数据科学面试中，你需要问你的雇主这 5 个问题
数据工程是一门很深奥的技能，所以不要认为你可以独自完成这项工作。没有人能在没有数据的情况下开展机器学习。不要假设你可以访问所有你需要的数据。要了解数据管道和基础设施是否已经到位。如果公司要求你构建这些，那么你最好具备数据工程技能。本文将介绍五个你应该问雇主的问题，提前为未来的工作做好准备！
揭秘 10 大数据科学术语（面试中最常见问题）
入门数据科学可能会让人不知所措，你需要掌握的各种概念和技术，才能有效地完成工作时。 即使是“数据科学”这个词也可能有点模糊，随着该领域的普及，它似乎失去了定义。数据科学中流行着很多术语，了解这些术语很重要，因为它们经常出现在数据科学工作面试中。本文将介绍十大数据科学术语。
你如何知道你的分析是“正确的”？
如果你一直和数据打交道，那很可能有人告诉过你“这个数据看起来不太对……” 你可能以为，如果我再小心谨慎细致一些，就不会出现这些错误了。但其实，在向利益相关者展示报告之前，尽最大努力验证最终结果，对于增强信心和获得信任是非常重要的。本文将介绍几种方法，让你了解如何验证自己的数据正确与否。
只需要简单3 步！在 Azure 上构建部署微服务 NLP 模型
对于数据科学家来说，处理数据是一回事，但将机器学习模型部署到生产环境可能是另一回事。根据不同的云部署方式，这个过程可能需要几分钟到几个小时不等。更重要的是，部署方式还应该基于可扩展性和你的预算要求。 本文将展示一种直接使用 Python 代码（不是构建容器），将 NLP 模型作为微服务，然后部署到 Azure 的快速方法。
从Marplotlib到Plotly: 教你入门Python数据可视化
Matplotlib 是在 Python 中创建可视化最快且最直接的工具，但它最适合初始的探索性分析和静态绘图。而Plotly 是一个较新的开源图形库，可以高效地创建更复杂的交互式可视化。本文将逐步带领你通过 Plotly 创建带有自定义工具框（Customized Tooltips）和范围滑（Range Slider）的交互式组合图（Interactive Combo Chart）。你将学习Plotly的关键概念和特性，文章也会为您提供完整的代码。
从头开始实现Naive Bayesian朴素贝叶斯
朴素贝叶斯(naive Bayes)分类器是一种用贝叶斯定理，从而对对象进行分类的算法。此模型易于构建，对于非常大的数据集特别有用。 除了简单之外，众所周知，朴素贝叶斯的效果甚至优于高度复杂的分类方法。如果你有涉猎过机器学习，那你一定听说过这个模型。在本文中，我们将用Python和NumPy一步一步地从零开始实现朴素贝叶斯分类器。
Hadoop是什么？一篇文章带你快速入门
大数据（Big Data）是指需要存储、分析、处理的海量数据。而Hadoop是一个开源数据库框架，由Apache软件基金会(ASF)管理，编写语言为Java，用户可以通过Hadoop存储并处理大数据集（从GB到 PB 级），解决了大数据的两个主要问题——存储海量数据并处理存储的数据。本文将带你了解Hadoop，并扩展讨论Spark的技术和应用场景。
Power BI 建模 —— 一些提示和小技巧
模型的定义是“一个由假设、数据和推理组成的系统，以对实体或事态的数学描述的形式呈现。” 数据科学家的模型也是为了做同样的事情。而不管是对于个人还是企业，一个模型越简单，就越容易理解、管理、更新和维护。本文将介绍一个经过简化的模型，以及一些可以帮你排除故障的工具。
