هذا المقال هو عبارة عن تجميع للAI Yanxishe بلوق التكنولوجيا، والعنوان الأصلي:
7 الموارد للراغبين في تعلم العلوم البيانات
الكاتب | برونو Trentini
الترجمة | كاي قوي، إيلي إيلي، الحب الوحيد تشينغ لي، Ophria
تصحيح التجارب المطبعية | جيف ديمبس إنهاء | شقيقة الأناناس
الرابط الأصلي:
https://towardsdatascience.com/7-resources-for-those-wanting-to-learn-data-science-a89e25d1b55e
أحيانا كنت فقط بحاجة الى معرفة كيفية البدء، وهنا هي تلك المناسبة لتجربتي.
المصدر: الشبكي: //tinyurl.com/y7bgtyjo
البيانات العلمية من بداية متعدد التخصصات، الأمر الذي يتطلب الممارسين في الحصول على بعض مهارات الحاسوب، والرياضيات، ولكن أيضا لديهم خبرة في التعامل مع الزملاء والعمل. بعض الناس سوف تتراكم ببطء سنوات عديدة من الخبرة في الحياة العملية، ولكن إذا كان هناك هناك اختصار في الوجود؟
الآن أنا قررت أن حصة العلوم البيانات الخاصة بي في هذا السبيل ساعدني على وضع الأساس من الموارد في السابعة معك. هذه الموارد التي تم تحديدها مع الأخذ بعين الاعتبار مصلحة الطفل، مع الأخذ في الاعتبار أيضا البيانات والمبادئ العلمية الشاملة.
مصدر https://timoelliott.com/blog/
التحرير
"العلم بيانات" الكلمة ليست البيانات، ولكن العلم. - جيف بحيرة
كتب أستاذ كلية بلومبيرغ للصحة العامة في جامعة جونز هوبكنز، جيف الكراث قبل خمس سنوات: "العلم بيانات ليس 'البيانات' الكلمة، يتم استخدام" العلم "فقط عندما تكون البيانات ليست سوى بيانات علمية مفيدة لالإجابة على الأسئلة. هذا هو الجزء العلمي من المعادلة. هذه النقطة العلمية البيانات من وجهة نظر المشكلة هي أنه أصعب بكثير من حجم الآراء قلق البيانات أو أداة حساب حجم مجموعة البيانات هو أسهل بكثير، وقال: "بياناتي كبيرة مما كنت "أو" أنا يمكن ترميز في Hadoop، يمكنك أن تفعل؟ وقال "بدلا من القول،" لدي هذه المشكلة الصعبة جدا، يمكنني استخدام البيانات جهدي للرد على ذلك؟ ".
علوم البيانات هو المفهوم القديم لل، جون غراونت كان مفهوما جديدا في ذلك الوقت لدراسته. هو في العصر الجليدي الصغير في القرن ال15، طور أعمال الديموغرافية الأولى باستخدام نموذج الاحتمالات. وبحلول عام 1960، وكان هذا الموضوع ناضجة جدا ويشار إلى البيانات، ولكن فقط في عام 2012 نشرت مقالا في مجلة هارفارد بيزنس ريفيو "العلماء البيانات: القرن 21 جاذبية العمل"، والكلمة بعد هذا العمل أصبح فقط شعبية متزايدة. بعد عامين فقط، يمكنك الحصول على الكثير من الدورات على الانترنت على هذا الموضوع. يظهر اتجاهات جوجل بعض الاشياء المثيرة للاهتمام: على الرغم منذ عام 2004، "الإحصاء" الاتجاه النزولي المدى، ولكن "العلماء بيانات" بعد فترة من هذه المادة هارفارد بيزنس ريفيو يكون تغييرا إيجابيا أكثر كثافة، وعندما تقديم الدورات على الانترنت زيادة، وتحسينه.
https://trends.google.com/trends/explore؟date=all&q=Data20Scientist،2Fm2F0c_xl
مع أخذ ذلك في الاعتبار، وأنا أريد أن أقول بوضوح: العلماء البيانات غير الإحصائيين، وأنها لن تحل محل إحصائي (أو العكس بالعكس)، ولكن الفائدة الحقيقية في الإحصاء والرياضيات هو الصحيح السلوك العلمي البيانات الهامة. أنا لست خبير إحصائي، ولكن بعد المورد الأول وأنا أحب هذا الموضوع.
يرجى ملاحظة أيضا كيف الموارد التالية للتركيز أكثر "الفضول" و "فهم" بدلا من "تطبيق".
المصدر: الشبكي: //towardsdatascience.com/introduction-to-statistics-e9d72d818745
هل تحب القائمة؟
في سبعة موارد قصيرة،:
السير السكير، وليوناردو ملودينوف كتاب
آلة دورة التعلم، التي أنشأتها أندرو نغ تدرس من قبل جامعة ستانفورد
مقدمة في التفكير الرياضي، التي تم إنشاؤها من قبل نفس جامعة ستانفورد من قبل المدرب كيث ديفلين
الترميز
استعراض خالية من التحيز في الرياضيات
الناس
القراءة عن بدعي والاقتصاد الأرثوذكسية
والقائمة لا ولا في الترتيب من حيث الأهمية، فإن الكثير من هذه الأمور تحدث في وقت واحد في الترتيب الزمني والبنود 4-7 ومن شبه المؤكد أن يكون دائما جزءا من العمل اليومي الخاص بك كعالم البيانات.
اسمحوا لي أن انظر تفاصيل ذلك!
السكارى المشي
(ملاحظة المترجم: هذا الكتاب، الجرجير عنوان: الشبكي: //book.douban.com/subject/3102009/)
قبل سنوات عديدة (حوالي 2009؟) عندما تلقيت الكتاب لعيد الميلاد، وأنا لم يكترث، ولكن بعد سنوات أصبح وكان المفضل لدي دائما.
في حالة سكر المشي هذا الكتاب هو مساعدة لنا فهم التأثير الناجم عن العشوائية في حياتنا، ووصف المنتج الأمازون هو من هذا القبيل "انه يكشف كيف أن هذه الوهم النفسي حظر فهمنا للحياة، من اختيار لتذوق النبيذ."
انها ساعدتني على بينة من مدى سهولة نصبح ضحايا احتمال، ولكن ساعدني أيضا أن نفهم لماذا نحن أكثر عرضة لدفع لفهم كل العوامل التي تسبب في الحدث، وتوقع أن السبب وضعا مماثلا لن يحدث مرة أخرى، ولكن من الصعب جدا.
من وجهة نظر المحلل، وهذا الكتاب يبين لنا أهمية نموذج التنبؤ أثبتت أيضا حتمية للأحداث التاريخية من منظور البيانات الإحصائية، ونفس المشكلة أيضا يبين لنا كيفية استخدام البيانات للرد على بعض من الصعب فهم ولماذا بعض المشاكل لا تزال لا يمكن الحصول على إجابة. وأعتقد أن هذا الكتاب هو أول اتصال لي حميم مع أول "علم البيانات".
أيضا قراءة جيدة مماثلة: "الخوارزميات إلى Live بواسطة: علم الحاسوب قرارات الإنسان" ( "الحياة الخوارزمية: قرار البشري في علوم الكمبيوتر")
تظهر صورة جيدة من المشي العشوائي، المصدر:
آلة التعلم
هذا بالطبع هو الفئة المفتوحة في جامعة ستانفورد في كورسيرا، والعديد من أصدقائي أيضا بالطبع بلدي تمهيدية في تعلم الآلة، وفي رأيي هذا أمر لا بد منه للقراءة بطبيعة الحال.
وسوف يساعد أولا عليك مراجعة المفاهيم الأساسية الجبر الخطي، وسوف يعلمك أساس مطلب (أوكتاف) البرمجة. بعد الانتهاء من هذه، فإنه سيتم تقديم المفهوم الأول من الانحدار يوان واحد. بعد ذلك، وبطبيعة الحال سوف يأخذك إلى تعلم بعض أجزاء مثيرة للاهتمام، مثل القيام ببعض الطرق الرئيسية من أدوات تحليل البيانات وكذلك الشبكات العصبية، ولكن إذا كنت تريد أن تكون دراسة متأنية على محمل الجد، ثم لديك لبذل المزيد من الممارسة وفي عملية سوف يتعرض ل كثير من المعرفة خارج المناهج الدراسية، والتي سوف تساعدك على بناء في آلة الحدس التعلم والرياضيات القدرة.
الصور عينة بالطبع، المصدر: الشبكي: //tinyurl.com/ybupqzzb
مقدمة في التفكير الرياضي
في عام 2008 وأنا سعيد جدا دراستي، لأنني تعلمت عن أنواع مختلفة من الرياضيات في هذه المرحلة. وحتى مع ذلك، أعتزم الاستماع إلى هذه الفئة الباب المفتوح في جامعة ستانفورد في كورسيرا من خلال ذلك لمساعدتي في مراجعة بعض المفاهيم الأساسية للرياضيات، مع تعزيز مهارات الرياضيات بلدي. هذا بالطبع لا يشمل فقط بعض المفاهيم التي تعلمتها في الفصل الدراسي الأول، وأيضا تحسين قدرتي على التفكير التحليلي. بالنسبة لمعظم الناس، وقد أنشأت هذه الدورة مثال جيد في مساعدة الناس على الانتقال من التفكير التقليدي في الرياضيات المنطق التفكير في ذلك على الطفل. وبالإضافة إلى ذلك، فإن بعض الدورات لدينا بعض التحديات في البراهين الرياضية. خصوصا لتشعر لغة مكتوبة مشتركة، وستجعل لديك شعور من تعلم لغة جديدة.
فإنك لن تشعر تعلم "لغة جديدة" كان مؤلما جدا، لأن التفكير النقدي مهم خاصة بالنسبة للبيانات علمية. نقطة أخرى مهمة (أو تخفيف الألم نقطة) هو أن هذه الدورة سوف تساعدك على استكشاف بعض المغالطات الشائعة تطهيرها من مفاهيم علم البيانات.
قائمة سيد المنطقية مغالطات قائمة مغالطة منطقية
utminers.utep.edu/omwilliamson/emgl1311utminers.utep.edu
إذا كان في بداية محتوى التعلم حيث كنت وضعت نفسك في قفص بضعة أسابيع، سيكون لديك الكثير من ما تسمع، ترى الأشياء التي خرجت على سؤال. لا ننسى الهدف: علم البيانات!
قوائم ديلبرت العديد من المغالطات الشائعة
المصدر: الشبكي: //tinyurl.com/y97w2oej
برنامج
بشكل عام، أيا كان اختيار مهنتك هو كيف عليك أن تتعلم البرمجة. السماح لها متعة وسهلة لتغيير حياة عملك في نواح كثيرة.
بشكل عام، فإن البيانات لبعض المشاكل العلمية التي واجهتها في الحياة اليومية التي لم يعد لدينا لبرمجة نفسك تدريجيا، وقد تم الانتهاء هذا الجزء من المهمة Alteryx، أزور ستوديو، Dataiku، H2O.ai، أو Knime هذه المنصات. ومع ذلك، لتصبح الثقة بالنفس قوية عندما إطار مشترك أو خبير البرمجة يمكن أن تعطيك بسرعة وكفاءة البيانات آلة تجهيز التعلم غير مغسولة لفترة طويلة من الزمن.
في بداية سؤالك قد يكون "كيف يمكنني قراءة محتويات ملف CSV لإطار البيانات؟ كيف يمكنني أن أفعل بعض بسيطة عمل تصور البيانات؟ كيف أضع كل قيمة البيانات الدرجة تصبح قيمة؟ كيف أتعامل مع مجموعات البيانات المتعددة القائمة؟ "بعد فترة معينة من الزمن في عقدة، سؤالك يصبح" المستخدمة هنا loopsin دعوى لك، وهناك طرق أخرى لتحقيق هذا الهدف، مثل vectorised؟ كيف يمكن أن أضع خوارزمية مبسطة مما يقلل من موارد الكمبيوتر المحتلة؟ "
ويمكن للتعليمات سيبورن بسيطة تساعدك على بناء تصورات بيانات بديهية وأنيقة. (الموارد الخاصة)
لحسن الحظ، لديك العديد من الخيارات لمعالجة هذه القضايا والتحديات: الناس أكثر من ذوي الخبرة، تجاوز المكدس، قرة وبعض الطوائف الأخرى.
البرمجة اللغوية، وأوصي بيثون كما الاستخبارات لغة التمهيدية الاصطناعية لأنه من السهل جدا للاستخدام، وأنها تحظى بشعبية كبيرة في العلماء البيانات، لأنه من الباندا، نمباي، Matplotlib ومكتبات أخرى يمكن أن تساعدهم على صفقة جيدة إعداد البيانات وتنظيف البيانات والتصور من القضايا الأخرى، لكنه دعا وتعلم الآلة إطار TensorFlow تناسب بشكل جيد، مما يسمح لك بسهولة حساب القوة وGPU.
أيضا طريقا أعم تلك اللغة R. وفيما يتعلق بيثون قد تجعلك تأخذ من الوقت للدخول في "بيانات علمية" في العالم من حيث هذه المسألة، سوف R تمكنك من وصل إلى النموذج الإحصائي في العالم. على النقيض من ذلك، حدد بيثون بالإضافة إلى هذه الوظائف البيانات العلمية، يمكن أن يساعد أيضا على فهم أفضل للبرنامج بحيث أن تبدأ في لغات أخرى مثل C ++، جافا أسرع. ولكن ما إذا اخترت R اختار بيثون، ممكنة.
Udemy نظرة على هذا الحال، وأنا لن تعلم ذلك، ولكن على محتوى الدورة ومن حيث السعر، تبدو جيدة على الرابط التالي:
https://www.udemy.com/the-data-science-course-complete-data-science-bootcamp/
بالإضافة إلى ذلك مقدمة مورد جيد هو جاريث جيمس لتعلم الإحصائية مع تطبيقات في R (لغة R في تطبيق التعلم الإحصائي). هذا الكتاب سوف يكون قادرا على رؤية في الارتباط، بل هو جوهر كيفية استخدام R الإحصائية لغة البرمجة. إذا كنت لا تعلم الجبر الخطي صلبة جدا، وهذا الكتاب سوف يخيف لك (سوف تواجه في الصفحة 10). مهما اخترت، تحتاج لتعلم الرياضيات. . .
مراجعة متحيز للرياضيات
لقد أحببت دائما الرياضيات، ولكن تعلمت أكثر عمومية في المدرسة الثانوية. كنت أدرس في المرحلة الجامعية هو أفضل، بالطبع، هو (في عام 2013، عندما) من خلال الجهود الدؤوبة. تقريبا هذه المرة قررت أن تذهب إلى عقدة الدراسات العليا في وقت ما في المستقبل، ولكن في عملية التعلم اليونان وGMAT، وجدت مكاني بعض الأساسيات الضعيفة، منتصف هناك حلقة مثيرة للاهتمام، هو تعلمت من خلال مشاهدة الفيديو، وهذا الفيديو ليس فيديو عادي، ولكن أيضا لرؤية الأطفال على تعلم الرياضيات لول.
وبعد سنوات، جئت في اتصال مع زاوية علم البيانات والتعلم الآلي: الجبر الخطي المتقدم والحوسبة. على الرغم من أن هذه البيانات لتصبح عالما أنها ليست ضرورة، ولكنه يساعدك على فهم البيانات، على سبيل المثال، تحليل المكون الرئيسي (PCA) ما تقوم به فعلا. فهم الرياضيات وراء البيانات التي يمكن أن تساعدك كثيرا عندما يحكي قصة اليوم كان في البداية.
مجموعتين رسم (الموارد الذاتية) في مكونات الرئيسية الثلاثة. الحدس الرياضي يمكن أن تساعدك على فهم ذلك جيدا.
رسم مجموعتين على ثلاثة عناصر رئيسية. الحدس الرياضي يساعد على تفسير المشكلة.
وعموما، مانهاتن الإعدادية الدورات على الانترنت غالية الثمن، ولكن لعبت بالنسبة لي لدراسة الرياضيات دورا حاسما. كما أنه يساعد تعلم الآلة، والتحليل الإحصائي والمالي في اليوم أسهل للفهم. أسرع وأفضل عندما يكون أساس رياضي متين يمكن أن تساعدك على تعلم المعارف الجديدة، كما أنه يوفر دورا هاما للغاية في الكفاءة والهوية الذاتية.
نلقي نظرة على الموارد أدناه:
GRE فقط الرياضيات | مانهاتن الإعدادية
GRE فقط هو الحساب الخاصة بك العيش وشامل الإعدادية GRE الرياضيات التي تدرس بالطبع من قبل 99-المئوية GRE الرياضيات الخبراء. وفي واحدة ... www.manhattanprep.com
مانهاتن الإعدادية GRE مجموعة من 8 استراتيجية أدلة، 4th الطبعة: مانهاتن الإعدادية: 9781937707910
مانهاتن الإعدادية GRE مجموعة من 8 استراتيجية أدلة، 4th الطبعة التي كتبها مانهاتن الإعدادية، 9781937707910، وهي متاحة على الإيداع كتاب ... www.bookdepository.com
إلا إذا كنت ترغب في الدراسة الخوارزميات وحدها أو التعلم، والجبر الخطي المتقدم والحوسبة أنه ليس من الضروري، بل هو أسرع بالنسبة لي لفهم مفهوم الأدوات الأساسية، وخاصة في النموذج الإحصائي.
الناس
ونتيجة لبيانات علمية قد تتطلب منك الجلوس بهدوء ثم ضرب رمز لا نهاية لها، وجعل القمر من خصائص المشروع، من أجل أخيرا الحصول على بعض البيانات ذات مغزى. في مثل هذه الحالة، إذا كان الشخص لا يمكن أن يفسر أو يفهم من القيام والسبب في انه حتى يجف، حتى انه لا يمكن أن يكون متعة على المستوى المعرفي العالي. في ذلك اليوم، والأكثر أهمية هو أن عليك أن تحدد بوضوح المشكلة التي حل.
لنفترض أنك والتجارة الإلكترونية عالم بيانات الشركة، تلقيت فجأة تقارير تفيد بأن "عدد معاملات بطاقات الائتمان المزورة ارتفع فجأة." على الرغم من أنك هذا السؤال ليس لديها أي فكرة، ولكن ربما كنت أعرف مسبقا أن تتمكن من البدء في قلوب هذه النقاط تبدأ. وهناك خطأ مبتدئ جعلت هو أن يذهب مباشرة إلى فئة أو مجموعة نموذج، ولكن ببساطة لأن "الغش" كلمة النفوذ لك أن تفعل ذلك. تحليل البيانات استكشافية يمكن أن تساعدك في البداية، ولكن القضية الأساسية لا تزال لا يمكن الإجابة: ماذا يجب ان تذهب التحليل، من أين تبدأ، ما هو الهدف النهائي، وكيفية قياس أثر عملك. في نهاية المطاف سوف تجد أن المشكلة هي خلل في الإصدار، لم يكن لديك مشكلة ما هي البيانات التي يمكن حلها تقنيات التحليل.
التفكير التصميم هو حقيقة في مجلس الشعب على نطاق واسع ومنهجية. ولا سيما في مجال الاتصالات الأساسية، والقص، وتحديد المشكلة وتطوير المنتجات. على الرغم من أن التفكير التصميم هو عدم وجود صلة مباشرة مع البيانات العلمية، ولكنه يمكن أن يساعد العلماء على تبادل البيانات مع الناس في جميع أنحاء وتقديم "منتجات البيانات."
تصميم التفكير الإطار (تصميم إطار التفكير) المصدر :. Https://www.nngroup.com/articles/design-thinking/
بشكل عام، وأكثر من ذلك التخصص شخص في ناحية واحدة، وأسهل من خلال دعم البيانات لتحديد المشكلة، واقتراح الحلول بسرعة وكفاءة تقوم على دعم البيانات. لا يمكن تجاهلها هي أنه حتى لو كان عالما بيانات كبار، ولكن أيضا على التواصل لمساعدته على حل التحديات التي تواجه الزملاء.
دورة مكثفة الظاهري في تصميم التفكير
وهذا هو النسخة الإلكترونية من واحدة من أكثر المناطق المرغوبة في كثير من الأحيان خبرات التعلم التمهيدية. باستخدام الفيديو ... dschool.stanford.edu
في كثير من الحالات، والناس يفهمون نقطة أكثر خبرة نظر مفيدة جدا، ولكن هذا هو اختصار. يمكنك والناس من جميع أنحاء العالم لتبادل الأفكار، والمشاركة في الماراثون والقراصنة التجمعات، فإن معظم المدن في العالم لديها نوع من النشاط. والأساسية هي التواصل والتعلم والمشاركة. ليس هناك ما يدعو إلى عزل أنفسهم.
"الأرثوذكسية" الاقتصاد والاقتصاد "بدعي"
إذا كنت تتعامل مع بيانات المستهلكين، فإن هذه الموارد تكون مفيدة بشكل خاص. ولكن إذا كنت تتعامل مع بيانات الرصد مركز البيانات، والمخدرات، والمراقبة المالية والبيانات الطبية الحيوية على أجهزة استشعار النبات، هذه الموارد الأساسية غير ذي صلة. تذكر، ويستند هذا المقال على تجربتي الخاصة، ولكن النقطة هنا هي أن المعرفة اكتساب في مجال الخبرة.
أنا قدمت وسيلة بسيطة للنظر في الخلافات بين البلدين: الاقتصادية التقليدية مع التركيز على النموذج السائد لشرح سلسلة من الماضي والحاضر والمستقبل. ومع ذلك، انضمت "بدعي" الاقتصاد الظروف الشخصية للعديد من المجتمعات، في كثير من الأحيان إلى بعض من الذاتية في حالة توازن.
نا باكسي أسعار السيارات، على سبيل المثال. على الرغم من أن البرازيل ما زالت تعمل في مكافحة ارتفاع الأسعار والضرائب سخيفة، مع 12 فقط من الحالات التي توجد فيها طرق معبدة، ولكن شركات صناعة السيارات لا تزال لديها هامش ربح عالية. وبالإضافة إلى ذلك، عندما يشتري الناس سيارة، والناس هم أكثر ميلا لشراء السيارات الراقية، وأحيانا بأسعار فائدة باهظة لسداد 72 نقطة. انها لديها الكثير من داخل موضوعية وأسباب غير موضوعية. مقارنة مع جودة وسائل النقل العام، وهناك سيارة جيدة وكلا رمزا للمكانة الاجتماعية، بينما في حركة المرور الكثيفة في سيارة أن الناس سوف يشعر على نحو أفضل ...... هذه المتغيرات يمكن تقييمها من قبل الاقتصاد "الأرثوذكسية"، ولكن في حين ان الجميع لديه تصور الخاصة بهم من قيمة هذه المتغيرات لا يمكن تقييم مباشرة. ويتمثل التحدي في تحديد المنتج والسعر إذا تم تكبير المشتري والربحية. لذلك فهم المواجهة بين القيم الثقافية وتأثير العوامل الاقتصادية الكلية على الإدراك هو المهم، وسيتم تحليل لك أكثر ملاءمة. وعلاوة على ذلك، فهم السلوك الفردي هو مفتاح الشخصية، في حين أن هذا هو موضوع مهم في علم البيانات. وبالمناسبة، فإن الأمثلة المذكورة أعلاه، وهي نفس أسعار الفائدة من العوامل الذاتية، مثل المقترضين والمقرضين من الوقت التفضيل.
فهم الاقتصاد هو المفتاح للتعامل مع الأعمال التجارية الدولية. ونحن نعلم أن التطورات الاقتصادية الكلية لا يمكن أن يكون تماما المؤشرات مثل الناتج المحلي الإجمالي أو التيار (تجارة) فائض حلها، وسوف يجبرك أن يسقط بشكل طبيعي في اختياري ولكن إلزامية في عذر.
لفضولي الخاصة حول الأزمة المالية، وكنت على وشك أن تبدأ في عام 2008، عندما تكون هذه القضايا، لكنني حتى عام 2012 عندما أصدرت الموارد التالية:
الفوز في الابتكار: A-إلى-F نموذج
الابتكار هو مسؤولية تعيين عادة إلى الإدارات R & D ولكن هذا لا يكفي. تحتاج الشركات منهجي ... www.amazon.co.uk
علم الاقتصاد
وكان معهد ماساتشوستس للتكنولوجيا الصحافة رائدة في نشر الكتب وصول مفتوحة لعقدين من الزمن، ابتداء من عام 1995 مع نشر ... mitpress.mit.edu
مجلات
النظرية السياسية ويبدو أن تكون عالمية التي يتم اغراء المسؤولين المنتخبين من قبل أطروحة الخيال تلك الانتخابات إلى ... mises.org
الطلب: إنشاء ما الناس الحب قبل ان يعرفوا أنهم يريدون ذلك
الطلب هو واحد من الناحية الاقتصادية القليلة الجميع تقريبا يعرف. الطلب محركات التيار. عندما يرتفع الطلب، فإنه يحفز ... www.amazon.co.uk
هذه هي كيفية الجمع بين ذلك؟
الآن، لنفترض أنك تعمل في الشركة المسؤولة عن إدارة محتوى CRM (إدارة علاقات العملاء) والمنظمات منتجات الحيوانات الأليفة المورد الرئيسية الاشتراك.
مع فهم الخاص بك من الأعمال والناس تتغير، يمكنك تضمين تصنيف خطية من العملاء المحتملين، ويمكن التعرف على "مركز الاتصال مقدار الضوضاء في الخلفية" والتي نشرت في APP الشركة "المتزايد حول محتوى الكلب القبيح كود هو السبب الجذري لل"مزيج من العوامل.
تعلمت أيضا أن السبب الرئيسي للعملاء لا للتفكير في فقدان "العميل تتمحور بريق" و "الكلب القبيح". كنت وضعت هذه يمكنك استخدام المكتبة الثعبان الموسم والتي تتيح لها استخدام البيانات وأدوات التصوير البيانات تصل أنشطة إعداد الخرائط الخاصة بك قدم إلى الرئيس التنفيذي للاستراتيجية. لقد أوضح بنجاح، مثل سيد الأوركسترا كيفية تشكيل استنتاج مفاده أن القادة الرئيسيين للمنظمة، ولكن يمكنك استخدام النماذج الرياضية والإحصائية الصلبة لفهم القدرة على استبدال العصا. كنت واثقا، حجتك المنطقي، الذي يؤدي إلى الاعتراف بالقيادة، لأنه الآن إنك لعلى خلق بيئة مزدهرة لمناقشة القضايا الحقيقية بدلا من الباطل. سوف CRM تكون سهلة للعملاء للحل فقدان حالة العملاء، وسوف مدير المحتوى تبدأ الآن للافراج عن مزيد من المعلومات حول اللاما، الأمر الذي سيزيد من مبيعات عطلة إضافية، لأن معظم الزبائن يعيش في بيرو، وهي مدينة سياحية متكررة.
وأخيرا، يمكنك أيضا استخدام TensorFlow كثيفة الشبكات العصبية التي تعمل على GPU لتدريب هذا زبد التنبؤ خوارزمية مليارات عملية السجلات والميزات. انتشارها وتقييم على الفور جميع التفاعلات داخل التطبيقات والمواقع الإلكترونية، في متجر والعملاء ومركز الاتصال، تمكين النظام من فهم أنماط ويعلمك عندما تم الكشف عن إمكانية ارتفاع الخسارة.
علم البيانات ليس فقط الخوارزميات. الموارد: الشبكي: //xkcd.com/1831/
أنها تبدو مجنونة، ولكن هذا التركيز من البيانات العلمية: السؤال إلى الجواب، والتحديات بدوره إلى فرص كبيرة (في كثير من الحالات، تتطلب أشهر أو حتى سنوات!)
فكرة عامة
وبطبيعة الحال، والوصول إلى المعلومات الجديدة بشكل أسرع من قدرتك على استيعاب المعلومات الجديدة. ما زلت تعلم عملية لا أفهم تماما أشياء كثيرة. باعتراف الجميع، وشهادتي والخبرة المهنية تقريبا ساعدني بشكل طبيعي لكسب موطئ قدم في هذا المجال، ولكن المزيد من الموارد مستقلون، أستطيع القول أن كل وظيفة تقريبا لديه مهارات قابلة للنقل يمكن استخدامها للبيانات العلم. اختيار المكان المناسب للبدء قد تكون شاقة، خاصة مع هذا العدد الكبير من المعلومات المتاحة، ولكن آمل أن التجربة يمكن أن تساعدك على العثور على بعض الموارد للبدء.
وبالنظر إلى المستقبل
لدي الكثير من المرح على البيانات العلمية، وأعتقد أن الناس مثل حقل متعدد التخصصات، وسوف يكون هناك التعلم المستمر. الآن، وأنا لا تزال تعتمد على بعض الموارد أعلاه للمضي قدما. ومع ذلك، وإيلاء المزيد من الاهتمام للاستماع إلى تجربة الناس.
في الواقع، هذه الضجة وشرب حتى الثمالة من حوله يجعل الكثير من الناس محبطون، العديد من الأساطير - والتبسيط - تظهر، ولكن سواء كنت بداية أو يمر فقط عبر، وآمل أن هذه الموارد مفيدة لك.
أريد أن أسمع المزيد من المعلومات حول البيانات العلمية والمؤقت لا؟
وسائل الإعلام لي على متابعة التغريد، سأكون في وسائل الإعلام في كثير من الأحيان تبادل ونشر هذه المواضيع.
أريد الاستمرار لعرضها روابط ذات صلة والمراجع؟
انقر على الرابط لفتح الصحافة أو انقر فوق [إذا كنت تريد معرفة البيانات العلمية، والتي يجب عدم تفويتها 7 الموارد الدرجة]:
https://ai.yanxishe.com/page/TextTranslation/1213
AI Yanxishe المحتوى مثيرة تحديثها يوميا، وعرض محتوى أكثر إثارة: شبكة شبكة شبكة لى فنغ لى فنغ لى فنغ
ملخص (للNER) NER
ما هي المهارات الأساسية والمتميز عالم البيانات؟
كيف مبتدئين دراسة الهجرة Keras
إذا كنت تريد معرفة البيانات العلمية، والتي يجب عدم تفويتها سبع فئات من الموارد
في انتظاركم لتفسير:
