- 综合排序
- 最热优先
- 最新优先
- 来自专栏奇点大数据
数据科学家节选（4）
人们热衷于进行各种数据观测、拟合，希望对数据进行可期望的预判，这种行为究竟本质上是在做什么呢？从带有一定功利色彩的眼光来看，这实际上是一种趋利避害的过程。 在本书最开始的部分在对科学家的特征进行归纳的过程中其实已经明确过了，科学是测量的学科，是量化计算的学科，而且即便不具备突破性也需要精确性和体系性这两个最为基本的特性。 能够精确地量化地进行“应验”，而这个过程中对数据的观测、拟合，对于模型的归纳是在做什么呢？调整的最终目的是为了让模型所表达的“体系”和观测的现象一致。
48070发布于 2018-04-11 - 来自专栏数据科学与人工智能
【数据科学家】数据科学家的4种数据科学工作，8项求职技能
“数据科学家”被誉为21世纪最性感的工作（Thomas Davenport和D.J. Patil在哈佛商业评论上曾发表的一篇文章中称），但如何成为一个数据科学家？怎样才能入门呢？ 许多的信息可能导致你认为成为一个数据科学家需要全面的精通一些领域，比如软件开发，数据整理，数据库，统计学，机器学习和数据可视化。 不用担心。从我作为一个数据科学家的经验来说，事实并非如此。 4种数据科学工作 “数据科学家”经常是被用来形容完全不同的工作的一个总称。 这里有四种类型的数据科学工作： 数据科学家是住在旧金山（San Francisco）的数据分析师： 玩笑归玩笑，其实在一些公司数据科学家是数据分析员的代名词。 4种类型的数据科学工作以及从中分解的8项求职技能 8项求职技能 这是你应该掌握的8个数据科学的核心技能： 基本工具：无论你面试什么类型的公司，他们都会期望你知道如何利用一些基本的行业工具，包括统计编程语言
73190发布于 2018-02-27 - 来自专栏SeanCheney的专栏
《数据科学家访谈录》总结·4
什么数据科学家不应该花时间在Kaggle上？ 数据科学家做的主要工作就是建立预测模型，这种说法是不正确的。 在数据科学界有一个观点就是，Kaggle根本不会关注一个问题是不是当务之急必须解决的。 在公司里，数据科学家的角色具体是怎样的呢？ 一个人人都知道的数据科学家的职责就是清洗和准备数据。 在建模之前的数据整理工作量是非常巨大的。 任何数据科学家应该具备的能力就是与商业人士沟通的能力。 数据科学家的目标应该是什么？ 数据科学家的目标是从最有效的资源利用和时间限制中创造出可操作、可使用的智能价值。 数据科学家应该能够以有意义的方式将数据连接起来，从而从数据的组合中创建新的知识，从而能够以创造性的方式模拟和解决问题，并快速地完成所有的工作。 学习路径 金融量化，到数据抓取、网络爬虫，人工智能。
75620发布于 2018-09-19 - 来自专栏数据科学与人工智能
【数据科学家】揭秘数据科学家
“数据科学家”这个新称谓近两年才被叫响。大数据与数据科学家有着千丝万缕的联系，因此容易让人产生一种错觉，数据科学家是大数据时代特有的一类专才。 但其实在传统的结构化数据处理过程中，数据科学家的身影就已经出现。记者最近采访了一些中国的大数据企业，其中很多企业并没有设立数据科学家这一职位，但数据分析师、数据工程师等都在做着数据科学家的工作。 尽管大数据项目的实施在没有数据科学家的情况下也能够成功地完成，但有鉴于数据科学家将成为大数据项目的工具、系统和输出的最终用户，数据科学家在大数据项目的计划阶段至关重要。 大数据的“4V”特征简而言之，就是需要对多源多样的动态数据做实时的关联分析和挖掘。这也决定了传统的商业智能、数据库技术等已无法发挥其作用。 自己培养数据科学家 在品友互动其实并没有数据科学家这个职位，有的只是算法工程师、数据工程师等，他们从事的是数据科学家的工作。
1.4K100发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据科学家】数据科学家修炼之路
经常有人问我“要成为数据挖掘工程师或者数据科学家应该读什么书？”类似的问题。下面是一份建议书单，同时也是成为数据科学家的指南，当然，这不包括取得合适大学学位的要求。 在深入探讨之前，数据科学家似乎需要掌握许多技巧，如：统计学、编程、数据库、演讲技巧、数据清理与变换知识。 ? 理想情况下，你需要具备以下技能： 了解统计学与数据预处理知识。 理解统计陷阱。 数据预处理 我必须再次强调确认并检查你数据的重要性。数据预处理除了能将数据转换成算法更易识别或处理的模式还能防止将输入数据错误。 信息提取与文本分析是数据科学家需要掌握的重要技能。 结语 最后，这里还有一些数据科学家不该错过的书籍： Data Mining and Statistics for Decision Making by Stéphane Tufféry (A personal
1.1K100发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据科学家】LInkedin数据科学家如何工作
为什么人们现在如此的关心统计和数据，为什么数据科学家成了最性感的工作， 最近，在TiE的峰会上， LinkedIn的首席数据科学家Manu Sharma 接受了采访， 揭秘了LinkedIn的数据分析的工作 数据科学家需要具备好奇心和直觉。 他们需要想的问题是：我能用这些数据来做什么呢？ 我需要问什么样的问题？这些数据能告诉我什么？ 他们还需要足够的直觉来了解他们所采用方法的局限性。 数据科学家的工作包括， 采集数据， 整理数据， 建立正确的模型， 测试模型， 还要有一定的编程能力。 一个数据科学家需要具备这些技能， 而这些技能也是一个初创企业在建立它的数据科学家团队所需要的技能。 问： LinkedIn数据应用的重点是那几个方面？ 数据标准和数据质量非常重要 4. 简单模型比复杂模型要好 5. 建模就是要不断进行试错。
76490发布于 2018-02-27 - 来自专栏博文视点Broadview
伪数据科学家 VS 真数据科学家
管理决策层在搭建其数据科学家团队时，有时也不是很清楚他们想要的到底是什么。他们往往最终招募的是很纯粹的技术极客、计算机科学家，或者缺乏恰当大数据经验的人。 事实上，你可以成为一名真正的数据科学家，且不需要掌握这些技能。NoSQL和MapReduce不是新概念——在这些关键词被创建之前，就有很多人接触到它们。 成为一名数据科学家，你需要以下能力。 数据科学家在商业分析、统计学和计算机科学等领域也是通才，比如会掌握这些专业知识：健壮性、实验设计、算法复杂度、仪表盘和数据可视化。 一些数据科学家也是数据策略师——他们可以开发数据收集策略，并使用数据来发现可操作的、能对商业产生影响的见解。这就要求数据科学家具有创造性，能根据业务要求，制定分析、提出解决方案。 本文选自《数据天才：数据科学家修炼之道》
68420发布于 2020-06-11 - 来自专栏数据科学与人工智能
【数据科学家】SparkR：数据科学家的新利器
摘要：R是非常流行的数据统计分析和制图的语言及环境，有调查显示，R语言在数据科学家中使用的程度仅次于SQL，但大数据时代的海量数据处理对R构成了挑战。 摘要：R是数据科学家中最流行的编程语言和环境之一，在Spark中加入对R的支持是社区中较受关注的话题。 项目背景 R是非常流行的数据统计分析和制图的语言及环境，有一项调查显示，R语言在数据科学家中使用的程度仅次于SQL。 为了方便数据科学家使用Spark进行数据挖掘，社区持续往Spark中加入吸引数据科学家的各种特性，例如0.7.0版本中加入的python API （PySpark）；1.3版本中加入的DataFrame 这是因为SparkR使用了R的S4对象系统来实现RDD和DataFrame类。 架构 SparkR主要由两部分组成：SparkR包和JVM后端。
4.3K100发布于 2018-02-27 - 来自专栏机器学习AI算法工程
数据科学家的4种数据科学工作，8项求职技能
“数据科学家”被誉为21世纪最性感的工作（Thomas Davenport和D.J. Patil在哈佛商业评论上曾发表的一篇文章中称），但如何成为一个数据科学家？怎样才能入门呢？ 许多的信息可能导致你认为成为一个数据科学家需要全面的精通一些领域，比如软件开发，数据整理，数据库，统计学，机器学习和数据可视化。 不用担心。从我作为一个数据科学家的经验来说，事实并非如此。 4种数据科学工作 “数据科学家”经常是被用来形容完全不同的工作的一个总称。这里有四种类型的数据科学工作： 数据科学家是住在旧金山（SanFrancisco）的数据分析师： ? 4种类型的数据科学工作以及从中分解的8项求职技能 这是你应该掌握的8个数据科学的核心技能： 基本工具：无论你面试什么类型的公司，他们都会期望你知道如何利用一些基本的行业工具，包括统计编程语言，如R或Python (来源：数据科学家)
72880发布于 2018-03-13 - 来自专栏大数据文摘
求职季 | 让你挂掉数据科学家面试的4宗罪
大数据文摘作品 编译：李雷、吴双、蒋宝尚 “数据科学家”可能是本世纪最性感的工作。 但雇用一个数据科学家却不是如此。 对于立志在数据科学领域有一定作为的新手来说，“数据科学家”可不仅仅是一个光彩照人的代名词。 新手需要不断的学习，才能成长为一名具有创造力的数据科学家。 让我们开始吧......那么，让数据科学家面试失败被拒的4宗罪是什么？ 用机器学习流行语来修饰你的简历 与任何工作一样，用行业术语来刻画个人简历可能会很吸引人的。数据科学领域也不乏各种流行用语。 数据科学家的最终使命是解决业务问题，而不仅仅是分析数据或建立一个伟大的模型，这是数据分析的终极目标。人们需要在用分析工具处理任何数据之前就界定好正确的业务问题，并制定解决问题的一系列步骤。 相关报道： https://towardsdatascience.com/4-ways-to-fail-a-data-scientist-job-interview-d9c4c85c683
37360发布于 2018-05-23 - 来自专栏数据科学与人工智能
【数据科学】数据科学家的4种数据科学工作，8项求职技能
“数据科学家”被誉为21世纪最性感的工作（Thomas Davenport和D.J. Patil在哈佛商业评论上曾发表的一篇文章中称），但如何成为一个数据科学家？怎样才能入门呢？ 许多的信息可能导致你认为成为一个数据科学家需要全面的精通一些领域，比如软件开发，数据整理，数据库，统计学，机器学习和数据可视化。 不用担心。从我作为一个数据科学家的经验来说，事实并非如此。 4种数据科学工作 “数据科学家”经常是被用来形容完全不同的工作的一个总称。 这里有四种类型的数据科学工作： 数据科学家是住在旧金山（San Francisco）的数据分析师： 玩笑归玩笑，其实在一些公司数据科学家是数据分析员的代名词。 4种类型的数据科学工作以及从中分解的8项求职技能 8项求职技能 这是你应该掌握的8个数据科学的核心技能： 基本工具：无论你面试什么类型的公司，他们都会期望你知道如何利用一些基本的行业工具，包括统计编程语言
78390发布于 2018-02-27 - 来自专栏IT派
每个数据科学家都应该学习4个必备技能
IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 摘要： 作为一个数据科学家你必须要掌握的四个必备技能，值得每个想要成为数据科学家和已经成为数据科学家的人去学习。 这篇文章对应之前发表过的一篇关于如何成长为一名具备其他技能的高级数据科学家的文章。 希望通过高级数据科学家在业务经理和技术数据科学家之间搭起一座沟通的桥梁，以保证随着新技术的不断发展，技术与业务之间的沟通顺畅。 ? 于是，有经验的数据科学家可以帮助年轻的数据科学家，可以利用自己的经验帮助决定最合适的设计决策，能够更好地为自己和公司带来好处。而作为数据科学家在成长的过程中，需要掌握以下4个技能。 4.能够开发健全的和最优的系统 制定在受控环境下运行的算法或模型是一回事。把一个强大的模型整合到一个现场处理大量数据的系统中是另外一回事。
85190发布于 2018-03-27 - 来自专栏庄闪闪的R语言手册
给数据科学家的10个提示和技巧Vol.4
原文：10 Tips And Tricks For Data Scientists Vol.4[1] 译者：赵西西 原博客简介：Predictive Hacks 是与数据科学相关的一切的在线资源中心。 该博客由一群数据科学家所运营，专注于讲解在各种领域如何使用大数据技术（从机器学习和人工智能到业务领域）。 1 引言 前面已经介绍了一些数据分析的技巧，主要是用Python和R实现。 具体内容可见：翻译｜给数据科学家的10个提示和技巧Vol.1；翻译|给数据科学家的10个提示和技巧Vol.2；给数据科学家的10个提示和技巧Vol.3。 今天主要是对博客的第4，5篇进行整合，并进行筛选，给出最为常用的一些数据处理的技巧。主要讲解 R，如果你对python感兴趣可以看文末的链接噢！ -4/
73340发布于 2021-07-23 - 来自专栏MixLab科技+设计实验室
Grok 4马上要来了。数据科学家会消失还是身价翻倍？
每次AI里程碑式发布（如Grok 4）都会催生新的应用场景，这种连锁反应正迫使数据科学家角色裂变： 从 '全栈分析' 转向 'AI解决方案架构师' 或 '数据产品经理' 等细分定位... Business Times: Grok 4 Is Coming: Spotted Ahead of Launch With Special Coding Powers 那么，数据科学家会消失还是身价翻倍 大模型发展背景下的数据科学家 在2014年至2020年间，数据科学家扮演着“全能型”角色，像一把“瑞士军刀”，负责从清洗混乱数据、构建仪表盘、编写机器学习模型、预测客户流失，到为领导层制作演示文稿等各项任务 AI现在能够执行许多过去需要数据科学家亲力亲为的“无聊”工作，例如构建Python脚本、创建SQL查询、清理数据集、生成图表甚至撰写报告。这使得传统的“全能型”数据科学家角色变得不再那么必要。 4. 激烈讨论的问题 关于数据科学领域的演变，存在一些激烈的讨论和不同观点： 通才与专家的平衡：一方面，有观点认为通用型数据科学家正在消失，取而代之的是专业化角色。
14210编辑于 2026-03-24 - 来自专栏企鹅号快讯
每个数据科学家都应该学习4个必备技能
摘要： 作为一个数据科学家你必须要掌握的四个必备技能，值得每个想要成为数据科学家和已经成为数据科学家的人去学习。 这篇文章对应之前发表过的一篇关于如何成长为一名具备其他技能的高级数据科学家的文章。 希望通过高级数据科学家在业务经理和技术数据科学家之间搭起一座沟通的桥梁，以保证随着新技术的不断发展，技术与业务之间的沟通顺畅。 于是，有经验的数据科学家可以帮助年轻的数据科学家，可以利用自己的经验帮助决定最合适的设计决策，能够更好地为自己和公司带来好处。而作为数据科学家在成长的过程中，需要掌握以下4个技能。 4.能够开发健全的和最优的系统 制定在受控环境下运行的算法或模型是一回事。把一个强大的模型整合到一个现场处理大量数据的系统中是另外一回事。 spm=5176.100239.blogcont351128.18.3d4f963TWs6m0
78560发布于 2018-02-06 - 来自专栏华章科技
只需4步，微软数据科学家教你用OpenRefine搞定数据清洗
导读：本文将使用OpenRefine清理我们的数据集；它很擅长数据的读取、清理以及转换数据。 表达式的第一部分从值中提取出月份和天数，也就是说，我们截取第4个到第10个字符的子字符串，得到May 21。 第二个substring(...)方法从字符串中提取出年份。 我们假设你使用了前一技巧，所以你的数据已经加载到OpenRefine，且数据类型代表着列中的数据。 2. 怎么做 有了Facets，用OpenRefine探索数据就简单了。 这让你对数据是否合理有一个直观的感受；可以充分判定提供的数据是否符合假设。 数字facet可以让你粗略了解数字型数据的分布。比如，我们可以检查数据集中价格的分布，如下图所示： ? www.packtpub.com/application-development/mastering-python-regular-expressions 关于作者：托马兹·卓巴斯（Tomasz Drabas），微软数据科学家
7.3K20发布于 2019-01-23 - 来自专栏大数据杂货铺
谁是数据科学家
他/她是否整日忙于数据或在他/她的实验室中尝试复杂的数学？毕竟，“谁是数据科学家”？ Ť 这里有对数据科学家提供了一些定义。简而言之，数据科学家就是实践数据科学艺术的人。 当今的数据科学家面临的主要挑战不是找到现有业务问题的解决方案，而是确定对组织及其成功至关重要的问题。 为什么数据科学家被称为“数据科学家”？ 数据科学家的作用确实是具有挑战性的！尽管数据科学家使用的技能和能力差异很大，但要成为一名高效的数据科学家，他应该： 1. 有一个动手的数据挖掘技术的经验，如图形分析，模式检测，决策树，聚类或统计分析。 4. 通过应用实验性和迭代性方法与技术来开发运营模型，系统和工具。 5. 从各种来源和角度分析数据，并找出隐藏的见解。 数据科学家就像网站管理员一样，不仅需要成为所有行业的杰作，而且还需要掌握以上领域中的至少一个。 数据科学家做什么呢？ 数据科学家扮演着双重角色-“分析师”和“艺术家”！
66110发布于 2020-02-11 - 来自专栏数据科学与人工智能
【数据科学家】如何成为一名数据科学家？
关于数据科学家的更多讨论： 你能列出十个著名的女性数据科学家吗？Can you name 10 famous data scientist women? 谁是最富有的数据科学家？ 林仕鼎，百度大数据首席架构师 如果从广义的角度讲，从事数据处理、加工、分析等工作的数据科学家、数据架构师和数据工程师都可以笼统地称为数据科学家；而从狭义的角度讲，那些具有数据分析能力，精通各类算法，直接处理数据的人员才可以称为数据科学家 有哪些值得推荐的数据可视化工具？ (4) 跨界为王 麦肯锡认为未来需要更多的“translators”，能够在IT技术，数据分析和商业决策之间架起一座桥梁的复合型人才是最被人需要的。” 分析、财务分析、服务业中的分析、能源、健康医疗、供应链管理、综合营销沟通中的概率模型） (4) 秋学期 * 风险分析与运营分析的计算机模拟 * 软件层面的分析学（组织层面的分析课题、IT与业务用户、变革管理 Big data: The next frontier for innovation, competition, and productivity [4].EMC.
94560发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据科学家】九个成为数据科学家的必备技能
本文详细列举了从雇主角度看来，数据科学家加强自身市场竞争力所必备的9个数据科学技能。 过去一年中人们对数据科学的兴趣骤然增长。 4 Hadoop平台 尽管不是总有这个需求，不过在很多情况下掌握它的人优势更大。熟悉Hive或Pig也是很有利的卖点。熟悉类似Amazon S3这样的云工具也会很有优势。 6 非结构化数据 数据科学家能够处理非结构化数据这一点非常重要，无论这些数据是来自社交媒体、视频源或者音频的。 非技术类技能 7 求知欲 毫无疑问最近到处都能看到这个词，尤其是在与数据科学家关联时。 4 Bootcamps——想要了解这种方式与学历项目或MOOCs的对比情况。 5 Kaggle——Kaggle上有数据科学竞赛，可以进行演练，用杂乱的真实世界数据来磨练技巧，解决真实的商业问题。 8 Burtch Works研究：关于数据科学家的薪金，如果想要了解更多信息与当前数据科学家人数统计的话，请下载我们的数据科学家薪金研究报告。
795100发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据科学家】9步让你从菜鸟成为数据科学家
由于数据科学和数据分析是个快速发展的领域，当前的合格申请者严重缺乏。这使得数据科学家对于那些有兴趣，并寻找新的职业生涯的人成为有前途的和有利可图的领域。 员工：当然，我还能把它们相乘 但如何能成为一个数据科学家呢？ 首先，各个公司对数据科学家的定义各不相同，当前还没有统一的定义。 4 了解数据库、数据池及分布式存储 数据存储在数据库、数据池或整个分布式网络中。以及如何建设这些数据的存储库取决于你如何访问、使用、并分析这些数据。 数据清理有助于消除重复和“坏”数据。两者都是数据科学家工具箱中的必备工具。 8 练习 在你在新的领域有一个工作之前，你如何练习成为数据科学家？使用开源代码开发一个你喜欢的项目、参加比赛、成为网络工作数据科学家、参加训练营、志愿者或实习生。
71250发布于 2018-02-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号