Blog

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。

数据科学家（Data Scientist）作为21世纪最酷的工作，很多入行的同学对公司和职位本身的期待非常大。但可能因为对一些行业的不解，导致入行后的一些压力和失落感。本文将从我的个人经历出发，讨论你可能也遇到过五个误解，比如工作时只查看模型误差和准确度，以及忽视SQL的重要性等等真实情况。

数据科学爆发式的增长，为人类带来无限可能的同事，它对社会会有破坏性影响吗？答案是肯定的。本文介绍了 4 部电影，有的是纪录片，有的是剧情，也有两者的混合，主要揭示了滥用数据和人工智能对政治、公共卫生、以及对社会不同部分的负面影响。希望通过这几部电影，引起你的思考，更正确地、有责任地使用数据。

在宣布将 Facebook 打造成“元宇宙(Metaverse)公司”的计划后，互联网爆发了对元宇宙的热议，成为了最热门的技术和社会经济话题之一。 在Meta，分析是一项基本技能。而主要有两个岗位会用到这项技能：数据科学和数据工程，两个岗位包含了不同的专业知识在本文中，我们将探讨Meta作为分析型公司的职业发展总体方法。

近年来，数据科学实现跨越式发展。因此，数据科学家的需求大幅增加，许多人转行从事该领域的工作。数据科学是一个跨学科领域，因此所需的技能并不集中在某个主题上。要想成为一名合格的数据科学家候选人，你需要掌握一系列的技能。在本文中，我将分享在数据科学家面试中经常出现的 6 个问题。

申请数据科学岗位，准备编程面试需要大量的时间。候选人需要学习不同的编码原理、数据结构和算法。面试中一定会出现各种算法，所以在进行编程面试之前反复练习非常重要。本文将重点讨论基本编程面试中常见的有关递归的基本问题。本文整理了一些常见的面试问题，你将了解不同的递归算法（Recursion Algorithm）问题，供你练习！

当今世界，数据的重要性达到了新的高度。在电子商务和零售行业中，我们可以通过跟踪客户的行为来预测购买、利润、损失，甚至引导客户购买商品。 这些电商平台通过分析数据，创建他们客户的档案，了解他/她的痛点，并相应地营销他们的产品以推动客户购买。本文带你全面了解以Square和Shopify为主的电商平台对数据分析的应用。

群组分析（Cohort Analysis）是一个非常有效的工具，可以帮助公司更好地了解用户需求及习惯。数据科学家可以通过将具有相似属性（例如，注册日期、首次购买日期、潜在用户来源等）的用户或用户进行分组，然后观察关键绩效指标（KPI：例如，参与度、收入、留存率），收集有用的见解。本文将通过一个实际案例，带你了解群组分析的应用过程。