Tableau数据可视化，学完就掌握商业分析必备技能了！
数据可视化（Data Visualization）通常是商业分析的案例的最后的一步，可视化的图表更加直观，它可以把故事讲得更生动形象，给自己的项目经理或者同事们看图表会比看数字更清晰。本篇文章就来带你了解如何用Tableau做数据可视化。包括的主要内容有：数据可视化的目的、Tableau的优点、案例分析—Superstore销售分析。
使用 SafeGraph ，获取智能位置解析
SafeGraph 是一个新兴数据分析工具，可帮助你查看位置或社区的客流量趋势。 它成功聚合了交易数据和丰富 POI 数据，让你能够了解人们在特定地点的消费方式和时间。在SafeGraph 官网上有 1100 万多条兴趣点 (POI) 记录，包括位置、品牌、模式等数据。本文将通过一个实际案例，带你了解SafeGraph 的数据用例。
群体学习（Swarm Learning）的工作原理——结合区块链和机器学习的更优解决方案
群体学习（Swarm Learning）是一个数据隐私保护框架，通过区块链技术，分散基于机器学习的系统。群体学习 (SL) 没有中心位置，数据或“学习成果”不会被送到中心位置，新节点通过区块链智能合约注册，获取模型，并进行本地模型训练，直到满足定义的同步条件。本文将带你了解群体学习的工作原理。
最先进的技术：基于 AI 的图像压缩
深度学习 (DL) 一直被用于图像压缩，并且已经扩展至多层感知器、随机神经网络、卷积神经网络和生成对抗网络等技术。无论你是经营网点还是博主，加快网页页面的加载速度对于网站性能至关重要，更快的页面速度有助于改善用户体验和 SEO。本文就将带你了解基于AI的图像压缩。
用Python 整理字符串格式的 7 种方法
Python 是世界上最流行的编程语言之一，被数据科学行业广泛使用。它的语法简单直观，支持各种范式，而且能与其他软件组件很好地集成，可用于构建完整的端到端管道——从数据开始，清理模型，然后将其直接构建到生产中。在本文中，我们将学习如何使用内置字符串方法来整理字符串的格式。
能帮助数据科学家的软件工程概念
一个了解自己的代码质量的数据科学家是一个更能感同身受的专业人士——这类数据科学家关心的是那些之后要调试、部署或改进其模型的人，这样做也可以帮助他们避免大量的技术债（Technical Debt）。这篇文章将分享一些非常炫酷的概念，这些概念可以帮助提高编程技能，帮助你成为一名更加全能的数据科学家。
元宇宙（Metaverse）揭秘——数据科学将如何应用在元宇宙？
近来，元宇宙成为了大家讨论的一个热词。根据维基百科的定义，元宇宙是一个虚拟的世界，主要发展社交网络。元宇宙的技术和应用并不是现在才出现，它有长久的发展过程。那什么是元宇宙，元宇宙这个领域对我们的生活以及周围的商业机会会产生哪些影响？今天，我们就一起从几个角度来聊聊元宇宙。
如何用Tableau做象限分析（Quadrant Analysis）
如果你是数据科学生态系统中的一员，你一定听说过 Gartner 的魔力象限 (Gartner’s Magic Quadrant – MQ)。魔力象限是一系列的报告，包含对几家科技公司的市场研究和分析，也是这个领域最受期待的报告之一。Tableau 是当今业界广泛使用的优秀数据分析和可视化工具。在本文中，我们将学习如何在 Tableau 中创建象限图，深入探讨，并投入运用。
