发生在拉斯维加斯的事……
上个月，我前往位于拉斯维加斯内利斯空军基地的美国空军运筹学研讨会（AFORS）。这场会议是空军分析师社区的年度聚会，200 多位与会者围绕运筹学、机器学习和数据科学展开交流。
空军一直在大力投入，升级其数据相关的工具和培训。我此行的目的，是主持一场关于使用 DataCamp Workspace 的跟码式工作坊。
数据转型的五个关键领域
研究、分析与评估技术主管 Angela Giddings 博士概括了空军在数据转型项目中的目标。她指出，核心难题在于如何让运筹学分析师成为推动整个空军战力倍增的力量。传统上，运筹学在空军内部更偏学术，但在当前的勤務环境下，这一模式已难以为继。
Giddings 博士列出了五个关键转型领域。
- 确保项目切实解决真实问题
- 确保在结果仍具相关性时及时交付
- 为合适的问题使用合适的数据
- 从数学模型中产出洞见
- 有效利用可视化
有趣的是，这些方向与全球各类组织所面临的挑战如出一辙，无论是否属于军方。
招聘难题
多位高阶军官反复提到的一点，是高端数据人才的招聘与留用极具挑战性。研究、分析与评估主任 Wayne Schatz 先生与空军首席分析师 Ron Annaballi 上校都谈到，要化解这一难题，就要把中队打造为优秀的工作场所，而培训与工具是关键支柱。除内部培训外，空军可使用三大在线教育平台——DataCamp、Coursera 与 PluralSight。同时，借助对 Python、DataBricks、Tableau、Plotly、Dataiku 和 Palantir 的广泛接入，正在构建现代数据技术栈。
令人印象深刻的技术报告
在技术报告环节，我对美国空军项目的多样性感到惊艳。优化飞行员训练是反复出现的主题。我不仅看到一场，而是两场报告都将心率、眼动和其他传感器绑在飞行员身上，以判断哪些飞行动作在认知上最具挑战性或最令人恐惧。
我看到的其他报告既涵盖常见的业务问题——Nathan Shaw 军士长介绍了如何用情感分析解读问卷反馈，也涉及我从未知晓的奇特问题——Tyler Danley 博士与 Brian Morrison 少校探讨了如何排班训练飞行以减少蝙蝠撞击事件，甚至还有科幻色彩——学员 Victor Rae 讨论了如何优化卫星星座的规模与位置，以在执行任务时获得最佳覆盖。
对我而言，本次大会最佳技术演讲来自 Benjamin McCloskey 少尉。无人机会对摄像头数据应用机器学习，以在视场内检测建筑与车辆。McCloskey 少尉指出，问题在于大多数模型训练数据都采集于白天且气象良好的条件下，这导致在夜间或恶劣天气执行任务时，模型表现会明显变差。
他的解决方案是采用一种名为“生成对抗网络”的深度学习技术，修改现有相机图像，使其呈现夜间或恶劣天气的效果。本质上，他为卫星数据生成了“深度伪造”图像，从而提升了目标检测模型的准确性。
DataCamp 培训催生了新的数据产品
最后，我聆听了 Dominick Speranza 上尉的精彩报告，分享了基于 DataCamp 的培训项目成果。该项目旨在更广泛地培养利用飞机仪表数据打造数据产品的能力。培训内容包括精心编排的 DataCamp Python 课程，以及随后关于飞机仪表数据的内部培训。完成培训的综合项目要求学员打造一个数据产品。示例包括：用于判断 F-22 战斗机仪表数据质量的异常检测系统，以及用于简化飞行员复盘会的自动化报告生成器。
总结
整场大会在 Bryan Fagan 少校的精心组织下顺利进行。（我本该料到，运筹学研究人员的“运筹”能力果然不俗！）在听到这一系列出色的数据项目后，我非常期待美国空军的数据转型项目将如何推进。
发生在拉斯维加斯的事……
上个月，我前往位于拉斯维加斯内利斯空军基地的美国空军运筹学研讨会（AFORS）。这场会议是空军分析师社区的年度聚会，200 多位与会者围绕运筹学、机器学习和数据科学展开交流。
空军一直在大力投入，升级其数据相关的工具和培训。我此行的目的，是主持一场关于使用 DataCamp Workspace 的跟码式工作坊。
数据转型的五个关键领域
研究、分析与评估技术主管 Angela Giddings 博士概括了空军在数据转型项目中的目标。她指出，核心难题在于如何让运筹学分析师成为推动整个空军战力倍增的力量。传统上，运筹学在空军内部更偏学术，但在当前的勤務环境下，这一模式已难以为继。
Giddings 博士列出了五个关键转型领域。
有趣的是，这些方向与全球各类组织所面临的挑战如出一辙，无论是否属于军方。
招聘难题
多位高阶军官反复提到的一点，是高端数据人才的招聘与留用极具挑战性。研究、分析与评估主任 Wayne Schatz 先生与空军首席分析师 Ron Annaballi 上校都谈到，要化解这一难题，就要把中队打造为优秀的工作场所，而培训与工具是关键支柱。除内部培训外，空军可使用三大在线教育平台——DataCamp、Coursera 与 PluralSight。同时，借助对 Python、DataBricks、Tableau、Plotly、Dataiku 和 Palantir 的广泛接入，正在构建现代数据技术栈。
令人印象深刻的技术报告
在技术报告环节，我对美国空军项目的多样性感到惊艳。优化飞行员训练是反复出现的主题。我不仅看到一场，而是两场报告都将心率、眼动和其他传感器绑在飞行员身上，以判断哪些飞行动作在认知上最具挑战性或最令人恐惧。
我看到的其他报告既涵盖常见的业务问题——Nathan Shaw 军士长介绍了如何用情感分析解读问卷反馈，也涉及我从未知晓的奇特问题——Tyler Danley 博士与 Brian Morrison 少校探讨了如何排班训练飞行以减少蝙蝠撞击事件，甚至还有科幻色彩——学员 Victor Rae 讨论了如何优化卫星星座的规模与位置，以在执行任务时获得最佳覆盖。
对我而言，本次大会最佳技术演讲来自 Benjamin McCloskey 少尉。无人机会对摄像头数据应用机器学习，以在视场内检测建筑与车辆。McCloskey 少尉指出，问题在于大多数模型训练数据都采集于白天且气象良好的条件下，这导致在夜间或恶劣天气执行任务时，模型表现会明显变差。
他的解决方案是采用一种名为“生成对抗网络”的深度学习技术，修改现有相机图像，使其呈现夜间或恶劣天气的效果。本质上，他为卫星数据生成了“深度伪造”图像，从而提升了目标检测模型的准确性。
DataCamp 培训催生了新的数据产品
最后，我聆听了 Dominick Speranza 上尉的精彩报告，分享了基于 DataCamp 的培训项目成果。该项目旨在更广泛地培养利用飞机仪表数据打造数据产品的能力。培训内容包括精心编排的 DataCamp Python 课程，以及随后关于飞机仪表数据的内部培训。完成培训的综合项目要求学员打造一个数据产品。示例包括：用于判断 F-22 战斗机仪表数据质量的异常检测系统，以及用于简化飞行员复盘会的自动化报告生成器。
总结
整场大会在 Bryan Fagan 少校的精心组织下顺利进行。（我本该料到，运筹学研究人员的“运筹”能力果然不俗！）在听到这一系列出色的数据项目后，我非常期待美国空军的数据转型项目将如何推进。