学习曲线--帮你清晰判断过拟合和欠拟合

2020-07-09

前面小编给大家简单介绍过拟合和欠拟合时，提到了一个概念：学习曲线，我们通过学习曲线能够很清晰的判别出模型现在说出的状态是欠拟合还是过拟合，下面小编具体整理了学习曲线的相关内容，希望对大家有所帮助。 ...

机器学习入门必读：6种简单实用算法及学习曲线、思维导图

2020-03-26

作者 | 卢誉声 大部分的机器学习算法主要用来解决两类问题——分类问题和回归问题。在本文当中，我们介绍一些简单但经典实用的传统机器学习算法，让大家对机器学习算法有一个基本的感性认识。 ...

多久能成为数据分析师

2023-05-24

数据分析是当今互联网行业中热门的职业方向之一，吸引了大量求职者的关注。然而，许多人对于从零基础到成为一名合格的数据分析师需要多长时间仍然存在疑虑。本文将探讨这个问题并提供一些建议。 一、起点与 ...

R语言应该使用base-r还是使用tidyverse？

2023-04-07

R语言是一种流行的统计编程语言，它在数据科学领域中得到了广泛的应用。随着R社区的发展，不同的R软件包和工具集也得到了广泛的开发。其中，base-R和tidyverse是最受欢迎和广泛使用的两大工具集。那么，对于一个新手 ...

Kubernetes 为什么没有采用 Rust 实现?

2023-04-04

Kubernetes 是一个开源的容器编排平台，它能够自动化部署、扩展和管理容器化应用程序。Kubernetes 的目标是让应用程序在集群中运行时具有高可用性、弹性和可扩展性。为了实现这些目标，Kubernetes 依赖于多个组件和 ...

tensorflow.js有哪些局限？

2023-03-28

TensorFlow.js是一个基于JavaScript的深度学习库，它可以在Web浏览器和Node.js环境中运行。虽然TensorFlow.js提供了一些独特的功能和优势，但也存在一些局限性。 性能方面的局限性 与传统的深度学习框架相比，Tens ...

数据科学家与ML工程师的区别

2022-02-28

数据科学家和机器学习工程师的角色之间经常存在混淆。尽管他们确实友好地合作，在专门知识和经验方面有一些重叠，但这两种作用的目的完全不同。 从本质上说，我们是在区分科学家和工程师，前者寻求理解他 ...

如何在6个月内找到一份数据分析工作

2022-02-28

数据分析师是世界上最受欢迎的专业人士之一。这些人借助数据帮助公司做出知情的商业决策。 现在有很多关于数据科学的炒作。 然而，数据科学的进入门槛非常高。这是一个竞争非常激烈的领域，每个来自不同 ...

工资比同事低，这些关键技能，你掌握了吗

2021-02-03

前几天公司面试了几个数据分析岗位，一连面试了一周，结果没有一个被录取，感触颇深。 数据分析师每天需要接触大量的数据，可是这些候选人连最基础的拆解业务场景，制定数据指标，以及通过什么样的工具 ...

五种大数据处理架构

2018-03-02

五种大数据处理架构 大数据是收集、整理、处理大容量数据集，并从中获得见解所需的非传统战略和技术的总称。虽然处理数据所需的计算能力或存储容量早已超过一台计算机的上限，但这种计算 ...

Python标准库的学习准备

2017-06-04

Python标准库的学习准备 Python标准库是Python强大的动力所在，我们已经在前文中有所介绍。由于标准库所涉及的应用很广，所以需要学习一定的背景知识。 硬件原理 这一部份需要了解内存，CPU，磁盘存储以 ...

做大数据必须了解的多种处理框架

2016-11-28

做大数据必须了解的多种处理框架 本文将介绍大数据系统一个最基本的组件：处理框架。处理框架负责对系统中的数据进行计算，例如处理从非易失存储中读取的数据，或处理刚刚摄入到系统中的数据。数据的计算则是 ...

互联网数据分析能力的养成，你只需要一份七周的提纲

2016-11-28

互联网数据分析能力的养成，你只需要一份七周的提纲 我会按照提纲针对性的增加互联网侧的内容，比如网站分析，用户行为序列等。我也不想留于表面，而是系统性讲述。比如什么是产品埋点？在获得埋点数据后，怎么 ...

R语言实战：R语言介绍

2016-10-12

R语言实战：R语言介绍 我们分析数据的方式在近年来发生了令人瞩目的变化。随着个人电脑和互联网的出现，可获取的数据量有了非常可观的增长。 商业公司拥有TB级的客户交易数据，政府、学术团体以及私立研究机 ...

大数据介入教育领域 鱼和熊掌之间如何平衡

2016-07-23

大数据介入教育领域 鱼和熊掌之间如何平衡 大数据(Big Data)作为国家基础性战略资源，其战略地位与核心价值不言而喻，但大数据技术是一把双刃剑，到教育上同样会带来的危机。这需要我们在渴望优化学习，和拒绝 ...

数据分析师：数据分析工作常见七种错误及其规避技巧

2016-04-24

数据分析师：数据分析工作常见七种错误及其规避技巧 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 ...

10个表明数据科学能力成熟的迹象

2016-04-01

10个表明数据科学能力成熟的迹象 通常情况下，我们的业务已经转向为练习组织运作方式的转型——“建设一种能力”意味着建设一种文化来支持和充分利用数据科学。在许多情况下，这种文化的改变能够为世界上的许多 ...

数据分析工作常见的七种错误及规避技巧

2016-03-17

数据分析工作常见的七种错误及规避技巧 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 ...

汇总最实用56个大数据可视化分析工具

2016-02-21

汇总最实用56个大数据可视化分析工具 　在大数据时代，更需要强有力的工具通过使数据有意义的方式实现数据可视化，还有数据的可交互性;我们还需要跨学科的团队，而不是单个数据科学家、设计师或数据分析员;我们 ...

大数据工具比较-R语言和Spark谁更强

2016-02-20

大数据工具比较-R语言和Spark谁更强 现如今的大数据工具真是多，在数据分析师工作中，使用哪些工具更加合适呢，r语言和Spark机器学习那个中有市场率更高些，那个在运算中更快更强些呢？ Spark的机器学习库 ...