大数据

今天对于企业来说已经不是信息时代，而是敏捷时代。稀缺资源不再是信息，而是注意力！

虽然没有人知道数据领域的未来如何，但有一点很清楚——新技术将使我们能够进一步利用我们的数据。无论是新技术和服务的出现，还是现有的功能的增加，开发人员都将拥有更丰富的工具来构建数据管道和平台。

近年来，无监督的深度神经网络在计算机视觉技术、自然语言处理和语音识别任务上都已经取得了很大的进步，而在信息检索的排序上却仍在原地踏步，没有太大的改进。其中的原因可能在于排序问题本身的复杂性，因为在没有监督信号的情况下，神经网络很难从查询内容和文档中获取信息。因此，我们在这篇文章中提出了使用“弱监督”来训练神经排序模型。也就是说，所有训练所需的标签都是机器自己…

作者:鲍忠铁 普惠金融的发展对金融产品的风险控制提出了较大的挑战，银行已有的风控方式已经不适合很多年轻的客户。过于保守的风控方法，在很大程度上，错误地拒绝了很多合格贷款人，同时又放过了一些不合格的申请人。 大数据风控同传统风控在本质上没有区别，主要区别在于风控模型数据输入的纬度和数据关联性分析。据统计，目前银行传统的风控模型对市场上70%的客户是有效的，但是…

作者：Ankit Gupta 摘要： 本文例举了一个针对数据科学家的数据降维测试，测试总共有40道题，涉及的内容主要有PCA、t-SNE以及LDA降维技术。想检验下自己对降维技术掌握的情况就赶快测测吧。 注 PCA：主成分分析（Principal Component Analysis） T-SNE：t-分布随机邻域嵌入（t-Distributed Stoch…

结论那么如何获得数据科学的工作呢。一些建议自2012年以来，我面试了近20份数据科学工作，以下是一些总结：公司经常使用面试来了解他们真正寻找……

日志分析，并非大数据“雕虫技” 经过长期的信息化建设，企业积攒了成百上千套系统，每天产生海量的日志信息数据。然而，大量的日志信息往往被遗弃、或存放历史库中，未能有效发挥其价值。部分企业逐步意识到日志信息的重要性，部署了Tivoli等管理系统，但这种传统解决方案，对半结构和非结构化数据适应性极差，且局限于历史数据的统计展示，对日志数据的获取、使用和价值发挥均存…

俗话说，“一口气吃不成胖子”，企业如何科学地搭建适合自己的大数据视野呢？

为了满足日益增长的业务变化，京东的京麦团队在京东大数据平台的基础上，采用了Hadoop等热门的开源大数据计算引擎，打造了一款为京东运营和产品提供决策性的数据类产品-北斗平台。

准备开始一个激动人心且热门的职业生涯？ 以下是您需要了解的数据科学家所做的工作，以及如何在这个需求领域中具有竞争力。 看看任何科技出版物发布的年度最具需求的工作，几乎所有的人都会告诉你同样的答案：数据科学家。 它被称为“21世纪最性感的工作”，并被Glassdoor评为2016年至2017年度的最佳工作。有大量的炒作话题围绕着这一职业，但这是有道理的：数据科…

大数据不是洪水猛兽，而是洪荒之力；大数据不是云里雾里，而是腾云驾雾

大数据是新的机会，对于运维也是重新的开始，未来的挑战很大，与大家共勉

在《未来简史》这篇书评中，作者Yuval Noah Harari将把重点放在“数据主义”(Data-ism)上。它也是书中的另一个主题。具体地说，关于世界各地的非500强企业如何能够采用数据主义去获取见解以及商业优势。

在当今的大数据时代，如何利用好海量的大数据来为理财服务，是财富管理机构共同思考的问题。

所谓数据科学家就是比软件工程师更擅长统计学，比统计学家更擅长软件工程的人。