R语言

主成分分析（PCA：Principal Component Analysis）非常有助于我们理解高维数据，我利用Stack Overflow的每日访问数据对主成分分析进行了实践和探索

数据科学家这一职业如今炙手可热，但是数据科学家也分应用型和研究型，并不如我们想象中那么高不可攀。尤其是在很多既有的工具或资源可用的情况下，数据科学的钻研可深可浅，就看你能玩到哪个级别。如今很多非科班出身的转行搞数据科学，也不是什么很稀罕的事。这不，物理学系出身的 Admond Lee 就写了一篇他的第一次实习数据科学工作的经历，希望对有志于从事数据科学职位的读者们有所启示。

想要精通数据科学，你必须不断地实践。

是的，你没有看错，数据科学领域从业者最离不开的两大编程语言，当红炸子鸡 Python 和“过气网红”R 真的要展开合作了。近日，URSA 实验室宣布，R 和 Python 正携手合作，旨在让使用不同编程语言的数据科学家能够更轻松地协作，避免不同语言开发人员的过多重复工作，这或许会成为今年最雄心勃勃的交叉事件。有网友对这次合作发表评论道：“这个真的蛮历史性时刻的”，不过也有网友调侃“两个最慢的语言正在合作”，你怎么看？

本文基于 豆瓣电影 网站的爬虫实例， 对 RSelenium 包的使用做了初步的介绍。

这篇文章是我喜欢和每天使用的10个包，并且我希望自己能早些知道他们。

理解数据，首先要观察原始数值并且计算基本的统计量。本文带你探索如何在R中利用描述性统计快速处理数据集，尤其适合用r处理机器学习的初学者。

你希望学习文本挖掘，却发现大多数教程难度跨度很大？或者说你找不到心仪的数据集？

Python 和 R 语言都具有健全的生态系统，其中包括了很多开源工具和资源库，从而能够帮助任何水平层级的数据科学家展示其分析工作。

为什么要用 Python 呢？

有关人工智能、神经网络、机器学习、深度学习与大数据的技术合辑

如果用活在网盘的大热门美剧《权力的游戏》中的角色，来解读这个排行榜，会有一些有趣的发现，死了又被复活的囧雪代表的是python，而复活他的梅姨却是ruby？而最好的语言PHP又是谁，一起来看看吧~

IEEE Spectrum 发布了第四届顶级编程语言交互排行榜

这个世界每天都在源源不断地生产数据，而人们尤其是商界往往希望从这些数据中获取到有价值的信息。而这一点也促使很多试图从数据中提取有用信息的数据科学家们（或被叫做数据分析师、数据挖掘者等等听起来不错的称谓）不断地进行探索。

本篇文章通过R与excel的功能对比介绍如何使用R通过函数式编程完成excel中的数据处理及分析工作。