数据科学工作者(Data Scientist) 的日常工作内容包括什么 众所周知，数据科学是这几年才火起来的概念，而应运而生的数据科学家(data scientist)明显缺乏清晰的录取标准和工作内容。即使在2017年，数据科学家这 ...
2017-11-26
为什么说大数据是一种创新经济 大数据指的是过于庞大或复杂(或两者兼具)、无法用标准软件高效管理的数据集。金融市场是大数据的重要产生者，交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新 ...
2017-11-26大数据分析：最难的不是分析，而是大数据 每一个企业需要将他们的基础数据进行分析和甄别，在此基础上，对数据进行不同层次和结构的分类。原因如下: 数据深度融入在商业的各个环节 现代企业逐渐意识 ...
2017-11-26大数据帮助创业者突破进入电子商务的障碍 如今，大数据正在以不可思议的方式改变电子商务行业。它正在调整大企业和年轻企业家之间的竞争环境，推出他们的第一个电子商务网站。根据福布斯的报道，许多最有希望的 ...
2017-11-26
当大数据遇上区块链，转账数据是否就暴露在公众视野里 由世界经济组织(WEF)定义，“区块链接技术能允许组织在没有中间商的情况下直接将资金转移给其他人。它使得交易更透明，记录不可更改和自发的商业规则管理 ...
2017-11-25
未来大数据的主要应用领域包括哪些 互联网时代飚速发展，大数据作为近年热门兴起的行业之一已经越来越受人们重视，但是大学并没有相关专业随之同速发展，大部分企业招收的大数据人才80%来源于培训机构，东时教 ...
2017-11-25
大数据市场有多大 怎么利用大数据赚钱 “大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。 ...
2017-11-25
数据科学初学者九种常见错误 如果你想开始一个数据科学方面的职业，你可以通过避免这9个会使你付出高代价的初学者错误来免去几天，几个星期甚至几个月的挫折。 如果你不仔细，这些错误将会消耗你最 ...
2017-11-24
数据预处理和挖掘究竟该怎么做 在这个充斥着怀疑和谎言的网络世界中，数据即真相。海量的原始数据正以惊人的速度增长，其中大部分都是非结构化的，但是通过运用分析我们可以发现其中重要的规律和线索以及隐藏在 ...
2017-11-24
在人工智能和大数据产品的开发中，有哪些需要特别注意 人工智能是近年来科技发展的重要方向，大数据的采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据产品的开发过程中，有哪些特别需要注意的要点? ...
2017-11-24
大数据时代下，数据感知在数据质量管理系统中的应用 关于数据质量管理,可能与大部分人没有太大的关系。虽然,市面上有很多的公司在进行数据的挖掘、分析方面业务的工作,但是关于数据质量管理方面的公司真的是屈 ...
2017-11-24
大数据收集利用应当有规范 你的通话记录里，最常用的30个联系人是谁，你家住何处，经常在哪儿活动，余额宝里还有多少钱，在什么时候买过几件内衣……这些你以为的私密信息，其实都可以被轻易查到。最近，有媒体 ...
2017-11-24
大数据正在改变电子商务行业的三种方式 电子商务行业在过去几年中发生了巨大变化，而许多人都归因于大数据。随着这种趋势的持续，大公司、小企业，以及个体经营者都会花费时间去拥抱大数据，以提供更好的支付解 ...
2017-11-23
人们需要了解身边的大数据 如今，数据这个词让很多人感到困惑，其中包括一些商人。但没有人责怪他们，因为大数据是一个相当令人困惑的概念。关于大数据的唯一共识就是“大数据”这个术语本身并没有特定的定义。 ...
2017-11-23从大概率看，你的隐私数据是时代进步的牺牲品 如何更好地保护个人隐私，是网民十分关心的问题。在大数据时代，人们在网上的一切行动，都在向计算机暗示着他是谁、为他们完善着用户画像，网上随便购物就很容易暴 ...
2017-11-23大数据在未来各行各业发展中的应用 “大众创新，万众创业”，创业创新是一个有抱负群体的目标，但是创业，你有自己的产品吗？你有自己的技术吗？你有足够的启动资金吗？又或者你拥有资金，技术和产品，但 ...
2017-11-23
有了大数据加智能，你愿把荷包交给机器打理吗 大数据遇上新消费的时代，各种服务都在讲究升级。智能投顾就是对传统投顾模式的一种升级。智能投顾怎么玩转？大数据如何在智能投顾中发挥作用？11月8日的线上数据 ...
2017-11-22
部门有界，数据无界，大数据需要大胸怀 最近在推进一些跨域的事情，聆听了一些教诲，获得了一些新的感悟，作为大数据管理者，拥有技术是远远不够的，更需要有大胸怀，特此分享于你。 1、 在架构层面，大 ...
2017-11-22
农业大数据革命：机遇与挑战 大数据已经在农业行业找到了出路。但是，尽管在一个层面上可以有所帮助，但却带来了一些挑战。 大数据提高效率的技术。有许多类型的数据可用，还有许多方法来使用这些信息。但 ...
2017-11-22
当前和未来重要的大数据优势 大数据分析如今已不能再称之为新技术。大多数移动应用程序开发人员已经明白，他们需要挖掘他们的数据来积极获取日常的见解。许多大型应用程序开发企业已经意识到，要在市场上不断地 ...
2017-11-22Pandas 选取特定值所在行：6 类核心方法与实战指南 在使用 pandas 处理结构化数据时，“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络（SCNN） 为解决这一痛点，球面卷积神经网络（Spherical Convolutional Neural Network, SCNN） 应运而生。它通 ...
2025-09-30在企业日常运营中，“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”，金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗？基础方法、进阶技巧与场景边界 在数据分析领域，聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树：原理、优化与工业级实战指南 在机器学习领域，决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中，“设计标签逻辑” 只是第一步，真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键，在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时，折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时，“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号（如 “北京 ...
2025-09-28在 CDA（Certified Data Analyst）数据分析师的技能工具箱中，数据查询语言（尤其是 SQL）是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验：原理、方法与实战应用 在生存分析领域，Cox 比例风险模型（Cox Proportional Hazards Model）是分析 “ ...
2025-09-26检测因子类型的影响程度大小：评估标准、实战案例与管控策略 在检测分析领域（如环境监测、食品质量检测、工业产品合规性测试） ...
2025-09-26CDA 数据分析师：以数据库为基石，筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中，“数据从哪里来” 是 CDA（Certified D ...
2025-09-26线性相关点分布的四种基本类型：特征、识别与实战应用 在数据分析与统计学中，“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南：从原理到实战的科学路径 在深度神经网络（DNN）的设计中，“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中，不少团队陷入 “指标困境”：仪表盘上堆砌着上百个指标，DAU、转化率、营收等数据实时跳动，却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片：成因、检测与内存持续增长的解决策略 在 MySQL 运维中，“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测：核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师：驾驭通用与场景指标，解锁数据驱动的精准路径 在数据驱动业务的实践中，指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中，AB 实验系统（负责验证业务优化效果）与业务系统（负责承载用户交互与核心流程）并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析：6 步闭环，让数据驱动业务落地 在企业数字化转型中，CDA（Certified Data Analyst）数据分析师的核心价值，并 ...
2025-09-23
