Blog

随着文本/文档数据比其他数据类型更加丰富，利用它们的新方法势在必行。由于数据本质上是非结构化的，且极其丰富，因此以易于理解的方式组织数据，可以大大提高其价值。将文本分类与机器学习结合，可以用更快、更具成本效益的方式自动构建相关文本。我们将定义文本分类、它的工作原理、一些常见的算法，并提供可能有助于开始文本分类之旅的数据集。

NLP是来自不同学科的方法的组合，像Siri和Alexa这样的智能助手使用这些方法来理解我们问他们的问题。它结合了人工智能和计算机科学等学科，使人类更容易像与其他人一样与计算机交谈。将人类对话传真到机器上的想法可以追溯到艾伦·图灵（Alan Turing）的一篇开创性论文——这篇论文为我们今天使用的NLP技术奠定了基础。

很多人都在用Instagram——即使现在还没有，它也绝对是最顶尖的社交媒体应用之一。我做了一件事——关注了很多有关数据科学、机器学习和人工智能的Instagram账户。我也会关注其他类型的内容，但看那些代码、待解决的问题或基于理论的知识，会让我的大脑运转起来。它让我了解了我所知道的东西以及我需要进一步研究的内容。

应该如何准备面试呢？最主要的是产品部分。其他的部分：数据库面试题目除了在难度上有一定要求外，很有可能和产品应用有关，比如游戏应用场景（会话和关卡）。统计和机器学习部分都有涉及，回归和时间序列可以预估某个时间有多少活跃用户，准备多大的服务器负载，这是活跃用户的数量测试；分类可以预测用户的一些非正常行为。

事实上，这并不是最新的消息，因为谷歌宣布BigTable和BigQuery的集成很容易，而且谷歌BigLake几个月前都存在了，现在谷歌批准了它正式版本的发行，使用新方法可以克服传统ETL的一些缺点。