数据科学家

论大数据“砖”家的典型特征。

一个源自18世纪的数学理论有可能解释精神障碍者的思维缺陷。

大数据在2016年面临的最大挑战是将重点从“怎样做”的技术驱动型转向关注“为什么”的商业驱动型。吸引并训练那些能用数据科学能力理解一个特定的业务的人才，并鼓励他们在企业中领头。

如果你的公司正着手开启你的大数据分析之旅，不要烦恼：你不是一个人，这条船上大有人在。但是你需要加倍努力才能赶上数据分析的领头羊们。

要成为一名卓有成效的数据科学家，你必须认识到，你的工作不只是研究。你必须对自己的工作进行定量和定性，使全公司都能理解。

怎样去给问题构建框架?怎样去交流你的结论?学习自由的艺术。

精准营销需要解决的问题是：哪些用户是某个产品或者营销活动的目标用户?或者是每个用户最适合推荐什么产品?前者是找目标用户，后者是为用户推荐产品，两者是类似的。

据哈尔?瓦里安(Hal Varian)说，统计学家是下一个性感的工作。五年前，在《什么是Web 2.0》里蒂姆?奥莱利(Tim O’Reilly)说“数据是下一个Intel Inside”。但是这句话到底是什么意思?为什么我们突然间开始关注统计学和数据?

大数据入门的四个必备常识，看完这篇文章让你对大数据入门有一个清晰的认知。

作者早先的一篇关于语言概率模型的论文开创了神经网络做语言模型的先河，启发了一系列关于 NLP 的文章，进而在工业界产生重大影响。此外，他的小组开发了 Theano 平台。以下是人工智能大拿解答机器学习30个问答。

本文大部分内容来源于 Bart Baesens 所著《Analysis in a Big Data World:The Essential Guide to DataScience and its Applications》。中文书名为《大数据分析数据科学应用场景与实践精髓》柯晓燕张纪元翻译

如今，数据科学家已是炙手可热，那些曾经对其毫无所知的企业，眼下也开始在全世界搜寻最好的数据科学家。问题在于，优秀数据科学家的标准是什么?

围绕如何连接数据科学与其他业务功能，我把它分为三个概念：我们如何定义数据科学，如何用它来做商业决策，以及如何通过它扩展到Airbnb的各方面。

最近机器学习很火，前面我们也介绍了很多机器学习的相关知识。那么平时数据科学家们上班的时候都在做些什么事情呢？今天就让我们一起来探究一下。

摘要：「Think Big Data」发布的信息图展示了 12 种实现不同应用目的的最重要的算法。 算法已经成为我们日常生活的一个重要组成部分，它们几乎出现在商业的任何领域。调查公司 Gartner 称这种现象为「算法化商业」，算法化商业正在改变我们经营和管理公司（应有的）的方式。现在，你可以在「算法市场」上买到这些适用于各个商业领域的多种算法。算法市场为开…