大學畢業後，我先後在加利福尼亞和中國大陸的Intel公司工作。最初，我打算工作兩年之後回學校讀研究生，但是幸福時光飛逝而過，轉眼就過去了六年。那時，我意識到我必須回到校園。我不想上夜校或進行在線學習，我就想坐在大學校園裡吸納學校傳授的所有知識。在大學裡，最好的方面不是你研修的課程或從事的研究，而是一些外圍活動：與人會面、參加研討會、加入組織、旁聽課程，以及學習未知的知識。
在2008年，我幫助籌備一個招聘會。我同一個大型金融機構的人交談，他們希望我去應聘他們機構的一個對信用建模（判斷某人是否會償還貸款）的崗位。他們問我對隨機分析瞭解多少，那時，我並不能確定「隨機」一詞的意思。他們提出的工作地點令我無法接受，所以我決定不再考慮了。但是，他們說的「隨機」讓我很感興趣，於是我拿來課程目錄，尋找含有「隨機」字樣的課程，我看到了「離散隨機系統」。我沒有註冊就直接旁聽了這門課，完成課後作業，參加考試，最終被授課教授發現。但是她很仁慈，讓我繼續學習，這讓我非常感激。上這門課，是我第一次看到將概率應用到算法中。在這之前，我見過一些算法將平均值作為外部輸入，但這次不同，方差和均值都是這些算法中的內部值。這門課主要討論時間序列數據，其中每一段數據都是一個均勻隔樣本。我還找到了名稱中包含「機器學習」的另一門課程。該課程中的數據並不假設滿足時間的均勻間隔分佈，它包含更多的算法，但嚴謹性有所降低。再後來我意識到，在經濟系、電子工程系和計算機科學系的課程中都會講授類似的算法。
2009年初，我順利畢業，並在硅谷謀得了一份軟件咨詢的工作。接下來的兩年，我先後在涉及不同技術的八家公司工作，發現了最終構成這本書主題的兩種趨勢：第一，為了開發出競爭力強的應用，不能僅僅連接數據源，而需要做更多事情；第二，用人單位希望員工既懂理論也能編程。程序員的大部分工作可以類比於連接管道，所不同的是，程序員連接的是數據流，這也為人們帶了巨大的財富。舉一個例子，我們要開發一個在線出售商品的應用，其中主要部分是允許用戶來發佈商品並瀏覽其他人發佈的商品。為此，我們需要建立一個Web表單，允許用戶輸入所售商品的信息，然後將該信息傳到一個數據存儲區。要讓用戶看到其他用戶所售商品的信息，就要從數據存儲區獲取這些數據並適當地顯示出來。我可以確信，人們會通過這種方式掙錢，但是如果讓要應用更好，需要加入一些智能因素。這些智能因素包括自動刪除不適當的發佈信息、檢測不正當交易、給出用戶可能喜歡的商品以及預測網站的流量等。為了實現這些目標，我們需要應用機器學習方法。對於最終用戶而言，他們並不瞭解幕後的「魔法」，他們關心的是應用能有效運行，這也是好產品的標誌。