作者 | 罗钰婧 来源 | DT财经 前两周播出的《明星大侦探—MGQ时尚风云》中，节目组设计了一个与中年危机相关的案件： 撒贝宁在这期节目中饰演一位40岁“上有老，下有狗”的 ...
2020-04-02作者 | CDA数据分析师 本文概述了2019年10种影响数据科学的最流行的技术，该列表涵盖了多种主题，例如安全性，物联网，强化学习，能源可持续性，智慧城市等等。 又到了一年回顾 ...
2020-04-01
作者 | CDA数据分析师 1、前言 大数据革命引发了数据中心的爆炸式增长，这些中心正在以越来越高的速率消耗能源。本文回顾了两种提高数据中心效率的标准方法，并认为第三种方法-机器 ...
2020-04-01
作者 | Harris 来源 | 网络大数据 数据已成为所有企业最重要的知识产权，并且其内在价值只会在未来几年内增长。 现在，它对运营、流程、输出和供应都非常重要，因此，如何存储、共 ...
2020-04-01
作者 | 机器之心 人工智能不是将要改变世界，而是正在改变世界。在新年以及新的十年开启之际，VentureBeat 采访了人工智能领域最杰出的头脑，来回顾人工智能在 2019 年的进展，展望机器 ...
2020-03-31
作者 | 微胖 来源 | 机器之心 AI 显著的帮助了社会生产效率的提高，同时也让人类生活变得更加舒适便捷。但另一方面 AI 出现，对于人类社会伦理道德、隐私安全等方方面面都提 ...
2020-03-31
作者 | CDA数据分析师 之前的文章写了Python的基础知识，从这部分内容开始正式进入到正式的数据分析过程中，主要讲述每个数据分析过程都会用到什么操作，这些操作用Excel是怎样实现 ...
2020-03-31
作者 | CDA数据分析师 我们把菜品挑选出来以后，就可以开始切菜了。比如要做凉拌黄瓜丝，把黄瓜找出来以后，那就可以把黄瓜切成丝了。 一、数值替换 数值替换就是将数 ...
2020-03-30
作者 | CDA数据分析师 在数据选择之前是要把所有的菜品都洗好并放在不同的容器里。现在要进行切配了，需要把这些菜品挑选出来，比如做一盘凉拌黄瓜，需要先把黄瓜找出来；要做一盘可乐鸡翅， ...
2020-03-30
作者 | 宫学源 人工智能技术的应用，或许能帮助蓝色星球的科学家们摆脱无穷无尽实验的痛苦，加速重大科学理论的发现，将人类文明提升到新的台阶。 ——题记 人工智能技术的潜力大家都 ...
2020-03-27
作者 | CDA数据分析师 从菜市场买来的菜,总有一些不太好的，所以把菜买回来以后要先做一遍预处理，把那些不太好的部分扔掉。现实中大部分的数据都类似于菜市场的菜品，拿到以后都要 ...
2020-03-27
作者 | CDA数据分析师 俗话说，巧妇难为无米之炊。不管你厨艺有多好，如果没有食材，也做不出香甜可口的饭菜来，所以想要做出饭菜来，首先要做的就是要买米买菜。而数据分析就好比是做饭， ...
2020-03-27
作者 | KHYATI MAHENDRU 概述 贝叶斯定理是统计学中最强大的概念之一，而贝叶斯定理也是数据科学专业人员必须知道的定理 熟悉贝叶斯定理，其工作原理及其多种多样的应 ...
2020-03-27
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。 ...
2020-03-26
作者 | 桌子的生活观 昨天写日期的时候，写错了，写成了2019年，划掉又重写。 真的没有想到，现在一晃眼间已经是2020年了。 说实话，我现在还是有点懵的，不知不觉，我们这 ...
2020-03-26
作者 | Kenneth 数字时代最先进的技术之一就是大数据技术。大数据不是一个流行的术语，而是用来描述规模庞大、随时间急剧变大的数据集合的术语。这意味着该数据很庞大，传统管理工具都无法分析、存 ...
2020-03-26
Q：为什么每次面试之后HR都不给回复呢？行还是不行不能给个信儿吗？苦恼... 面试结束的时候告诉面试者，如果面试通过，会在X个工作日内与他取得联系，沟通入职事宜。而不是让他回去 ...
2020-03-25
图神经网络（GNN，Graph Neural Networks）是 2019 年 AI 领域最热门的话题之一。图神经网络是用于图结构数据的深度学习架构，将端到端学习与归纳推理相结合，业界普遍认为其有望解决深度学习无法处理的因果推理、 ...
2020-03-25
前言 简单易学，语法简洁，可以快速入门 超级通用，无论是在开发、运维、数据科学、科研等应用场景下，都完美可行 它具有广泛的模块和库，数量众多且更新快速，一个新 ...
2020-03-25在大模型从实验室走向生产环境的过程中，“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型，若在高并发 ...
2025-10-15在机器学习入门领域，“鸢尾花数据集（Iris Dataset）” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中，零散的指标（如 “GMV”“复购率”）就像 “散落的零件”，无法支撑系统性决策；而科学的指标体系，则 ...
2025-10-15在神经网络模型设计中，“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少，模型可能 “欠拟合”（无法捕捉数据 ...
2025-10-14在数字化浪潮中，数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息，又要能将分 ...
2025-10-14在企业数据驱动的实践中，“指标混乱” 是最常见的痛点：运营部门说 “复购率 15%”，产品部门说 “复购率 8%”，实则是两者对 ...
2025-10-14在手游行业，“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度，更直接决定了后续 ...
2025-10-13分库分表，为何而生？ 在信息技术发展的早期阶段，数据量相对较小，业务逻辑也较为简单，单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中，“数据孤岛” 是普遍面临的痛点：用户数据散落在 APP 日志、注册系统、客服记录中，订单数据分散在交易 ...
2025-10-13在数字化时代，用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”，到视频 APP 的 “打开→搜索→观看→收藏”，再到银 ...
2025-10-11在机器学习建模流程中，“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中，未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储，CDA（Certified D ...
2025-10-11在 SQL Server 数据库操作中，“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选，还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中，正交试验（Orthogonal Experiment）因 “用少量试验覆盖多因素多水平组合” 的高效性，成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中，“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”：各部门数据口 ...
2025-10-10在深度学习中，“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术：损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入，拆解两种方法的核心适用条件、场景边界与实战选择逻辑，结合医学、工业、教育领域的案例，让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中，常会遇到这样的困惑：某电商平台 11 月 GMV 同比增长 20%，但究竟是 “长期趋势自然增长”，还 ...
2025-10-09Pandas 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
