如何巧用数据可视化，讲好一个故事？
一个故事，首先是要能够引起听众或者读者的兴趣。我们举个例子， 我们可以用两种方法来讲述不同性别的司机最常见的开车分心的原因。
第一种方式是给你一些统计数据：
6％的男性司机认为发短信会导致分心，相比之下，只有4.2％的女性司机这样认为。
9.8%的男性司机认为车中有儿童会导致开车分心汽车里，而女性司机中则有26.3％。
让Kaggle比赛第二名获奖者告诉你：买下一个冰淇淋的最佳时间是什么时候？
我们最近的Instacart购物车分析比赛中，向Kagglers提出了一个挑战，来预测一个Instacart消费者会再次购买哪些商品并在何时购买。 想象一下，如果，当你用完牛奶时，Instacart已经准备好将牛奶加入你的购物车，或者Instacart已经知道现在是时候再次购买你喜欢的冰激凌了。
109个Data Scientist必备面试问题
准备面试不是一件容易的事情。无论你有多少工作经验或技术技能，面试官都可以用一些你没有想到的问题来抛弃你。
对于数据科学访谈来说，面试官会问广泛的话题，需要受访者强大的技术知识和沟通技巧。
本指南包含面试者在面试数据科学家时应该期望的所有数据科学面试问题。
从这个数据科学面试问题列表中，受访者应该能够准备好棘手的问题，了解哪些答案会与雇主产生积极的共鸣，并培养面试的信心。
我们将数据科学访谈问题分为六个不同的类别：统计，编程，建模，行为，文化和解决问题。
kaggle模拟人力资源数据——如何预测员工失业率？
在这篇文章中，我们将从kaggle中选择模拟人力资源数据，建立一个分类器，帮助我们预测在给定属性的情况下，哪些员工更可能离职。这样的分类器将有助于企业预测员工流失率，并帮助解决带来的高成本。我们将使用最常见的分类器：随机森林（RandomForest），渐变增强树（Gradient Boosting Trees），临近算法（K-NearestNeighbors），Logistic回归和支持向量机（SupportVector Machine）
无故事，不人生——2017/10 Kaggle数据集奖前三名获胜者采访
背景：Kaggle 每个月都有发布数据集奖，Kaggle会从中选取优胜者，衡量标准可以在下面的链接中找到。这个奖项会持续到2017年底
https://www.kaggle.com/about/datasets-awards/datasets
第一名， 美国过去50年大规模枪击 （1966 – 2017），发布者：Zeeshan-ul-hassan Usmani
如何用Tensorflow object-detection API训练模型，找到圣诞老爷爷？
Christmas is coming！你是否在期待圣诞老人和他的礼物呢？你想知道哪里可以找到圣诞老人吗？本文将教会你如何通过Tensorflow object-detection API训练自己的目标检测模型（object detector），来找到圣诞老人。
人工智能帮你变得更加美美哒？——穿衣的未来：AI，VR和智能面料
现在，是改变的开始。
伊利诺伊大学厄巴纳- 香槟分校计算机科学系助理教授RanjithaKumar说：“如果算法能很好地完成工作，人们就会花更少的时间去思考穿什么衣服。
从人工智能和小机件到智能织物和虚拟现实，技术已经准备好将创新渗透到我们如何着装但是如何购物。
亚马逊的EchoLook是最受认可的例子，它在今年早些时候宣布时引起了极大的反响。该小工具（$200）作为一个穿衣搭配的助手，帮助用户决定穿什么。
立法禁止在面试中询问面试者 “目前的薪水”，会给求职者带来怎样的影响？
自上周起，在纽约市，面试询问“你现在的工资是多少？”是非法的，并且，这个问题在其他地方很快也会被取缔。
在市人权委员会数月的努力以及越来越多的政治支持下，法律禁止雇主向其候选人询问他们的薪资水平的历史。可是，此项立法会如何影响你？CNBC Make It与多位劳动和就业的专业律师交谈并将其影响总结为四个方面。
