数据科学教程

Netflix 撰写了有关 Metacat 的文章，这是一个充当所有数据存储的联合元数据访问层的系统。各种计算引擎的集中式服务可以用来访问不同的数据集。Metacat 采用了一种有趣的架构模式，其中各个元数据存储仍然是模式元数据的真实来源，而 Metacat 并未在其存储中实现它。

Paypal 撰写了关于通用数据目录 (UDC) 从 2017 年孵化开始的演变。该博客讲述了 UDC 的增长如何帮助 Paypal 弃用多个重复的基础架构，以及 Paypal 为何采用拉模型来获取元数据。 元数据对 PayPal 来说并不新鲜。创

首先，我想讨论几个数据工程的具体方面：可见性、协作和多样性（技能）。 可见性鉴于数据工程工作的性质，在许多公司，数据工程经常生活在数据科学的阴影之下。因此，数据工程团队的可见性往往是一个问题，直接影

ODD 是面向数据团队的开源数据发现和可观察性工具，有助于通过现代用户友好的环境有效地实现数据民主化、加强协作并减少数据发现时间。关键特点： 缩短数据发现阶段 对数据的使用方式和使用者保持透明 通过持续的合规性和数据质量监控来培养数据文化 加速

哈佛大学提供免费在线课程。无需申请或费用。这里有 10 门您不想错过的免费课程： 1.

ML 能否取代创意内容生成器，还是将创意提升到新高度的绝佳助手？Netflix 撰写有关其 ML 平台的文章以协助其媒体制作。 在 Netflix，我们每年都会为全球会员推出数以千计的新电视节目和电影。每个标题都使用一组定制的艺术作品和视频资产进行

Expedia 撰写了关于其使用无监督学习对客户反馈进行分类的方法。我的一部分想知道，云提供商可以开箱即用地提供这些解决方案，难道不应该是一个已解决的问题吗？ 在Expedia Group ，我们努力为旅客提供无摩擦的方式来提出他们的疑问、投诉或反

Google发布了数据卡，这是一个数据集文件框架，早在提供高数据集生命周期的透明度。数据卡包包括以下内容：

当时Hortonworks的Apache Atlas项目加入了Apache孵化器项目，专注于为企业提供开放的元数据管理和治理能力，以建立其数据资产的目录，对这些资产进行分类和治理，并为数据科学家、分析师和数据治理团队提供围绕这些数据资产的协作能力。Apache Atlas于2017年

聚合数据能简化它，但让我们失去了信号和我们需要理解我们所看到的内容的上下文。 聚合是分析时间序列数据的标准最佳实践，但它会通过剥离关键上下文而产生问题，以至于您甚至不知道自己失去了多少潜在洞察力。在这篇文章中，我将首先讨论聚合如何成为问题，然后通过

Facebook 写了关于其数据发现引擎 Nemo 的文章。Nemo 有两个主要组件，索引和服务，前端位于服务部分的顶部。索引又分为每天发生的批量索引和立即更新索引的即时索引。对于 Serving，Nemo 对采用基于 spaCy 的 NLP 库特别感兴趣，该库执行文本解析和 ML 方法进行

内部通知是在线商务的重要潜在客户。优步写了问题陈述的复杂性以及它如何采用线性程序（线性优化）来实现最佳结果。推送通知是 Uber Eats 优食客户发现新餐厅、有价值的促销活动、杂货和酒类等新产品以及成为会员的好处等的一个不可或缺的渠道。推送通知由内部各个团队发送，例如营销、城市运营

在过去的几周里，数据合约一直是一个热门话题： Chad 发表了数据合约的工程指南， Jake 发表了

优步写了一篇关于其运行 Databook 的经验的反映，并随着时间的推移对其进行了演变。该博客讲述了结构良好、管理良好的元数据、专注于用户体验的集中式元数据系统以及可扩展数据模型的重要性。 每天在全球 10,000 多个城市，数百万人依靠优步出行、

Airbnb 开发了 DataPortal 以使数据民主化，并通过帮助数据探索、发现和信任来帮助 Airbnb 员工获得数据知情权。这篇文章非常适合阅读，详细介绍了数据发现工具的碎片化数据格局和数据建模技术。 与许多初创公司一样，Airbnb 的员

Shopify 撰写了有关 Artifact、其数据发现和数据管理工具的文章，以提高生产力、提供更大的数据可访问性并允许更高级别的数据治理。该博客讲述了构建数据发现服务的挑战，从获取元数据到转换、建模和应用以使其更易于使用。 数据使用的本质是问题驱