Blog

这场比赛有一个很大的挑战，即参赛者有着大量的商品可供选择，而将所有可用信息输入到复杂模型中需要大量的计算资源。因此，参赛者们通常会两步走：精准推荐/重新排序技术。阶段1，精准推荐，这一步骤将每个用户的潜在推荐数量从数百万减少到大约50到200。为了处理数据，这一步通常会使用一个相对简单的模型。阶段2重新排序：你可以在这一步使用更复杂的模型，例如ML模型。在你对减少后的推荐进行了排序后，你就可以选择排序最高的商品作为推荐。

数据工程是一个回报丰厚的职业，目前正在蓬勃发展。这一领域对熟练专业人员的需求日益增加。在一个数据驱动的世界里，建立、设计和管理数据科学管道并维护数据基础设施，为数据应用提供动力，DE是至关重要的。用一句话来概括：“数据工程是人工智能的未来”。但问题是：寻找数据工程项目是非常困难的！这就是为什么我列出了你现在可以做的5个项目。

为什么我要写这篇文章？如果你曾经可视化过你的数据（我相信你这么做过），第一时间出现在你脑海中绘图类型很可能是散点图、条形图或折线图。虽然这些图确实能用在各种各样的可视化数据中，但问题是，它们被太多数据科学家滥用了。尽管它们简单易懂，但并不是永远的最佳选择。因此，在这篇文章里，我会介绍一些其他的方案，以及如何更好地使用它们。

本文有一个包含15个问题的测验，可以帮助你检验你所积累的统计知识是否足够。你可以检查你的答案，最后我会检验你的表现如何。请记住，这只是为了“好玩”，我不建议将其作为正式评估或用于工作面试。请随意在评论区分享你的解题思路，或者就我所给的答案进行反驳。

不必完全相信这些“固定的”时间点，因为这些预测往往都不对（尤其是在技术方面）。原因很简单——我们倾向于用历史作为未来的指南，而历史的核心是对惊喜的研究。然而，这不应阻止我们更好地理解未来：通过对“过去”和“现在”发展的情况进行规划，当“未来”来临时，我们就能最快地采取适当行动。我们不知道答案，但我们可以提出有用的问题，抛砖引玉！

2022年，数据处于所有技术进步的前沿。这一年都是关于小数据、日常工作的自动化、对云的更强依赖、对业务的强大预测模型，以及高管们只希望看到仪表板。我们在2022年听到了对新数据术语的介绍，它们在2023年成为我们词汇的一部分，这篇博客是关于那些肯定会在我们生活中出现的数据和技术专业人士的热门词汇。

投资银行高盛的一份报告称，人工智能(AI)可能会取代相当于3亿个全职工作。它可能会取代美国和欧洲四分之一的工作任务，但也可能意味着新的就业机会和生产力的繁荣。它最终可能使全球生产的商品和服务的年总价值增加7%。报告称，能够创造与人类工作难以区分的内容的生成人工智能是“一个重大进步”。