Data Scientist生产力进阶—Python OOP编程快速入门
Python 是数据科学中最重要的一种语言之一，它拥有众多库和内置功能，可以轻松满足数据科学的需求，引领着整个数据科学行业。在Data Science面试以及工作中，如果能了解Python OOP，不仅有助于深入理解Pandas、Numpy等背后原理，更能使得代码的可读性、复用性、以及团队协作性进一步提升。本文将带你了解Python 面向对象编程。
数据科学是如何转变游戏行业的?
在过去几年里，随着游戏用户数量的增长，数据科学已逐渐成为游戏公司追赶其他公司的头号工具。以前人工设计的游戏，现在已转变成了数据驱动设计的游戏，为玩家提供了非凡的游戏体验，也为游戏公司提供了许多数据科学用例，对游戏进行优化和改进。在今天的文章里，我们将介绍数据科学是如何在游戏行业中发挥重要作用的。
通过案例数据集，带你了解Python数据分析和数据可视化
由于“数据消费者（data consumers）”接受信息的方式，使用图表或图形来显示大量复杂数据，往往比电子表格或报告更简单，这也是数据可视化的魅力之一。想要了解一组数据的特征，我们需要选择数据量、数据中的变量总数等基本方面来总结数据；同时也要识别数据问题，例如缺失值、不一致和异常值等等。本文将向你展示如何用“房价数据集”进行一些简单的数据可视化.
评估回归模型（Regression）— 你需要知道这3个指标
基于回归的机器学习模型（Regression-based machine learning models）被数据科学家们用来预测连续属性的值。和任何机器学习问题一样，我们都会有几个指标用来确定模型的整体性能。你选择的指标将取决于训练模型的数据，以及模型的使用方式。在本文中，我将分享三个可用来评估回归模型的性能的指标。
2022年数据工程就业市场：对1000个FAANG职位信息进行分析
2022年数据工程师(Data Engineer)需要哪些技能？为了回答这个问题，本文分析了在LinkedIn上收集的Meta、亚马逊(Amazon)、苹果(Apple)、Netflix和谷歌15加顶尖科技公司的数据工程师职位信息，探索最受欢迎的技能和技术；通过可视化的方法，向你展示这些技能需求的分布和受欢迎程度，帮你求职数据工程师确定方向。
实用SQL函数清单——教你用SQL清理数据
进行数据分析时执行的首要任务之一是创建干净的数据集，很多分析人员80% 的时间都用于处理数据。SQL 可以帮助加快这项重要任务。 在本文，我们将讨论将带你了解SQL的一些基本指令，并解释它的详细用法。可以用这些指令从查询输出中清理、转换和删除我们不想要的形式的重复数据的不同函数。
数据泄露Data Leakage是什么？你为什么要注意？
在执行机器学习任务时，维护数据的干净卫生是至关重要的。然而，尽管现在大家对这个主题都进行了充分的探讨，但对数据卫生的巨大威胁却缺乏认识，比如数据泄漏—Data Leakage。在本文中，我们将探讨什么是数据泄漏，通过介绍一个数据泄露案例，带你了解它是如何发生的，以及应该如何防止。
10个Python函数，帮你解决70%的数据分析问题
如果你想成为一名数据科学家，那你要做的第一步就是培养你的数据处理技能，因为几乎每个数据科学项目都需要这个技能。你需要首先读取数据，并将其转换为表单，然后你就可以通过数据回答问题了。而Python编程语言就有针对数据操作和数据分析工作的 Pandas 库。在这篇文章中，我将概述每一个数据科学家都应该知道的10个python(pandas)操作。
