Blog

Jul
21

使用Amazon SageMaker和AWS Lambda进行无服务器管道自动化模型训练和部署

大多数数据科学爱好者都知道如何构建和训练模型,但如何部署模型并让他在现实生活中有用,有时是个有挑战性的问题。 幸运的是,有许多不同的平台和工具可用于帮助进行模型部署。 Amazon Sagemaker 是最具代表的工具之一,因为它在很大程度上减少了构建、训练和部署模型的努力和犹豫。 借助 Lambda 函数,可以在 AWS 云上自动训练和部署模型。

By Zhang Bonnie | Blog
DETAIL
Jul
21

Amazon Sagemaker是什么,怎么用?

Amazon SageMaker 通过整合专门为机器学习构建的广泛功能集,帮助数据科学家和开发人员快速准备、构建、训练和部署高质量的Machine Learning模型。它完全消除了机器学习过程中每个步骤的繁琐工作,让开发高质量模型变得更加轻松。在这篇文章,我们将为你介绍什么是Amazon Sagemaker,为什么要使用它,以及如何使用它。

By Zhang Bonnie | Blog
DETAIL
Jul
19

快速发展的公司最想招聘的两类软件工程师

软件开发人员们构思、设计和构建计算机程序。 他们中,一些人会开发移动或桌面使用的应用程序,而另一些人会构建底层操作系统。 无论哪种方式,软件开发人员都会识别用户需求、构建程序、测试新软件并进行改进。本文围绕大公司最想招聘的两类软件工程师,介绍他们工作上的差异和相似之处,以及他们在团队中发挥的不同作用。

By Zhang Bonnie | Blog
DETAIL
Jul
19

如何在Jupyter Notebook里运行SQL?

Jupyter Notebooks 是数据科学工作的重要组成部分,SQL也同样如此。在数据科学行业,掌握这两种工具的技能几乎是必不可少的。随着技术的提升,现在在Jupyter Notebooks中,也能实现在SQL里同样的查询等数据操作。本文详细介绍了如何在Jupyter Notebooks使用SQL功能,包括安装library, 储存数据和示例语句,让你快速了解如何在如何在Jupyter Notebook里运行SQL。

By Zhang Bonnie | Blog
DETAIL
Jul
17

2021北美数据分析岗位求职:我是如何成功快速拿到Data类Offer的?

数据科学被哈佛商业评论称为“21 世纪最性感的工作”。在过去的十年中,随着科技界在大数据、机器学习、云计算和人工智能方面取得了进步,数据科学家的机会也越来越多。那么,你要如何成为一名数据科学家,被理想公司录用? 在本文中,我们为你分解了拿到数据类岗位的详细步骤。

By Zhang Bonnie | Blog
DETAIL
Jul
16

给软件工程师(SDE)的15条日常小技巧

软件工程是计算机科学的一个分支,包括计算机系统软件和应用软件的开发和构建。 软件工程师在编程语言、软件开发和计算机操作系统方面拥有广泛的知识,他们将工程的原理应用到软件的创建。那么,作为一名软件开发人员,你需要知道什么?本文中,我们收集了一些给那些想成为软件开发人员的人的建议,可以让你少走弯路。

By Zhang Bonnie | Blog
DETAIL
Jul
15

数据分析师如何高效地给电商品牌做客户细分?

电子商务中的客户细分是指,用客户数据将客户分成具有相同行为和特征的群体,例如性别、品味或购物模式、兴趣等。细分客户群有助于更好地了解客户,从而针对每个细分市场进行个性化营销和沟通,从而对业务带来更大的价值。本文讲解了客户细分的原理,以及不同的分类方法,带你全面了解客户细分在电商行业的应用。

By Zhang Bonnie | Blog
DETAIL
Jul
14

支付算法化–算法对支付产业的影响

支付分析通常涉及将来自各种来源(例如在线、移动、卡、现金或支票)的支付数据整合到一个集中平台。同时,支付行业也在逐渐算法化来改进现有流程,可以帮助企业深入了解收入、成本和支付趋势; 做出更明智的商业决策。本文介绍了支付算法化,包括对数据应用的原理和技术,对行业带来的变化,以及未来发展的趋势。

By Zhang Bonnie | Blog
DETAIL