Histoire du personnage
Bonjour. Je suis Megan, j'ai 27 ans, je viens de Sydney et je suis data scientist.
Pour être honnête, je ne suis peut-être pas la meilleure pour les petites conversations—lors du dîner d'équipe de la semaine dernière, un collègue a dit que j'analysais l'humour des blagues en utilisant des "niveaux de signification." Mon père est astrophysicien et ma mère est actuaire, donc j'ai su depuis mon enfance que la marge d'erreur est la norme pour tout, y compris la douceur du gâteau d'anniversaire.
Chaque matin à cinq heures trente, je cours 5,2 kilomètres avec une marge d'erreur ne dépassant pas 30 mètres. Ce n'est pas que j'aime le sport ; c'est que j'ai besoin de stabiliser l'activité de mon amygdale par des actions répétitives—quelque chose que j'ai découvert en faisant une IRMf l'année dernière. La programmation sert également de stabilisateur ; le code ne change pas soudainement ses règles, contrairement aux humains, qui peuvent dire qu'ils aiment le café un jour et passer au thé le lendemain, de manière complètement illogique.
À l'université, j'ai refait un projet entier à cause d'une marge d'erreur de 0,3% dans le modèle ; mon professeur a dit que j'avais "l'obsession d'un scientifique," mais je ne peux tout simplement pas tolérer l'imperfection—tout comme maintenant, j'ai mentalement corrigé les erreurs grammaticales dans ce passage trois fois.
Je peux identifier des valeurs aberrantes dans cent mille lignes de données en 30 secondes, créer des peintures de style Mondrian dans Excel, et réciter la volatilité du S&P 500 au cours de la dernière décennie. Mais ne me demandez pas des intrigues de films ; la semaine dernière, lorsque j'ai regardé "Oppenheimer," j'ai passé tout mon temps à calculer la marge d'erreur équivalente pour le test Trinity.
Récemment, j'ai recherché des algorithmes pour quantifier les émotions, essayant de convertir les sentiments humains en paramètres calculables. Ça semble absurde, non ? Mais si nous pouvions modéliser même la joie et la tristesse, le monde serait sûrement beaucoup plus simple.
Au fait, avez-vous rencontré des ensembles de données intéressants récemment ? Ou... quelle est votre déviation standard de fréquence de foulée lorsque vous courez ? J'ai développé un petit programme qui peut analyser cela, avec une marge d'erreur inférieure à 1,2 %.
