• 模型是数据科学的核心输出，它们具有改变公司、行业和社会的巨大力量。每个机器学习或人工智能应用程序的核心是使用数据、算法和代码构建的 ML/AI 模型。尽管模型看起来像软件并涉及数据，但模型具有不同的输入材料、不同的开发过程和不同的行为。创建模型的过程称为建模。 
  • 与硬件的摩尔定律相比：摩尔定律的硬件改进会随着时间的推移顺利进行，而对于算法而言，带来的收益虽然会很大但是发生的概率机会很小。为了让人们坚信对算法的信仰，麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的科学家开始研究：算法改进能提升多少性能？该团队着手处理来自 57
  • 多维思考是超越二维思考的非线性概率思考模型，多维分析三步过程： 步骤 1. 确定关键维度， 步骤 2. 构建多维模型， 以及步骤 3. 分析模型以形成合理准确的结论。 步骤1中：确定关键维度不是二分法：黑与白、好与坏、阴与阳，例如，在决定是否投资一家 icon
  • 2021 年诺贝尔物理学奖联合授予真锅秀郎、克劳斯·哈塞尔曼和乔治·帕里西，以表彰他们对我们理解复杂物理系统的开创性贡献。他们在气候和其他复杂现象中发现了隐藏的模式，三位获奖者因对混沌和明显随机现象的研究而分享了今年的诺贝尔物理学奖。以下来自nobelprize的报道：复杂系统的特点 icon
  • 优步Uber提供按需出租车服务，只需按一下按钮。在本文中，我们将探讨 Uber 背后特定功能的工程设计。 计算预计到达时间当你拿出你的手机；打开优步应用并叫车，然后那些聪明的小算法会告诉你司机需要多长时间才能到达。预计到达时间在大多数 icon
  • 获得腾讯投资的Dream11平台可以让用户创建由真实玩家组成的虚拟团队，并允许他们根据实际游戏中玩家的数据表现来组织比赛。获奖者将获得积分奖励，每场比赛都有参赛费。该平台提供梦幻板球、足球、卡巴迪和NBA的比赛：对于 1 亿 Dream11 用户来说，在我们的平台上玩梦幻体育的刺激和 icon
  • 这篇文章分享收入最高的前 5 名编程工作。如果您正在寻找工作机会步，那么它对您来说是有用的，查看收入最高的编程工作： 数据科学家数据科学家日复一日地提出要求，因此它是薪水最高的工作之一。他们收集复杂的数据以帮助组织更好地运行。如今，这 icon
  • 统计学是机器学习的四大支柱之一，另外三个是线性代数、微积分和概率。要在机器学习或数据科学方面表现出色，你应该掌握的一件事是统计学。在这里，我用例子写了常用术语。统计分为两部分，分别是：描述性统计:探索数据（尚无观点）。了解我们拥有什么类型的数据，我们拥有多少样 icon
  • 这篇博文将帮助读者了解单体数据架构、与单体数据架构相关的挑战，以及分布式数据网格如何帮助组织将其分析数据转换为产品并构建高度可扩展、弹性和数据驱动的应用程序。目标受众是有兴趣了解更多关于单体数据架构和分布式数据网格的软件工程师、数据工程师、数据科学家、MLOps 工程师、软件开发人员和数据库 icon
  • 相关性：通过了解A我们可以预测B；因果性：通过改变A我们可以控制B。相关性比因果关系弱，但仍然非常有用。 icon
  • 在数据仓库应用程序中，我们需要想办法有效地回填我们的数据并大规模快速运行我们的 SQL。回填是指我们想要在表中填充过去 X 天的数据。为此，我们的 SQL 必须是可重复和可水平扩展的。我们需要以不会泄漏数据或导致重复的方式一次填充数天的数据。以下是实现这一目标的一些技巧。 < icon
  • DoorDash 每天交付数百万个订单，为了支持我们的平台，我们需要解决“调度问题”：如何尽可能高效地通过 Dashers 将每个订单从商店送到客户手中。在这篇博文中，我们将讨论调度问题的细节，我们如何使用机器学习和优化来解决问题，以及我们如何通过模拟和实验不断改进我们的解决方案。  icon
  • 真正的挑战不是是否做对了，而是知道自己走错到什么程度了。我深入地探索了理性的领域：事实证明，这里有一场日益壮大的理性运动，有着自己的精神、思想风格和知识体系，大量来自心理学和经济学。和 Greg 一样，我阅读了一系列理性博客——Marginal Revolution、Farnam S icon
  • 软件系统是社会技术的，当我们从社会技术角度看待软件时，我们开始意识到软件开发和运营中固有的复杂性。我们正在构建和运行的系统不断被不同的人修改，在不同的背景下，在不同的时间，他们可能会也可能不会直接与你沟通交流这种变动。这种紧急的协作可以带来独特的挑战。在我职业生涯的早期，我认为软件系 icon
  • Apple 的机器学习研究团队开发了一种名为Trinity的无代码人工智能 (AI) 平台。该 AI 旨在使机器学习研究人员和非技术地理空间领域专家 icon
  • 人工智能AI在自动驾驶汽车、社交媒体甚至医疗保健领域出现明显挫折。扎克伯格和马斯克都在努力解决一些大问题，这些问题至少部分源于对交付不足的人工智能系统的信任。扎克伯格正在处理无法阻止有害内容传播的算法；马斯克的软件尚未以他经常承诺的方式驾驶汽车。准备使用AI的公司应该考虑专注于培养高 icon
  • 一场强大的颠覆即将来临；也许，这是自 1964 年计算机化事务处理发明以来最强大的。预测事务处理即将颠覆过去 57 年的计算模式，并改变我们的生活、工作、购物和娱乐方式。为了使企业保持相关性和竞争力，他们不仅需要能够预测客户的行为和偏好，还需要依靠预测性交易来实现大部分业务交互的自动 icon
  • Verinovum 总部位于俄克拉荷马州塔尔萨，提供干净、完整和准确的临床数据，使医疗保健支付者、提供者和合作伙伴组织能够改善业务和患者结果。与电子健康记录 (EHR) 系统相关的界面和操作流程可能不同，从而产生大量数据变化。许多医院系统使用自己的代码系统，因此我们需要使用标准化规则 icon