商业领域的数据科学家和侦探类似:去探索未知的事物。不过,当他们在这个旅程中冒险的时候，他们很容易落入陷阱。所以要明白,这些错误是如何造成的,以及如何避免。 “错误是发现的入口。”——James Joyce (著名的爱尔兰小说家)。 这在大多数情况下是正确的,但是对于数据科学家而言,犯错误能够帮助他们发现新的数据发展趋势和找到数据的更多模式。说到这儿,有一点很重要:要明白数据科学家有一个非常边缘的错误。数据科学家是经过大量考察后才被录用的，录用成本很高。组织是不能承受和忽视数据科学家不好的数据实践和重复错误
Instacart数据科学副总裁Jeremy Stanley和前LinkedIn数据领导Daniel Tunkelang的这篇文章，可以解答你的所有问题！
在从学界(粒子物理学博士后研究员)进入业界(数据科学领域)时，Emily Thompson也曾有过犹疑。而现在，在担任 Insight 项目总监10个月之后，她对数据科学家有了自己独特的看法。近日，她在一篇 文章 中就当前人们对数据科学的误解谈了自己的看法，主要涉及数据科学家的职责、应用领域、工作环境、职业发展、技能集合等方面。 误解一：“‘数据科学家’只是‘业务分析师’的一种花哨叫法，他们本质上是相同的” 在数据科学领域，业务分析师仍然占了很大一部分，而数据科学家也构建数据产品，创建软件平台，实现可视化
作者：谢丽 审校：郭蕾 摘自：InfoQ.com 在从学界（粒子物理学博士后研究员）进入业界（数据科学领域）时，Emily Thompson也曾有过犹疑。而现在，在担任Insight项目总监10个月之后，她对数据科学家有了自己独特的看法。近日，她在一篇文章中就当前人们对数据科学的误解谈了自己的看法，主要涉及数据科学家的职责、应用领域、工作环境、职业发展、技能集合等方面。 误解一：“‘数据科学家’只是‘业务分析师’的一种花哨叫法，他们本质上是相同的” 在数据科学领域，业务分析师仍然占了很大一部分，而数据科学家
大数据文摘作品，转载要求见文末 原作者 | Roosevelt Bowman 编译 | 璐，大饼，Aileen 考虑一下这个问题：尽管对于数据科学的热情不断攀升并且像《点球成金》这样的电影票房大卖，但是在全美橄榄球联盟（NFL）和全美篮球协会（NBA）里依然看不到数据分析师的身影。对于一些了解数据科学的人，把数据科学用在赛场博弈决策和球员挑选上的潜在好处是非常明显的，但在非数据科学行业，情况却并非如此。 为什么呢？最主要的原因是“数据科学”这个词汇并没有被广泛理解。对于非专业人士而言，数据科学是一个会引起
按要求转载自36kr 作者 | 欧开磊 数据科学为什么对很多创业公司如此重要？公司应该在什么时候在数据科学方面进行投入？应该将数据科学团队放在公司里的什么位置上？如何营造一个尊重数据科学的文化氛围？ 编者按：Jeremy Stanley是日用杂货当日送达初创企业Instacart主管数据科学的副总裁，Daniel Tunkelang是前LinkedIn的数据主管。作为在数据科学领域身经百战的老将，他们在这篇文章中为那些想打造一支属于自己的数据科学团队的公司CEO们提供了一些建议，主要涵盖了这几个问题：数据科
摘自：36氪 （36kr.com/p/5045605.html) 作者：达达 原文链接：http://firstround.com/review/doing-data-science-right-your-most-common-questions-answered/ Jeremy Stanley 是日用杂货当日送达初创企业 Instacart 主管数据科学的副总裁，Daniel Tunkelang 是前 LinkedIn 的数据主管。作为在数据科学领域身经百战的老将，他们在这篇文章中为那些想打造一支属于
《State of Data Science 2021》发展报告中，报告主要从数据科学的领域，分别从商业环境和学术机构对数据科学的看法，以及学生对未来规划等这些论点进行研究。
资深数据从业者、Taxify(一家欧洲打车软件公司)数据科学家Maksim Butsenko就这一问题采访了数百人，并得到一个结论，即使是那些具有强大技术背景的人，也往往缺乏一些基本技能。
作者：DATAFLAIR TEAM 原文链接：https://data-flair.training/blogs/data-science-applications/
如今数据给业务增长和利润创造了前所未有的机会。近十年来,随着先进的数据技术和出众的分析工具的出现，使得企业经营者可以从他们的数据资产获得众多利润,但他们中大部分才刚刚涉及到数据潜力的皮毛。数据科学正使得企业能够前所未有的利用其潜力。 McKinsey report 在2013年发布的一份报告中预测,全球商界会在未来十年中面临数据科学专业人员的 严重短缺,尤其是擅长从大量的静态和动态的(实时)数据中获取竞争情报的 “150万名分析师”。 随着这个的预测的成真,企业对数据管理的日益重视以及高等教育机构是使整个
原作者 Ramesh Ilangovan 编译 Mika 本文为 CDA 数据分析师原创作品，转载需授权 商业咨询平台bridgei2i近期列出了数据科学领域的15位最具影响力人物，那么在数据科学领域有哪些值得关注的声音呢？ 数据行业在迅速的发展，几乎每天都会出现新的技术和方法。因此，想要跟上这个行业的步伐是有挑战性的。在本文中，我列出了15位在科技和数据科学领域最具影响力人物，他们不仅仅是数据科学专业人士和关注该领域人群的灵感来源，同时关注他们也确保你能够了解该领域的发展动向。 当中我没有涉及到社
当时人们连公司的名字都不会发音，如果不算正在接受心理咨询的哥们儿，实习生，旁边咖啡店里的咖啡师，团队只有大约七个人。我们的公司就在创始人在SOMA的公寓旁。工作环境也十分简陋。
实验科学更像是一种将实体表征为人类可识别信息的一个过程，这个过程产生了海量高维复杂的数据，即数字化。统计学、机器学习和深度学习等从数据中寻找规律和发现知识。回顾从药学专业毕业，然后经历很多各种实验和实验数据的产生过程，再加上从事计算的经历，以及最近几年在数据挖掘和AI领域的深入，深知数据科学和AI在制药行业变革中的巨大潜力。通晓数据的产生以及数据挖掘是智能化的基石，药学教育也应该顺应时代和产业需求建立交叉学科人才的培养。
本文的两位作者分别是 Instacart 负责数据科学业务的副总裁 Jeremy Stanley，以及技术顾问、LinkedIn 前数据业务负责人 Daniel Tunkelang。
5年前 我加入Airbnb成为了一名数据科学家。那个时候，只有很少的人知道这家公司，而整个公司只有7个人。
大数据文摘作品 编译：张馨月、黄文畅、蒋宝尚 在你的印象中数据科学是21世纪最性感的工作，他不仅能够带来满意的薪酬，而且领域内大量高技能的“极客” 会帮你享受到思想碰撞的乐趣。 但英国《金融时报》的一篇文章中提到：“数据科学家每周花1-2个小时寻找新工作。”此外，文章还指出“在要找新工作的程序员的列表中，机器学习专家们以14.3%的比例名列第一。数据科学家们紧随其后，为13.2%。”这些数据是从对Stack Overflow 上的64000名程序员的问卷调查中来的。 那么，为什么有这么多的数据科学家在寻找新
随着技术推动机器学习和人工智能的快速发展，跟上数据科学的发展趋势已经变得非常重要。当然，阅读外面的一切可能会变得很有挑战性。 播客是一个让自己不断更新的很好选择。近年来，随着数据科学产业的迅猛发展，已
在大数据时代，每天都有大量的数据涌现出来，因此各地的企业都摩拳擦掌想从海量数据中挖宝。他们越来越依赖数据科学家利用数据创造的商业价值。
作者 | 魏子敏，Yawei Xia 薛娅菲和Aileen对本文亦有贡献 *本文为清华数据科学研究院联合大数据文摘发起的《数据团队建设全景报告》系列专访的第一篇内容。 从某种程度上讲，目前硅谷乃至全球最火爆的职业【Data Scientist】始于LinkedIn。 2008年，LinkedIn的数据科学团队负责人DJ Patil 和Facebook的Jeff Hammerbacher分别建立了全世界前两个真正意义上的数据科学团队，并且开始用“数据科学家（data scientist）这个词来描述他们的工作
5年前 我加入Airbnb成为了一名数据科学家。那个时候，只有很少的人知道这家公司，而整个公司只有7个人。 把我招进来是我们创始人特别具有前瞻性的行为，大数据的热潮决定了数据是有竞争优势的，但这一般是公司到成熟期才会重视的部分。当时Airbnb希望可以快速发展，而我被这个公司的文化所吸引，即使那时候只有很少的数据，我也开始承担起数据相关工作。 硅谷的早期创业公司有着浪漫的特质：行动迅速、只做出基础决策，任何好的想法都有可能成功，我非常认同这些。 回到那时候，当我们对商业上开创性的业务还知之甚少的时候，数据基
作者|Paramita Ghosh 选文&校对|寒小阳 翻译|姜范波 今天，数据正在以前所未有的方式创造和促进着企业成长和商业利润。在过去的十年间，先进的数据科技和高级分析工具的出现，已经使商界精英们从他们的数据中收获无数的利益，然而，对大多数人而言，他们只是触及了数据潜能的最表面。数据科学正在开天辟地的让企业成功地撬动这个巨大的潜能。 麦肯锡2013年出版了一份特别的报告，预言全球商业界将会感觉到下一个十年数据科学专业人士的紧缺，尤其是善于从大量静态和动态（实时）数据中发现有价值的情报的数据分析师，缺
数据科学家自我修养——一份数据科学的开放课程清单 最近一年以来，大数据这个概念被吹嘘的天花乱坠，仿佛你要是不说大数据就落伍了。继云计算之后，大数据已然成为IT行业的热点。《哈佛商业评论》更是宣称“数据科学家”是二十一世纪最性感的职业。所谓性感，既代表着难以名状的诱惑，又说明了大家都不知道它干的是什么。这里我不想重复什么是大数据，什么是数据科学，而是想以个人过去接近2年时间通过MOOC（开放课程）来学习数据科学的实践来给出一份个人建议的数据科学学习之路的课程清单。 数据科学家的自我修养 Drew Conway
导读：如今，数学科学家的需求依然很大。在美国求职网站 Glassdoor 的最佳职位中，数学科学家连续三年排在第一，并且其年薪中位数能达到110,000美元。由于现在几乎每家公司都有能力收集数据，并且随着数据量越来越大，许多公司都需要能有效组织和分析这些信息的员工。
选文|Aileen 翻译|冯琛 姜范波 校对|黄文畅 虽然团队组织结构的演化允许数据科学家团队繁荣兴旺，但是公司的成功源于“精准定位”于两件事：发自肺腑地关爱员工，积极主动的数据驱动决策。不论是开发可持续利用的开源工具还是奋力改进数据科学部门的多样性，Airbnb数据科学团队负责人Alok很清楚，Airbnb追求的事都要贯彻这两个原则。 ◆ ◆ ◆ 超级增长：短短几年，从5到70+数据科学家 在2013年，Airbnb只有一个5人数据科学团队，集中地为公司的数据需求提供服务。此后，他们成长为最大的、也
大数据文摘作品 作者：seattle data guy 编译：王梦泽、吴双、蒋宝尚 想成为一名高级数据科学家除了拥有卓越的专业技能，你还需要其它技能来拉近和业务经理的距离。这看起来简单，但随着每年新技术的不断累积，技术和业务之间的距离会继续增大。因此，我们发现管理者和数据科学家有清晰的合作方向是非常重要的。 业务和IT知识都是十分专业的，然而由于技能的专业化，许多企业都出现了两个专业间的空白。我们的任务是帮助填补它！ 数据科学家必须有技术方面的扎实基本功，这包括编程、查询、数据清洗等。然而随着数据科学家
最近一年以来，大数据这个概念被吹嘘的天花乱坠，仿佛你要是不说大数据就落伍了。继云计算之后，大数据已然成为IT行业的热点。《哈佛商业评论》更是宣称“数据科学家”是二十一世纪最性感的职业。所谓性感，既代表着难以名状的诱惑，又说明了大家都不知道它干的是什么。这里我不想重复什么是大数据，什么是数据科学，而是想以个人过去接近2年时间通过MOOC（开放课程）来学习数据科学的实践来给出一份个人建议的数据科学学习之路的课程清单。 数据科学家的自我修养 Drew Conway给出的数据科学的一个文氏图，很好的诠释了数据科
当涉及到数据科学领域时，你需要使用一些书中的所有技巧，以使自己获得一个使你超越终点的优势。
也许你一直在学习数据科学，也熟读了一大堆教科书，但要获得数据科学相关的职位，你还需要向雇主展示自己的技能水平。最好的方式是作品集，你可以借此向雇主表明你所一直学习的技能能够用于工作中，为公司创造价值。要展示自身技能，这5种类型的数据科学项目可供参考：
欧盟于 2018 年 5 于 25 日出台数据保护条例 GDPR，随之在数据科学领域引起了广泛的讨论，这是因为严格的数据条例，将对数据科学项目，尤其是机器学习领域产生巨大的影响。
本文是作者在赤兔APP“数据挖掘”小组内在线分享的记录的第【2】部分。 本次分享第【1】部分：什么是数据科学。 分享主题：Data Science学习分享会 分享时间：2016年4月18日晚8：00-
随着数据规模的不断扩大和技术的迅速发展，数据科学和大数据领域成为了当今世界的热点话题。在这个领域中，Python作为一种简洁、易学且功能强大的编程语言，拥有广泛的应用。Python在数据科学和大数据领域的强大应用能力对行业发展产生了深远的影响。
导读：根据英国《金融时报》的报道，数据科学家通常“每周会花1到2个小时寻找新工作”。此外，文章还指出：“在声称寻找新工作的开发者中，机器学习专家位居第一占比达到14.3％。数据科学家紧随其后，为13.2％。”这些数据来自由Stack Overflow对6万4千名开发者的调研。
由于人工智能取代人类活动的争论越来越激烈，数据科学家开始体验人工智能辅助自动化的好处和风险。 人们开始对人工智能被用来自动化一切事物的前景感到不安。现在人工智能已经证明了它有能力替代一些蓝领工作（通过机器人等）和白领职业（通过自然语言生成等），围绕这种技术的文化敏感度正在上升。 这也许可以解释为什么当谈到人工智能的影响时，开始看到人们使用“自动化”这样近似同义词的描述。当讨论自动化侵入到人工智能驱动应用程序的开发中时，一些观察者更喜欢使用诸如“操作化”，“生产化”，“扩充”和“加速”等术语。人们还看到围绕“
免责声明：本文中使用术语“数据科学家”，也包括：机器学习工程师、数据分析师、数据工程师、BI分析师等热门职位，它们可以在这里互换使用。
作者 Jonny Brooks-Bartlett 编译 Mika 本文为 CDA 数据分析师原创作品，转载需授权 观看更多国外公开课，点击"阅读原文" 我是一名数据科学家。 很多人都认为数据科学家是21世纪最性感的工作，作为数据科学家有丰厚的薪资，这无疑是一份理想工作。该领域聚集了大量高精尖人才，他们热衷于解决复杂的问题，而且热爱他们的工作。 然而事实上根据英国《金融时报》的报道，数据科学家通常“每周会花1到2个小时寻找新工作”。此外，文章还指出：“在声称寻找新工作的开发者中，机器学习专家位居第一占比达
大数据文摘作品，转载需授权 选文：薛菲 翻译：薛菲,小丛,Aileen,冯丽丽 ◆ ◆ ◆ 译者注 ETL - Extract Transform Load 抽取 转换加载，代表从源数据清洗加工到数据仓库的过程。 这篇文章在Hacker News转载后产生很热烈的讨论，主要是从工程师的角度来看问题，讨论了很多有关人员管理和团队分工等一些很现实的问题。不是所有人都同意文中的观点和解决方案，也有很多人写出了自己的经历来佐证作者的想法。争议主要在于ETL工程师的工作价值以及不同职责间的分工问题。 “您的团队和
作者：高斐、Blake 来源：AI科技评论，已获授权转载 编者注：作者Alec Smith是数据科学领域中资深HR，之所以写这篇文章是因为经常被问到一个问题：“如何才能获得一份数据科学家的职位？” 不仅这个问题经常被问引起了注意，另外问这个问题的人不同的背景也非常很令人感兴趣。作者曾经和以下这些职业的人有过类似对话：软件工程师、数据库开发者、数据架构师、保险精算师、数学家、学术界人士（不同领域）、生物学家、天文学家、理论物理学家—我还能接着往下数。通过和他们的这些谈话，作者发现在这之中有很大的误解存在，很多
大数据文摘作品，转载具体要求见文末 编译团队|寒小阳 owen 我们收集、处理、分析和使用大量数据的能力对社会的各个方面都产生了深远的影响。这种转变导致了新兴学科数据科学的出现。诸多领域对数据科学的兴趣呈现爆炸式的增长，包括社会科学、自然科学和物理学等领域，涉及空前的规模和多样性的数据，通过集聚大量的操作和行为的信息来产生新的服务或收入来源的产业以及需要利用数据更好地造福社会的政府、社会服务和非营利机构。 这一新兴学科依赖于数学和统计建模，计算思维和方法，数据表示和管理和被研究领域专业知识的新的融合。虽然计
数据科学领域的劳动力市场正发生着快速的变化。曾经，能够搭建机器学习模型被认为是只有少数顶尖的数据科学家才能掌握的尖端技能，但如今，有一点基本编程经验的人就能根据教程完成Scikit-learn或者keras的模型训练。
原作者 Kirill Eremenko 编译 Mika 本文为 CDA 数据分析师原创作品，转载需授权 数据科学当之无愧是"21世纪最性感的工作"。本文我们介绍了数据科学相关的五种新兴职业，希望能帮助你选择适合自己的数据科学工作。 如今是数据科学的鼎盛时期... · 世界各地的大学中最热门的新课程都在这个领域； · 数据科学相关专业的毕业生的平均起薪为每年9万3千美元； · 招聘广告中年薪为六位数的数据科学工作司空见惯。 数据科学当之无愧是”21世纪最性感的工作 “。 但是伴随着许多争议，很多人质疑
品觉导读： 1.数据科学家具备很多相邻领域的技能，至少是基本技能（比如工程、开发和运维、产品管理、数学、研究、写作、商业等等），团队最容易出问题的地方之一，就是他们无法专注于那些需要动用这一整套技能才能完成的工作。 2.团队是否拥有足够的数据，以及相应的工具来高效地处理这些数据。如果处理数据时困难重重：因为和生产系统相冲突，没有被文档化，或者收集方式前后不一致，甚至根本就不存在……这个时候，数据科学团队要及时出业绩就很难了。 3.团队必须能自信地报告负面结果，否则正面结果也会失去大家的信任。数据科学团队需要
“如何成为一名卓越的数据科学家？”是我们讨论的主题。 所谓卓越，不是那些纸上谈兵、喜欢“3V”、“4D”、“大时代”的理论家，也不仅是一名手脚利索的码农去实现别人脑袋中的逻辑。 所谓卓越，是只专注最有挑战的问题，并且能将问题解决掉的能力。 卓越的数据科学家，不仅需要建立收集数据原材料的合理机制，还需要用数据材料提炼价值，并且将数据创造价值的过程标准化、自动化。出色的数据科学家是多面手，不仅需要理解业务问题，还需要将业务问题转化为数据科学问题，并且让计算机可以持续从数据中学习,
喧嚣尘上的每一次技术浪潮，归根结底，都是“人”在创造、在改变、在影响。当你关注数据科学的时候，我们希望为你从那些创造者身上，看到这个时代的微光。
机器之心报道 编辑：泽南、蛋酱 裴健教授是 ACM、IEEE Fellow，也曾任京东集团副总裁。 刚刚，杜克大学官宣了一条消息：自 2022 年 7 月 1 日起，数据科学领域国际知名学者、加拿大皇家科学学院院士、ACM Fellow、IEEE Fellow 裴健将加入杜克大学任教。 据杜克大学报道，裴健将在计算机科学系和生物统计学与生物信息学系共同任职。在西蒙弗雷泽大学（Simon Fraser University）任教期间，裴健同时加入了大学的计算机科学系、统计与精算系，自 2004 年以来，他
本文的作者就是一位数据科学家，做了这么久，他觉得有必要将这个行业的苦恼公之于众，为那些想进入这个行业的人们做个参考。
作者Alec Smith是数据科学领域中资深HR，之所以写这篇文章是因为经常被问到一个问题：“如何才能获得一份数据科学家的职位?” 不仅这个问题经常被问引起了注意，另外问这个问题的人不同的背景也非
Gartner最新的人工智能（AI）hype cycle报告指出，AI在未来五年中CIO议程中的排名十分靠前，对潜在业务转型具有重要影响。然而，对于许多IT机构来说，AI绝不仅仅是IT领导者们的业务驱动雷达：它对公司业务功能本身有着根本性的影响——自动化功能、IT团队的参与和新方法。
三年前，“数据科学家”这种职业还基本不存在，如今“数据分析”成了“金饭碗”。 世界迈进了大数据时代。互联网和智能手机产生的数据“大爆炸”催生了提取和解读海量数据的新工作岗位——“数据科学家”。《华尔街日报》日前报道称，3年前数据科学家这个职业头衔基本还不存在，如今已成为高科技劳动力市场上最热门的职位之一。 在很多企业，由于有巨量数据需要分析，数据分析员成为一个必须的职位，连一些看上去和数据毫不相关的企业，也需要数据分析员进行数据分析，帮助做出更好的决策。巨大的用人需求之下，
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
