在大数据发展的历程中，但凡有一点影响力的公司，都有一段自己的大数据发展史。微软这个 20 世纪存活下来的软件帝国自然不能免俗。

但是微软也有“软件帝国”的通病，就是“公司财大气粗”，有关大数据的发展史复杂而且混乱。微软内部的多个部门都在大数据发展史上相对独立地做了一些事情，所以讲述微软的大数据发展史，我们会分别从几个比较重要的部门独立地进行讲解。

复盘 5 | 计算机视觉核心技术模块

今天我们来对计算机视觉核心技术模块做一个复盘。在这个模块里，我们一起学习了 12 期内容，讨论了四个话题，这些话题主要围绕计算机视觉的基础知识和深度学习技术在这个领域的应用。

上篇文章中我分享了一些常用的沟通方式：尊重、倾听和情绪控制，并给出了几个我认为很不错的沟通技巧，比如：引起对方的兴趣；过滤信息，简明扼要地表达；用数据和实例说话。这篇文章中，我来分享几个关键的沟通技术，相信掌握了这几大沟通法宝，你的沟通水平会大幅提升。

微软的大数据发展史上另外一支非常重要的队伍，是必应（Bing）搜索引擎下的 Cosmos 团队。

2007 年，当时的 CEO 史蒂夫 · 鲍尔默（Steve Ballmer）决定大举进军搜索市场，和谷歌开战。微软为这场战争投入了很多资源，包括对领导层大换血，调集了包括现任 CEO 萨蒂亚 · 纳德拉（Satya Nadella）和现任 EVP 沈向洋在内的很多人才。之后，微软更是从雅虎“挖”了陆奇掌管整个部门。

001 | 如何组建一个数据科学团队？

数据科学团队眼下已经成了很多数据驱动型公司的标准配置，数据科学家也成了最“性感”的职业。不少公司都在想办法建立或扩展自己的数据科学团队，而究竟需要什么样的数据科学团队，成了很多公司在发展过程中都会遇到的棘手问题。

前面的几篇文章中，我分享了一些通用的沟通方法，如尊重、倾听和情绪控制等。接下来的几篇文章中，我将从如何与员工沟通、如何与客户沟通，以及如何与老板沟通这几个角度，和你聊聊这些沟通方法具体应该如何应用。

一、HDInsight：一个云端 Hadoop 版本

Azure 是微软云计算的品牌，而云计算是给客户提供服务的。所以，微软云计算平台的大数据发展方式，与其他解决内部需求的项目不同，最初主要围绕 Hadoop 生态圈展开。

003 | 数据科学家基础能力之概率统计

学习人工智能的工程师，甚至是在人工智能相关领域从业的数据科学家，往往都不重视概率统计知识的学习和培养。有人认为概率统计知识已经过时了，现在是拥抱复杂的机器学习模型的时候了。实际上，概率统计知识和数据科学家的日常工作，以及一个人工智能项目的正常运作都密切相关，概率统计知识正在人工智能中发挥着越来越重要的作用。