FB, Uber, Airbnb等数据岗面试分析集锦
数据科学的世界拥有巨大的潜力，大多数公司希望利用他们的数据产生的洞察力来助于他们在21世纪的经济前沿进行竞争。 通过我们的分析，我们希望你能够将这些知识转化为可操作性的行动，打造你的数据科学职业生涯，并打破加入顶级数据科学团队的壁垒！
切勿局限你的视野：闷声发大财的精准农业
农业将在接下来的几十年中占有毋庸置疑的重要地位。美国的孟山都，中国的佳格数据，都是这方面的行业领头羊。求职的各位亲，大可不必把自己的目标定死在硅谷Google，Facebook。打开你的视野，更有一片天地。
如何应对PIP之: 目的和基本方法(附举报模版)
法制社会，一切以法治为基础， 以法律为准绳。本文所介绍应对pip的方法绝对的合理合法。因为pip涉及潜在的非法行为，要fight，必须保证我们自己不触及法律底线。请放心使用。
如何使用Python处理丢失的数据来进行机器学习
现实世界的数据中常常包含丢失的数据。原因很多，比如观察结果没有记录，或数据损坏。
处理丢失的数据很重要，因为许多机器学习算法不支持具有丢失值的数据库。
本教程将讨论如何使用Python处理丢失的数据来进行机器学习。
领英知识图谱（LinkedIn Knowledge Graph）提升数据价值
这是一篇关于领英知识图谱（LinkedIn Knowledge Graph）如何利用大数据和机器学习技术来为会员带来价值的非技术类文章，应insideBigData的邀请，由我和我的同事Bee-Chung Chen共同完成
纽约，旧金山，伦敦和班加罗尔的码农比较分析
当我告诉某人Stack Overflow在纽约市，他们常常感到惊讶：许多人认为它在旧金山。 （我甚至在求职信中看到了“我在纽约，但愿意搬到旧金山”的工作申请。）旧金山是一个符合常识的猜测，美国科技公司可能位于那里：它在心脏的硅谷，靠近技术巨头如苹果，谷歌和Facebook的总部。但纽约也有一个丰富的创业生态系统，这是一个与旧金山非常不同的世界，开发人员使用不同的语言和技术。
从洛杉矶到府南河：1.洛杉矶雾霾斗争史
环境问题在各个国家都是一个很复杂的问题。环境问题本身既需要科学上的解释，又需要在社会分工与协调中寻找矛盾的本源。而解决环境问题除了需要科技的进步，往往更需要在政治与经济利益的取舍。所以非常困难。
XGBoost VS LightGBM
武林至尊，宝刀屠龙，号令天下，莫敢不从！倚天不出，谁与争锋？想要在Kaggle这样一个拥有来自全世界超过5万数据科学家参与的数据科学竞赛拔得头筹，什么工具才能称作是屠龙刀和倚天剑呢？在当今的数据科学江湖中，XGBoost作为多个Kaggle冠军的首选工具，当之无愧拥有屠龙刀的称号。而开源刚2个月的LightGBM以其轻快敏捷而著称，成为了Kaggle冠军手中的倚天剑。接下来，笔者就以Kaggle的Allstate Claims Severity竞赛来跟大家分享一下这两个工具的使用经验。
