数据科学家与数据分析师、数据工程师到底有何差别？
这篇文章将定义数据科学家职业角色的方方面面，包括技能，资质，教育背景，经验，职责等。很多人认为数据科学家和数据分析师、数据工程师没什么不同，实则不然。下图显示数据科学家须具备的知识，技能，思维。
“数据分析”在现实生活中的应用：用数据智斗偷车贼
我在亚利桑那州立大学的朋友频繁丢失自行车， 这引起了我对校园内自行车被盗事件的兴趣和这背后的原因。我想既然在亚利桑那都有如此多自行车盗窃，更不用说整个美国。通过分析，我取得了一下几个有趣的发现
如何在 Kaggle 首战中进入前 10%？
Kaggle 是目前最大的 Data Scientist 聚集地。很多公司会拿出自家的数据并提供奖金，在 Kaggle 上组织数据竞赛。我最近完成了第一次比赛，在 2125 个参赛队伍中排名第 98 位（~ 5%）。因为是第一次参赛，所以对这个成绩我已经很满意了。在 Kaggle 上一次比赛的结果除了排名以外，还会显示的就是 Prize Winner，10% 或是 25% 这三档。所以刚刚接触 Kaggle 的人很多都会以 25% 或是 10% 为目标。在本文中，我试图根据自己第一次比赛的经验和从其他 Kaggler 那里学到的知识，为刚刚听说 Kaggle 想要参赛的新手提供一些切实可行的冲刺 10% 的指导。
为什么PhD比其他应聘者更有价值？
“大部分PhDs，进入项目时都是院校的佼佼者，带着鹤立鸡群，与众不同的价值感。”
然而在进入学术系统中几年后，大部分PhD应聘者开始觉得看不到自己的价值所在。产生出一种“少于”的想法。慢慢地，他们开始学会接受自己的价值少于自己的预期。开始学会接受少于自己价值的工资。开始学会接受少于自己应得的辅导和帮助。
五步解析机器学习难点—梯度下降
当我第一次尝试学习机器学习算法时，我发现理解一个算法在干什么真的非常难。不仅仅是因为算法里各种繁杂的数学理论和难懂的符号，没有实际的例子，光靠定义和推导来了解一个算法实在是很无聊 。就连在我上网去查找相关的指导材料时，能找到的通常都是各种公式以及晦涩难懂的解释，很少有人能够细致的将所有细节加以说明。
44个苹果公司面试最难问题
苹果公司是世界上最负盛名的公司之一，因此得到一份在那里的工作并不容易。苹果公司会询问一些基于你过去的工作经验的技术面试问题和其他一些令人难以置信的谜题。如果您正在面试苹果零售店的工作，那么您将会遇到很多关于如何处理愤怒客户的问题。
医疗保健行业将如何受益于数据科学的发展？
在医疗保健行业，还有什么是比获得更好的医疗结果更重要的？每天全球各地的医护人员都在努力寻找更多的改善生活的方式。然而，世界正在发生变化。坦率地说，世界变化的速度以比我们大多数人能够跟上的速度更快。直觉已经不再能使患者的疗效达到良好。医疗保健数据量每秒都在不停低累积，使得我们越来越难找到任何形式有用的信息。大数据不是用来浪漫的;它可以是一个祝福，也可能是一个诅咒。它可以有助于洞察力，也可以增加掩盖事实的迷雾。
让科学回归到数据科学中——Daniel Whitenack
本篇文章为Daniel Whitenack在2017 Chicago Data Science Conference上演讲稿：“Putting the Science Back in Data Science”的译文，有轻微修改。
