拿到数据应该怎么办？有五件事情你必须知道。
作为一枚数据分析猿，拿到数据的第一反应是什么？
废话当然是撸起袖子干啊。
我们纵身跃进数据的海洋里左冲右突辗转腾挪，
恨不得使尽手段榨干数据的最后一滴价值。。。
然而却忽视了至关重要的一点：它必须得到商务人士的认可 —— 对于任何商业分析而言，
出发点不是为了分析而分析，数据不过是分析的对象，
解决商业问题才是初衷所在。
为了避免舍本逐末，我们必须搞清楚什么只是手段，而什么才是目标。
写给每一个想读数据专业的你
身边很多朋友提过或者是想要走进大数据这个行业
每个人的Background不一样，能力，擅长的领域都不一样
有一句发自肺腑的话要说给大家听
不是热门的，薪水高的，所谓好找工作的专业就值得去学；
真正值得学的是你理性地衡量了所有标准以后，最适合自己的，才是值得你学的
亚马逊资深数据科学家：如何正确打开数据科学家生涯？
我们都知道，数据科学家是目前最性感的工作，目前不仅人数很少，市场需求量大，而且还有很高的薪水。因此，数据科学课程和大学课程的数量也因此正在疯狂增长。如何成为数据科学家？哪些课程是最好？应该采取什么步骤，如何以最快的方式成为数据科学家？
Love wins | 技术圈 LGBT 群体的喜与忧
每年六月份不仅是新婚夫妇庆祝的季节，也是同性恋、双性恋、及变性者（LGBT）群体的民权运动取得重大突破的时刻（译者按：2012年，前美国总统奥巴马宣布六月为同志骄傲月。）技术已经渗透入社会公众生活的方方面面。LGBT 群体的权力与人际关系自然也在技术的影响范围之内。社交媒体的内容生产与消费、高科技劳动雇佣、州府与国家层面的政策制定，全都处于LGBT 权力保护与技术进步的交集区域。
想在美国大学拿高分又懂社交，代价就是别睡觉！
国外大学里有个广为流传的3S魔咒——study，social以及sleep，你想要雨露均沾，但现实只允许你占有两个。
今天的文章我们就来具体说说，3S魔咒可以被打破吗？学习已经很忙了，还有必要去社交吗
谨慎建模，小数据也可以用好深度学习
在Simply Stats，Jeff Leek 发表了一篇叫做‘当你的数据量不够大的时候，最好不要使用深度学习’的文章，这让我略有不安。首先声明，我不认为深度学习是万能的，并且同意Jeff的中心观点（稍后我会具体解释），但是我认为有几点值得更深探索。
非数据分析员需要理解数据建模的7个理由
对于在商业环境中的许多非技术人员来说，数据建模似乎是一个陌生甚至而有些可怕的领域。即使是那些在日常操作中经常进行数据处理和分析的人也常常将建模视为最好留给数据分析师或信息技术人员的专门课题。
这在一定程度上来说是对的，因为高级数据建模往往可以很快就成为一个复杂的事情（尽管商业智能软件使得它变得相对简单），而且往往最好留给专业人士来处理。然而，即使您是非技术人员，也不创建公司范围数据模型，但是对数据建模有基本概念的了解可以帮助您，数据分析师和业务部门实现最佳的商业信息流程。
