动画解释器都融入了幽默元素。“使用幽默的目的是让机器学习背后的概念尽可能不那么令人生畏。因为很多概念初次接触时就像数学墙一样难以理解。”
例如，为解释统计测试（也称为假设检验）的概念，Wilber创建了"置换测试：可视化解释"。这个假设性示例引导读者通过测试比较哪种羊驼洗发水能产生更高质量的羊毛，并配有粉色和蓝色羊驼的帮助动画。
通过这个主题，Wilber引导读者完成随机化、响应值、测试统计量、置换、测试统计量分布、p值以及最终结果的各个步骤。
从开源项目到专业实践
Wilber在加州大学伯克利分校期间在伯克利数据科学研究所工作，获得统计学和计算机科学学位。在研究所期间，他接触到了像Project Jupyter这样有影响力的开源项目。
一次意外的休假期导致他创建了最喜爱的开源项目roughViz.js——一个让用户在浏览器中绘制手绘风格图表的数据可视化库。
交互式内容创作之路
Wilber成长过程中喜欢滑板运动，因此他的第一篇交互式文章是关于几十年来滑板运动中音乐使用变化的统计解释。这篇文章引起了The Pudding编辑Matt Daniels的注意，最终促成了他在该出版物的首篇文章"The Good, the Rad, and the Gnarly"。
Wilber表示选择加入某中心主要基于两个原因：“他们拥有大量工程和科学人才，并且在硬件方面拥有无与伦比的资源。”
机器学习教育创新
在MLU团队工作的两年间，Wilber担任过多个职位，但他最引以为傲的是最近在MLU-Explain上的工作。
“我希望这些文章能帮助任何背景的人理解或对机器学习产生兴趣。推动在教育环境中实现更好的计算界面也很重要，这些文章正是朝着这个方向迈出的一步。”
Wilber表示，在数据科学中找到创造性出口是他热爱的事情，但工作中最令人满意的部分与公司的"学习与保持好奇"领导原则相一致。
“我们的团队帮助某中心软件工程师将机器学习用于他们的任务，使他们能够以不同方式使用人工智能来满足客户需求。但真正令人振奋的是，我们现在正在将大量材料外部化，让那些想要学习并对机器学习感到好奇的个人能够以有趣和引人入胜的方式进行学习。”