- 综合排序
- 最热优先
- 最新优先
- 来自专栏Spark学习技巧
金融领域7大数据科学案例
源：数据科学与人工智能 作者：Igor Bobriakov 本文约2639字，建议阅读5分钟。 本文为你分享一份对金融行业影响最大的数据科学应用清单。 2 金融领域应用那些数据科学方法？ ? 近年来，数据科学和机器学习应对一系列主要金融任务的能力已成为一个特别重要的问题。 公司希望知道更多技术带来的改进以及他们如何重塑业务战略。 因此，数据科学和人工智能在交易领域进行了革命，启动了算法交易策略。 世界上大多数交易所都使用计算机，根据算法和正确策略制定决策，并考虑到新数据。 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
2.7K40发布于 2018-06-22 - 来自专栏龙行天下CSIEM
科学瞎想系列之一二九 电机绕组(7)
告诉你经过严谨的科学推导，二者的乘积就等于气隙磁密与旋转磁场的线速度的乘积，考虑到BOSS们的数学基础和篇幅所限，这里就不详细推导了，只需你记住一点，就是用“Blv”观点推导时，其中的B要用气隙磁密，而不是用槽内磁密即可 【相关阅读推荐】 科学瞎想系列之一二三 电机绕组(1) 科学瞎想系列之一二四 电机绕组(2) 科学瞎想系列之一二五 电机绕组(3) 科学瞎想系列之一二六 电机绕组(4) 科学瞎想系列之一二七 电机绕组 (5) 科学瞎想系列之一二八 电机绕组(6)
2.6K40发布于 2021-03-15 - 来自专栏数据科学与人工智能
【资料】7篇重要的数据科学论文
笔者邀请您，先思考： 1 您阅读过哪些经典的数据科学论文？请留言 这是回到学校的时间，这里有一些论文让你在这个学年忙碌。 所有论文都是免费的。 这份清单远非详尽无遗，但这些是数据科学和大数据方面的一些重要论文。 谷歌搜索 PageRank - 这篇论文解释了Google搜索背后的算法。 原文链接： http://101.datascience.community/2013/08/26/7-important-data-science-papers/ 版权声明：作者保留权利，严禁修改，转载请注明原文链接
1.3K30发布于 2018-10-08 - 来自专栏数据科学与人工智能
【数据科学】数据科学家的7种统计学使用场景
数据科学家可以告诉你销售额增涨了5%的潜在因素，帮助你理解：什么驱动了销售，下个月的销售将如何，值得关注的潜在趋势是什么。 数据科学家可以通过整合全局数据和先验知识，获得一个令人满意的估算，报告估算的性质，并总结出估算的意义。 7. 用数据去讲故事 在公司里，数据科学家的角色就像是数据和公司之间的使者。沟通是很重要的；数据科学家必须用一种公司可以接受的方式去解释这些洞察，同时不能丧失数据的保真度。 数据科学家并不是简单的汇总数据，而是需要解释为何这些数据是重要的，以及从中可以获得的可执行的洞察是什么。 数据科学家是公司里讲故事的人，传达着数据的意义，以及数据对公司的重要性。 借助于统计学，数据科学家们得到了洞察，去鼓励决策以改进产品或商业；同时从数据中提取出了可执行的洞察，以促进公司的愿景。
1.1K80发布于 2018-02-26 - 来自专栏技术翻译
给想要学习数据科学的人的7个资源
写在前面 “数据科学”中的关键词不是数据，而是科学 - 杰夫·莱克 约翰霍普金斯大学彭博公共卫生学院教授Jeff Leek在5年前写道：“数据科学中的关键词不是'数据'，是'科学'。 仅在使用数据回答问题时数据科学才有用。这是等式的科学部分。这种数据科学观点的问题在于它比关注数据大小或工具的观点要困难得多。 7种资源的名单 简而言之，7种资源是： The Drunkard’s Walk，Leonard Mlodinow的书 Machine Learning Course，由斯坦福大学出版，由Andrew Ng 很多资源你可能同时用到，第4至7项几乎肯定会成为您作为数据科学家永远的日常工作的一部分！ 详细介绍 The Drunkard’s Walk 许多年前（2009年？） 原文标题《7 Resources for Those Wanting to Learn Data Science》 作者：Bruno Trentini 译者：February 不代表云加社区观点，更多详情请查看原文链接
82320发布于 2018-12-06 - 来自专栏数据科学与人工智能
【数据】金融领域7大数据科学案例
2 金融领域应用那些数据科学方法？ ? 近年来，数据科学和机器学习应对一系列主要金融任务的能力已成为一个特别重要的问题。 公司希望知道更多技术带来的改进以及他们如何重塑业务战略。 数据科学和人工智能（AI）在风险管理中最重要的应用是识别潜在客户的信誉。 为了为特定客户建立适当的信用额度，公司使用机器学习算法来分析过去的支出行为和模式。 因此，数据科学和人工智能在交易领域进行了革命，启动了算法交易策略。 世界上大多数交易所都使用计算机，根据算法和正确策略制定决策，并考虑到新数据。 我们认为，我们主要关注金融领域的7大数据科学用例，但还有很多其他值得一提的。 如果您有任何进一步的想法，请在评论部分分享您的想法。 原文链接： https://medium.com/activewizards-machine-learning-company/top-7-data-science-use-cases-in-finance
1.8K00发布于 2018-07-30 - 来自专栏万能的小草
成为数据科学家的7件事，必看！
一、概括 本文强调了大数据相关专业学生与实际的数据科学家所需的重要技能之间的一些知识差距。在校期间通常不会教授版本控制、云技术、DevOps 等一些技术技能。 除了硬技能之外，将讨论成为更具适应性的数据科学家所需的软技能，例如向上管理。 小公司的数据科学家需要更广泛的技术堆栈。除有信心留在大公司直到退休，否则强烈建议学习一些DevOps和云计算。 学习版本控制工具，例如git和docker 在一个团队中工作。 每个人都投入最多时间的硬技能很少对数据科学家构成挑战。 3.职位描述不代表实际工作内容 有人说数据科学家是最性感的工作。我想说只有工作描述才是性感的。企业用它来吸引尽可能多的应聘者。 7.什么时候换工作？ 通常，招聘人员会在官网或maimai、boss邀请参加工作面试。如果没有收到任何信息，请查看boss个人资料并在那里展示相关技能。
42010编辑于 2024-07-23 - 来自专栏龙行天下CSIEM
科学瞎想系列之一〇一 NVH那些事(7)
节也过了，假也完了，该玩的都玩了，本瞎想系列文章也进入了第二个一百期，这是一个新的起点。本期继续我们的NVH，前面的几篇长篇大论许多宝宝都反映太长了，今天我们就来篇短的，说说气隙偏心原因引起的力波特点。 因制造公差和长时间运行磨损，都会导致转子外圆和定子内圆产生偏心。如图1所示，偏心有两种情况：一种是静偏心，是定转子不同心造成的，通常运行磨损、制造和装配精度不够，往往会造成静偏心；另一种是动偏心，主要是转子外圆与轴不同心或转子不圆造成，轴和定子内圆还是同心的，这种情况下转子旋转时，偏心位置也在发生变化。
1.6K20发布于 2019-10-12 - 来自专栏AI科技大本营的专栏
2018未来科学大奖揭晓：袁隆平、马大为、林本坚等7位科学家获奖
整理 | 非主流 出品 | AI科技大本营 9 月 8 日下午，第三届未来科学大奖在北京公布最终获奖者，李家洋、袁隆平、张启发获生命科学奖；马大为、冯小明、周其林获物质科学奖；林本坚获数学与计算机科学奖 中国科学院院士、美国科学院院士、德国科学院院士，研究员，博士生导师。曾任农业部党组成员、副部长，中国农业科学院院长。 张启发，作物遗传育种和植物分子生物学家， 中国科学院院士、第三世界科学院院士、美国国家科学院 外籍院士，华中农业大学生命科学技术学院教授、博士生导师。 未来科学大奖目前设置了“生命科学奖”、“物质科学奖”和“数学与计算机科学奖”三个奖项。 生命科学奖涵盖生命科学相关的基础和应用研究；物质科学奖涵盖物质科学相关的基础和应用研究；数学与计算机科学奖涵盖数学与计算机科学相关的基础和应用研究。
91350发布于 2018-09-28 - 来自专栏AI研习社
数据科学家必看！处理数据的 7 个小技巧
原标题 | 7 Tips for Dealing With Small Data 作者 | Daniel Rothmann in Towards Data Science 译者 | 朱惠94（上海大学 在这篇文章中我会分享7个小技巧，能帮助你在用小数据集建立原型时改善成果。 ? 7：尝试弱学习者的组合 有时，你只需要面对一个现实，你就是没有足够的数据来搞胡里花哨的东西。 本文编辑：王立鱼 英语原文：https://towardsdatascience.com/7-tips-for-dealing-with-small-data-7ffbd3d399a3 想要继续查看该篇文章相关链接和参考文献
54930发布于 2019-07-16 - 来自专栏CDA数据分析师
成为数据科学家的7本入门推荐书籍
作者 Tomi Mester 编译 王下邀月熊_Chevalier 来源：segmentfault 过去的几年中我一直在阅读各式各样的数据科学方面的书籍资料，上述7本是我个人最为欣赏的，它们都是我认为的将数据科学的基础原理阐述的通俗易懂的很有价值的资料 Charles Wheelan 这本书我一直很是推荐，因为它不仅仅面向数据科学家，而是为任何一个行业的人提供基本的统计思维，这一点恰恰是我认为非常关键的。 不过我也不会一上来就扔出大堆的编程知识，我建议还是从简单的命令行操作开始学起，而本书正是介绍如何只用命令行就帮你完成些数据科学的任务。 6. Python for Data Analysis?—? 7. I heart logs?—?Jay Kreps 最后一本书则是短小精悍，加起来才60多页吧。 不过它对于数据收集和处理的技术背景有很好的概述，虽然很多分析家或者数据科学家并不会直接用到这些知识，但是至少你能够理解技术人员们可以用哪些架构去解决数据问题。
1.7K60发布于 2018-02-23 - 来自专栏PPV课数据科学社区
【工具】数据科学家必知必会的 7 款 Python 工具
由 Galvanize 数据科学家 Benjamin Skrainka 提供。 由 Galvanize 专家，数据科学家 Nir Kaldero 提供。 PuLP 线性编程是一种优化，其中一个对象函数被最大程度地限制了。PuLP 是一个用 Python 编写的线性编程模型。 Galvanize 公司的首席科学官 Mike Tamir 供稿。 Scikit-Learn Scikit-Learn 是一个简单有效地数据挖掘和数据分析工具（库）。 由 Galvanize 数据科学家 Benjamin Skrainka 提供。 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
99260发布于 2018-04-20 - 来自专栏龙行天下CSIEM
科学瞎想系列之八十六 永磁电机(7)
前面几期瞎想讲了永磁电机的基本知识，还具体讲了几种永磁电机恒速运行的工况分析，从本期开始老师给宝宝们讲一讲永磁电机变速运行的事。所谓变速运行顾名思义就是运行在转速需要变化的工况，由于转速的变化，电机的反电势、频率、交直轴电抗等固有参数也随之变化，另外随着转速的变化，负载参数也会随之变化，这就使得其内部电磁过程变得异常复杂，与恒速运行相比，变速运行分析起来会更加繁琐。虽然辣么复杂繁琐，但谁让老师辣么牛X呢？再难的事经老师给你辣么一捋，你就全明白了！好！接下来老师就给宝宝们慢慢的捋。和恒速运行一样，做变速运行的永磁电机也有发电机和电动机，我们先说永磁电动机，以后再说发电机。从哪儿说起呢？就先从永磁电动机所带的负载说起吧。 为了防止不良媒体盗版，这里插播一段广告，喜欢老师瞎想系列的宝宝敬请关注俺的公众号：龙行天下CSIEM
1.2K20发布于 2018-10-10 - 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
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。 2002年，国际科学理事会：数据委员会科学和技术（CODATA）开始出版数据科学杂志。 2003年，美国哥伦比亚大学开始发布数据科学杂志，主要内容涵盖统计方法和定量研究中的应用。 2012年，O'Reilly媒体的创始人 Tim O'Reilly 列出了世界上排名前7位的数据科学家。 Larry Page，谷歌CEO。 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。
1.5K90发布于 2018-02-26 - 来自专栏相约机器人
GitHub上的7个数据科学项目，以展示机器学习技巧！
作者 | Pratyush Tripathy 来源 | codeingschool 编辑 | 代码医生团队 概观 轻松应对数据科学项目是一个令人难以置信的方法，以摆脱挑战看看GitHub上的这7个数据科学项目将改善成熟能力范围这些 拍摄玩具数据集并利用著名的数据科学图书馆和系统是一个不错的开端。但是如果真的需要脱离挑战，那么必须跳起来并将自己分开。 一个出色的方法是对数据科学的最新飞跃做一个承诺。需要变成计算机视觉大师吗？ 观点是 - 始终如一地准备并愿意接受新的数据科学策略。这是业务中最快的发展领域之一，作为数据研究人员需要与之一起发展。 在这些方面，如何看待2019年8月制作的七个数据科学GitHub项目。 顶级数据科学GitHub项目 ? 将这些数据科学项目分为三大类： 机器学习项目 深度学习项目 编程项目 机器学习项目 pyforest-在一行代码中导入所有Python数据科学库 https://github.com/8080labs/
98720发布于 2019-09-17 - 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。
1.1K90发布于 2018-02-26 - 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。 2012年，O’Reilly媒体的创始人 Tim O’Reilly 列出了世界上排名前7位的数据科学家。 Larry Page，谷歌CEO。 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。 [7].IBM – What is a Data Scientist?
1.9K60发布于 2018-02-27 - 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
研究小组有5名成员，但最后只有2个人选择去更深入地研究这个领域（数据科学并不适合每一个人）。 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 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
1K100发布于 2018-02-27 - 来自专栏量子位
7年前去搞数据科学、放弃天文学，现在我后悔了
萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI “事情已过去7年，是时候承认了：我对离开学术界感到深深的遗憾。” “这只是我自己的观点，毕竟许多人庆幸离开学术界……” 这是一名曾经的天体物理学博士Marcel Haas，在从事了7年数据科学的岗位后，发出的心声。 他表示，自己并非因为工作不顺，恰恰相反，他现在的数据科学工作做得还不错。 后悔离开学术界，其实另有原因。 七年前vs现在 事情得从7年前说起。 Marcel刚退出学术界、开始数据科学生涯时，曾表示，天文学的不确定性太大了。 他说，如果无法跻身前列，就只能被分配到有人才需求的地方搞研究（可能很偏僻，例如有天文望远镜的研究所）。 网友Konstantin Anthony认为，数据科学也能为天文学带来帮助，说不定会有交叉应用，多掌握一项技术总是没问题的。 “退休后重返学术界，感觉很好。”
33920编辑于 2023-03-10 - 来自专栏数据分析1480
数据科学系列:数据处理(7)--字符串函数基于R(三)
这一部分，将R语言stringr包中的使用正则表达式的字符串函数简单介绍一下，会用到正则表达式的相关内容，有关正则表达式的知识可以回顾R&Python Data Science系列:数据处理(6)--字符串函数基于R(二)
1.3K10发布于 2019-11-21
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