- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学与人工智能
【数据科学】9个针对初学者的数据科学公开课
如果你想自学，网络是一个非常好的地方，这里有太多的资源，有大神 Devendra Desale就挑选出了网络公开课中优秀的数据科学课程推荐给大家。 学时: 3 - 4小时/周 状态: On-demand 持续时间: 5周 需要的条件: 无 工具: R 这个课程是MIT专家和微软合作的，帮你学习数据科学以更好地应用于职场。 本课程结束时，你就会知道如何用数据科学和机器学习模型来构建和获得见解。 : 10周 需要的条件: 编程 工具: Python，R，SQL 介绍数据科学的基础知识，通过实践经验从大数据中提取价值。 本课程教你一些数据科学的基本技术，包括SQL和NoSQL大规模数据管理解决方案(例如 MapReduce和时代)，数据挖掘算法(如聚类和关联规则挖掘)和基本统计建模(例如线性和非线性回归)。
1.7K60发布于 2018-02-26 - 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。 因此，排除一个数据科学的学位计划（世界各地的著名大学雨后春笋般的出现着），你需要采取什么措施，成为一个数据科学家？ 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。 最好的数据科学家在数据领域将拥有经验和直觉，能够展示自己的作品，以成为应聘者。 9 成为社区的一员 跟着同行业中的思想领袖，阅读行业博客和网站，参与，提出问题，并随时了解时事新闻和理论。
71250发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据】银行业9大数据科学应用案例
2 数据科学可以解决银行业什么问题？ 在银行业中使用数据科学不仅仅是一种趋势，它已成为保持竞争的必要条件。 银行必须认识到，大数据技术可以帮助他们有效地集中资源，做出更明智的决策并提高绩效。 以下我们罗列银行业使用的数据科学用例清单，让您了解如何处理大量数据以及如何有效使用数据。 1 欺诈识别 2 管理客户数据 3 投资银行的风险建模 4 个性化营销 5 终身价值预测 6 实时和预测分析 7 客户细分 8 推荐引擎 9 客户支持 结论 1 欺诈识别 机器学习对于有效检测和防范涉及信用卡 这创建了TB级的客户数据，因此数据科学家团队的第一步是分离真正相关的数据。 9 客户支持 杰出的客户支持服务是保持与客户长期有效关系的关键。作为客户服务的一部分，客户支持是银行业中一个重要但广泛的概念。实质上，所有银行都是基于服务的业务，因此他们的大部分活动都涉及服务元素。
4K30发布于 2018-07-30 - 来自专栏数据科学与人工智能
【数据科学家】养成方案 9步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。 因此，排除一个数据科学的学位计划（世界各地的著名大学雨后春笋般的出现着），你需要采取什么措施，成为一个数据科学家？ 1、复习你的数学和统计技能。 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。 最好的数据科学家在数据领域将拥有经验和直觉，能够展示自己的作品，以成为应聘者。 9、成为社区的一员。跟着同行业中的思想领袖，阅读行业博客和网站，参与，提出问题，并随时了解时事新闻和理论。
82460发布于 2018-02-27 - 来自专栏Mac软件的分享
科学数据分析和制图Mac版GraphPad Prism 9
GraphPad Prism 9是一款用于科学数据分析和制图的软件，广泛应用于生物医学、生命科学、化学和其他领域。它可以帮助用户完成多种任务，如数据整理、统计分析、生存分析、回归分析、非参数检验等等。 此外，GraphPad Prism 9还支持云端存储、共享和协作，使得多名用户可以同时使用同一份数据，并实时更新和编辑文档内容。 总体来说，GraphPad Prism 9是一款强大而易于使用的数据分析和制图软件，适用于各种类型的科学研究和实验。 GraphPad Prism 9具有以下特点：直观的界面：GraphPad Prism 9提供了直观易用的界面，使得用户可以轻松地导入、操纵和可视化数据。 总之，GraphPad Prism 9是一款强大而易于使用的数据分析和制图软件，适用于各种类型的科学研究和实验。
77720编辑于 2023-03-23 - 来自专栏PPV课数据科学社区
【译文】数据科学家必须具备的9大能力
【陆勤看点】如何认识和理解数据科学家？一种很好的方法就是查看数据科学家职位的描述，即数据科学家在公司中负责什么？数据科学家需要什么样职能要求？本文是一个数据科学部门招聘数据科学家的描述，值得一看。 数据科学部门正在寻找有热情应用统计学、机器学习和分析从数据集中获得洞见的数据驱动人。 在数据科学部门中，我们通过把那些最优秀数据工程师和数据科学家召集在一起，并让他们帮助我们的顾客从它们的数据中提取他们所需的相关信息。 随着数据科学的深入，顾客通过连接数据资源，以及问一些相关的问题，并通过团队中的数据科学家把可操作的见解进行交付。 6、回复“答案”查看hadoop面试题题目及答案 7、回复“爱情”查看大数据与爱情的故事 8、回复“笑话”查看大数据系列笑话 9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载
80150发布于 2018-04-20 - 来自专栏数据科学与人工智能
【数据科学】数据科学家与数据科学
一、数据科学家的起源 "数据科学"（DataScience）起初叫"datalogy "。 Jeff Wu做出题为“统计学=数据科学吗？ 的演讲，建议统计改名数据的科学统计数据的科学家。 二、数据科学家的定义 数据科学(Data Science)是从数据中提取知识的研究，关键是科学。 数据科学并不局限于大数据，但是数据量的扩大诚然使得数据科学的地位越发重要。 数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。 西北大学决定从2012年9月起在其工程学院下成立一个主攻大数据分析课程的分析学研究生院，并开始了招生工作。
1.4K90发布于 2018-02-26 - 来自专栏华章科技
养成方案 9步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。 因此，排除一个数据科学的学位计划（世界各地的著名大学雨后春笋般的出现着），你需要采取什么措施，成为一个数据科学家？ ? 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。 最好的数据科学家在数据领域将拥有经验和直觉，能够展示自己的作品，以成为应聘者。 9、成为社区的一员 跟着同行业中的思想领袖，阅读行业博客和网站，参与，提出问题，并随时了解时事新闻和理论。
30420发布于 2018-08-13 - 来自专栏数据科学与人工智能
【数据科学】数据科学入门指南
数据科学虽然刚刚兴起，却发展迅速。 只要有数据的地方，就需要数据科学团队来分析、挖掘数据。 因而，在各个行业都需要大量的数据科学家。 所以我并不建议从最基础的数学理论开始学习数据科学。 下面的这些建议会告诉你如何高效、快速的入门数据科学 ? 数据科学知识体系图 1. 学习别人的程序特别是高手的程序，是数据科学进阶的有效途径。 尝试着重复作者的工作，在这个过程中，你会了解到这个模型的细节以及数据科学的方方面面，比如如何更好的组织你的成果。 数据科学是一座高山，停止学习意味着你永远无法到达顶点。 但是，养成这些良好的习惯，你会很自然的成为以为数据科学专家。 掌握正确的方法和习惯，任何人都可以掌握这门科学。
1K90发布于 2018-02-26 - 来自专栏数据科学与人工智能
【数据科学】如何学习数据科学
解决一些好玩的小问题：好奇心是数据科学的关键。如果你对国家的经济问题，犯罪统计，体育成绩等感兴趣的话，去收集数据并开始回答你的问题吧。 有很多的培训材料可以在网上找到： 统计202 加州理工学院的数据科学课程 Coursera：数据科学，机器学习，数据分析，数据分析计算 加州大学伯克利分校 - 数据科学 骑士新闻中心的课程：资讯图像和数据可视化 统计101：Udacity（统计入门），可汗学院，卡耐基梅隆大学的统计课程 Learn R 2）课堂训练（9 - 12个月） 如果你想认真提高这项技能，那就选择一门课程，严肃的对待它。 关注业内领袖：网络中有很多厉害的数据科学家，关注这些人可以得到很好的启发。 3、有用的数据科学读物 数据挖掘导论 果壳中的R 数据之魅 可视化之美 查看更多的数据科学的书籍：O'Reilly，Manning 4、对我感觉没多大用的东西 学习多个统计工具：一年前，我开始有一些
957100发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据科学】什么是数据科学家与数据科学
Jeff Wu做出题为“统计学=数据科学吗？ 的演讲，建议统计改名数据的科学统计数据的科学家。 二、数据科学家的定义 数据科学(Data Science)是从数据中提取知识的研究，关键是科学。 数据科学并不局限于大数据，但是数据量的扩大诚然使得数据科学的地位越发重要。 数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。 西北大学决定从2012年9月起在其工程学院下成立一个主攻大数据分析课程的分析学研究生院，并开始了招生工作。 [8].Data Science and Prediction [9].The key word in “Data Science” is not Data, it is Science [10].Data
1.8K60发布于 2018-02-27 - 来自专栏PPV课数据科学社区
数据科学家Rudder借助大数据阐述9个关于约会的启示
Rudder，OkCupid的创始人之一，哈佛毕业的数据科学家，分析过数以百万计的数据记录并利用相关研究来理解我们如何搜寻和寻求爱情。但Rudder工作的魅力之处并不是那些发现多么让人震惊。 这里有9个关于性和约会的启示，是Rudder借助大数据在Dataclysm 这本书里阐述的。 1. 直男认为女性有一个保值期。 –Thoreau）” 像任何优秀的数据科学家一样，Rudder运用文学，在这里是梭罗（Thoreau，译者注：18世纪美国作家，《瓦尔登湖》的作者），来解释人们的生活状态。 Rudder援引了一名Google工程师的描述，这位工程师发现搜索“男同性恋的描写”（他实际的意思是同性恋色情）在每个州发生的概率为5%，社会科学家们估计同性恋占世界人口的比重也差不多是这个比例。 9. 相对而言，佛蒙特州不怎么淋浴。 Rudder放送了一些沉重的信息供大家思考，所以最后一条谈个稍微轻松的话题：一般来说,根据他的研究，在较为炎热的州，人们淋浴多；而较为寒冷的州，人们淋浴则较少。
686110发布于 2018-04-20 - 来自专栏DeepHub IMBA
数据科学家在使用Python时常犯的9个错误
通过应用软件工程最佳实践，可以交付质量更好数据科学的项目。更好的质量可能是更少的错误、可靠的结果和更高的编码效率。 一个好的 IDE 是应对数据科学任务时的真正武器，可以极大地提高您的工作效率。 Notebooks 很适合做实验，而且可以轻松地将结果展示给其他人。 9、你不使用编码辅助工具 您想在编码方面大幅提高生产力吗？请开始使用编码辅助工具，它通过巧妙的自动完成、打开文档和提供改进代码的建议来提供帮助。
1.3K20编辑于 2022-11-11 - 来自专栏数据科学与人工智能
【数据科学】数据科学可以做什么
机器学习是数据科学的发动机。每种机器学习方法（也称为算法）获取数据，反复咀嚼，输出结果。机器学习算法负责数据科学里最难以解释又最有趣的部分。数学的魔法在此发生。 许多数据科学问题看起来是这种形式，或者可以被组织成这种形式。这是最简单也最常提到的数据科学问题。几个典型的例子： 这名顾客会不会继续订阅？ 这图片上是一只猫还是一只狗？ 这名顾客会不会点击顶部链接？ 无监督学习和增强学习的算法家族则有完全不同的数据科学问题。 数据是如何构成？ 有关数据如何构成的问题属于无监督学习。有许多技术试图提炼数据的结构。 维度归约是另一种简化数据的方式，让数据能更容易传播，更快速计算，更容易存储。 在根本上，维度归约都是在创造一种描述数据点的简易方法。一个简单的例子是GPA学分绩点。 这里的优势是多数增强学习算法可以在没有数据的情况下开始工作。它们在运行中收集数据，从尝试和错误中学习。
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】数据科学的教育体系
在数据科学领域里工作的人才需要具备两方面的素质：一是概念性的，主要是对模型的理解和运用；二是实践性的，主要是处理实际数据的能力。 总结一下，大数据的影响将主要来自以下几个方面。 首先是数据科学将成为科研体系中的重要部分，并逐渐达到与包括物理、化学、生命科学等学科在内的自然科学分庭抗礼的地位。 现在的物理学、化学、机械工程等学科，以及生命科学、材料科学、天体物理、地球科学等学科的大部分都是沿着这样一条主线展开的。另一条是以数据为主线。 数据科学的兴起，将极大地推动许多社会科学学科朝着量化的方向发展，使他们逐步由经验性的模式转变成科学性的模式。 如果做好了这一点，我们在数据科学领域就自然而然地走到了世界的前沿。 来源：大数据栋察
81470发布于 2018-02-27 - 来自专栏数据科学与人工智能
【数据科学】数据科学中隐藏的数据智慧
这样一个有信息量的名称可以使人们意识到应用统计作为数据科学一部分的重要性。 “数 据智慧“是数学、自然科学和人文主义这三方面能力的融合，是科学和艺术的结合。在缺乏有实践经验者的指导下，个人很难仅仅靠从读书中获得“数据智慧”， 想要学习它的最好方法就是和拥有它的人一起共事。 1.要回答的问题 数 据科学的问题最开始往往来自于统计学或者数据科学以外的学科。例如，神经科学中的一个问题：大脑是如何工作的？或银行业中的一个问题：该对哪组顾客推广新 服务？ 而这种交流对于数据科学项目的成功是必不可少的。在有充足数据来源的情况下，经常发生情况的是在数据收集前要回答的问题还没有被精确定义。 9.稳定性 你 会使用哪些现有的方法？不同的方法会得出同一个定性的结论吗？
1K50发布于 2018-02-28 - 来自专栏用户画像
数据科学
https://blog.csdn.net/jxq0816/article/details/82823331 数据科学：如何从实际的生活中提取数据，然后利用计算机的运算能力和模型算法从这些数据中找出一些有价值的内容 1、数据科学在工程上的挑战可以大致分为3类：特征提取、矩阵运算和分布式机器学习。 （1）一个建模项目的成功很大程度上依赖于建模前期的特征提取。它包含数据清洗、数据整合、变量归一化等。 经过处理后，原本搅作一团的原始数据将被转换为能被模型使用的特征。这些工作需要大量的自动化程序来处理，特别是面向大数据时，因为这些大数据无法靠“人眼”来检查。 2、模型搭建的挑战 数据科学对模型搭建的要求也可以总结为3点：模型预测效果好、模型参数是稳定且“正确”的、模型结果容易解释。 （1）模型的预测效果好，这是数据科学成功的关键。 （3）数据科学家将模型搭建好了，并不是一个数据科学项目的终点。为了充分发挥数据的价值，需要将模型结果应用到实际的生产中，参与这个过程的不仅有懂模型的数据科学家，还有更多非技术的业务人员。
64120发布于 2018-09-29 - 来自专栏数据科学与人工智能
【数据科学】教你成为数据科学“大咖”！
以往高等学府才能接触到的计算机科学和数据科学，也随着这次风潮来到了公众面前。OSDSM，即数据科学开源课程，能够从理论和技术两方面，帮助人们学习有效利用数据的核心技能。 二、学习数据科学的动力 现在数据科学家岗位面临极大的缺口。所谓数据科学家，就是同时掌握统计学 知识与程序设计技巧，能够服务大数据开发的技术专家。成为一名数据科学家，就有了大数据时代互联网行业的通行证。 一名数据科学家所需的核心能力——好奇、聪明，能进行流畅的数据分析，有研究的耐心，有严谨的科学态度，对事物持普遍怀疑态度（这些都是将数据科学家从其他人中区分出来的特质）——是所有行业的人中广泛具有的。 数据科学的平台和工具正通过开源得到了极大丰富，大数据时代的数据科学家也通过开源不断增加。 此外，还有另一项趋势可以缓解现在的人才缺口：数据科学民主化。 四、从这里开始：数据科学的课程表 这些数据科学的开源课程，从数学、编程等几个方面塑造数据科学“大咖”。这不是为了重温大学课程，而是以问题导向准备知识。
1.4K40发布于 2018-02-28 - 来自专栏数据科学与人工智能
【数据科学】数据科学中的 Spark 入门
Apache Spark 为数据科学提供了许多有价值的工具。 随着 Apache Spark 1.3.1 技术预览版的发布，强大的 Data Frame API 也可以在 HDP 上使用数据科学家使用数据挖掘和可视化来帮助构造问题架构并对学习进行微调。 我们将通过一系列的博客文章来描述如何结合使用 Zeppelin、Spark SQL 和 MLLib 来使探索性数据科学简单化。 总结 数据科学家们使用许多种工具进行工作。Zeppelin 为他们提供了一个新工具来构建出更好的问题。 在下一篇文章中，我们将深入讨论一个具体的数据科学问题，并展示如何使用 Zeppelin、Spark SQL 和 MLLib 来创建一个使用 HDP、Spark 和 Zeppelin 的数据科学项目。
1.9K60发布于 2018-02-26 - 来自专栏PPV课数据科学社区
【推荐】数据科学家与数据科学。
一、数据科学家的起源 "数据科学"（DataScience）起初叫"datalogy"。 Jeff Wu做出题为“统计学=数据科学吗？的演讲，建议统计改名数据的科学统计数据的科学家。 二、数据科学家的定义 数据科学(Data Science)是从数据中提取知识的研究，关键是科学。 数据科学并不局限于大数据，但是数据量的扩大诚然使得数据科学的地位越发重要。 数据科学的从业者被称为数据科学家。数据科学家通过精深的专业知识在某些科学学科解决复杂的数据问题。 西北大学决定从2012年9月起在其工程学院下成立一个主攻大数据分析课程的分析学研究生院，并开始了招生工作。
90360发布于 2018-04-20
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