数据分析 – 第4页小小书 XXshu

“如何学习”和“数据科学”硕士

数据可视化跟随：分解弄清楚该做什么，不该做什么设计计划学习实践让我们深入探讨其中的每一个。要非常快速地学习任何东西，您需要将其分解成小部分。为了快速掌握数据科学，您需要将数据科学细分为较小的子学科。此外，这些子学科可以分解为一组技能和技巧。更进一步，所有这些技术都可以分解为可学习的小学习单元（我们将在稍后讨论实践）。在很高的层次上，您可以将基础数据科学细分为以下子学科：数据可视化资料处理数据分析这些类别说明了您需要了解的“基础知识”。将事情分解后，您需要弄清楚该做什么，但又不该做什么。…

妇女与健康研究

大约一年多以前，我看到了一项关于中年人（45-54岁）的死亡率上升的研究，该人被确定为白人，而受过高中教育的人数不多。媒体对可能的原因（尤其是奥施康定和其他阿片类药物滥用）的反应特别令人同情，这让我很感兴趣。但是最明显的遗漏是原始作者没有检查这一组中的性别差异。对我来说幸运的是，有人这样做了，所以我不必自己处理数据。这位科学记者发现，自2008年以来，该组中的男性死亡率实际上一直在下降。但是，对于这个45-54岁年龄段的女性，以及35-44岁被认定为白人且学历不高的女性自2005年以来，死亡率一直在上升，并且高于男性。有趣的是，有点令人沮丧的是，主流报道如何立即聚焦于男性，并且比报道死亡人数增加的非白人甚至白人妇女更具同情心。但这不仅仅是发生这一点的原因；原来的研究没有研究性别差异，只有一位科学记者费心分析性别差异的原始数据，而其他科学记者则没有批评原始研究。媒体（通常是科学）无法解释重要的性别差异的另一个例子是体重和健康。体重指数是确定某人体重是否平均的标准量度，最初是针对18至60岁的男性制定的；没有女性参与研究，而BMI可能不是衡量女性的好方法，尤其是随着年龄的增长。但是，许多有关体重和健康的研究和媒体报道并未考虑性别差异。有了所有这些证据，令人惊讶的是，关于健康的讨论继续忽略了妇女所面临的相当大的问题，除非它与生殖有关。许多研究仍然将性别视为令人讨厌的事物，从而导致数据错误，而不是科学探究的重要部分。国立卫生研究院是美国所有生物医学和行为研究的主要资助者，它已启动一项倡议，以鼓励妇女和少数族裔参与研究并解决这些问题。但是，最近发现NIH在这次任务中失败了很多。没有准确的信息，我们无法讨论如何解决这些健康问题，不幸的是，似乎很少有人愿意解决这个问题。

如何获得正确的数据技能

在这篇文章中，我想谈一谈我们所有人在数据中寻找自己的位置并建立自己的职业生涯。当我说“数据”时，我指的是分析，数据科学，商业智能等。在上一篇文章中，我谈到了结识新朋友并建立个人网站的内容-如果您尚未阅读，请回到该网站。今天，您将听到一个重复出现的主题，即：立即开始。这意味着获得技能，加入社区，找到志趣相投的人……并了解一切将您带到了哪里。过一会儿，我将写一篇关于如何展示自己的技能并使用数据来实际产生影响的文章。但是在此之前，我们需要谈论提高您的技能-这意味着从您拥有的一切开始，坐下来思考自己所缺乏的技能，但很快就会掌握。这些技能不必全部与算法和编程语言有关。他们可以是任何东西。为什么要学习新技能？因为在数据中，事物的变化比许多其他行业的变化快，所以您始终必须掌握一切。如果您是初学者，并且认为您可能缺少一些核心技能，请查看本文数据科学家-核心技能。如果您要进行报告，那么该是时候提高您的数据讲故事技能了。目前市场上最热门的东西之一是称为Tableau的数据可视化工具。我正在提供免费的Tableau认证挑战，让您在短短几个小时内为考试做准备。您可以注册。许多数据人缺乏专门知识的另一重要方面是数据科学的人文方面。沟通和表达能力是如此重要。…

熊猫简介–定量

熊猫介绍使用Numpy时，操纵数据有时可能仍然很痛苦。例如，无法标记Numpy中的矩阵。 Pandas库具有许多优点，但最重要的优点之一是它使我们能够以表格格式表示数据（与我们想象在Excel中看到它们的方式不同）。这使一切变得更加直观。我们首先导入库。 Numpy也被导入，因为我们通常将Numpy函数与Pandas一起使用将numpy导入为np 将熊猫作为pd导入系列我们先从系列开始，然后再进入数据框架。数据框基本上类似于表，而一系列类似于表中的列。当我们进行时间序列分析时，序列将被大量使用创建一个系列。 s1 = pd.Series（np.random.rand（4），index =…

第一周：边做边学或不躲藏学习

在Ubiqum，您边做边学。您可能正在预测新产品系列的获利能力，或者为潜在的新客户制作演示文稿。在应用这些知识之前，您总是在努力实现一组目标和结果，学习所需的知识。在完成任务和感觉自己正在学习之间会感到紧张。现实情况是这种压力实际上并不存在。通过进步，您正在学习。一个朋友曾经告诉我，在他的大学里，有一个人拒绝使用任何工具，除非他完全理解它。在他了解整个操作系统的工作原理之前，他不会开发一个Android应用程序。据推测，除非他了解催化转化器的细节，机油类型，油漆的颜色选择以及内饰的细节，否则他不会使用汽车。我问我的朋友他现在在做什么。可预见的反应是：“他在学术界。” 在技术中，完成某项任务不需要理解某些事情。您不需要了解二进制1和0即可使用C ++编程语言，并且当然也不需要了解C语言即可使用R或Python之类的语言。我不需要在回归背后背诵计算即可运行回归模型。在生活中，许多恶习将自己表现为美德，对知识的渴望通常可以作为一种防御机制。一种不承认自己害怕失败的方式，发现在学习的安全性方面更加放心。就像利兹·吉尔伯特（Liz…

信息可视化讲故事

环法自行车赛摘要目的是讲故事与环法自行车赛信息，并发现使用新的可视化工具的好处和挑战。通过分析三个问题来展开故事，这些问题涉及获胜者的平均速度，按国家/地区排名第一和第二的大多数发生率，以及按国家/地区划分的旅游霸主地位。分析由Kejo Buchanan创建链接各个国家/地区的获胜者平均速度以及注释数据差距注释，清楚地显示了整个世纪的竞争中上升速度的趋势。即使在第二次世界大战中断的情况下，随着更多国家的竞争，运动能力仍在不断提高。让读者想象一下，向上的规模是否基于改进的训练和自行车技术，包括对兴奋剂的关注，也许竞争国家的增加会改善这项运动的性能。由Kejo Buchanan创建链接鉴于每个国家每年出现第一和第二名的次数很少，因此将y轴折叠以仅突出显示相关年份。读者会受到年份标签和阴影的引导，以注意发生次数随时间减少的情况。多年来，国际竞争者增多可能会减少双赢。由Kejo Buchanan创建链接获胜趋势图突出显示了每个国家在巡回赛中的统治地位…

数据分析实用指南

在过去的几个月中，我有很多朋友，同事和熟人给我发送电子邮件，询问我如何获得数据分析工作或如何学习数据分析技能。这篇文章是我的回复的总结，对于您想从事分析工作还是只是想扩展自己的技能范围都将有所帮助。是什么让您对数据分析感兴趣？您是如何找到第一份工作的？我放学后的第一份工作是数字媒体购买-我们有分析师支持我们，我们还使用了由算法和分析提供支持的工具。我一直喜欢这份工作的一部分（分析和利用数据工具），而不是真正的媒体购买纪律。那是我最初引起我兴趣的地方。我能够利用自己的一些数字媒体经验，以及在（无关的）硕士课程期间进行的有限学习（以及一些良好的面试），进入一家完全专注于大数据分析（清晰）咨询公司的领导力发展计划见解）。如果我想进入分析领域，应该在学校学习什么？业内对此有很强的见解，但我的观点是，获得何种学位并不重要，而是在学校期间获得的技能和知识。我本人毕业于拉丁美洲研究，并拥有国际关系硕士学位-与数据分析完全无关。但是，当我获得研究生学位时，我可以与学校的业务分析计划进行交叉学习，在那里我学习了有关SQL，数据库设计和预测建模的基础课程。我的国际学习课程也有相当强大的统计要求，这也非常有帮助。如果您强烈希望选择特定的学位课程，那么信息系统或统计专业的学位都可以帮助您获得分析工作或学习数据分析技能（意味着减少学习时间）你自己）。现在，许多学校也在提供实际的数据科学/分析程序（但是，请帮自己一个忙，并仔细阅读课程要求-这些程序有些“蓬松”，这意味着它们在任何一个主题上都不够深入，以至于不能是有用的（或者某些设计具有更多计算机科学的角度），在某些分析角色中这可能是非常重要的，但对所有人而言却不是必需的或非常合适的，这可能会令人沮丧。请注意，尽管我个人认为您不需要技术学位就可以成为优秀甚至出色的数据科学家/分析专家，但许多公司，人事部门和专业人员甚至都不会在没有技术学位的情况下看您。我个人认为这是招聘的一种短视方式，但确实存在这种态度。您在分析工作中使用的或数据分析师应了解的基本技能是什么？一开始要学习的最好的东西与ETL和数据清理有关，这可能非常无聊，耗时且单调，但是（以我的经验）却占了企业所面临问题的80％。…

机器学习的“第0天”入门

本杰明·曼宁博士我相信我们可以从我们的经验中学到最好的知识，当我们分享有关我们的经验的故事时，我们可以分享同样的经验。我喜欢向人们教授东西；我真正喜欢谈论和教授的一个主题是机器学习（ML）。多年来，我已经向各种水平的各种学生教授ML。不要相信炒作-学习者不需要在任何给定领域的任何类型的特定背景知识或领域知识，就可以理解甚至将ML概念应用于问题。当然-在任何领域的经验都可以帮助您，但是许多人可能会向潜在的学习者表明，要使他们入门，需要掌握大量的统计或数学技能，而事实并非如此。实际上，在本文的其余部分中，我将表明，任何人只要了解并完全理解整个ML过程，就需要对我们自己的学习有一个总体了解。在那些更有经验的人向我尖叫之前，请记住这是为学习第0天的学习者而写的，目的是提供一种整体的，易于理解的，无需担心的方法。因此，让我们开始吧-快速讲故事！童年最美好的回忆之一是父亲教我骑新自行车。我认为这是我的第一次“真正的”硬敲击经历，因为父亲没有告诉我如何骑自行车，而是让我每次尝试并最终摔倒时都会稍微失败。看来，我永远都不会到达那里，但我会根据每次尝试骑行时所学到的正确经验，缓慢而可靠地推论出自己做错了什么。在我的经验和实验过程中，我对每个变量进行了调整，直到结果类似于我自己走到穷途末路并与最快的朋友一起骑行所需的外表。当时我几乎不知道，无论结果如何（失败还是成功），每次迭代都代表着一种学习经验，我正在学习如何管理诸如平衡，动力，速度甚至毅力之类的东西。最崇高的荣幸就是理解的喜悦。达芬奇（Leonardo da…

使用Google Analytics（分析）数据创建客户角色

Google Analytics（分析）是如此强大，令人眼花。乱。从实时Web流量监控，到用户深深点击您网站的行为数据，到匿名但详尽的用户身份信息，GA提供了大量的数据分析人员，如果他们缺乏明确的分析或报告目标，他们很容易迷失方向。本文将引导您完成一个这样的目标，向您展示如何使用GA创建数据支持的用户或客户角色，而不会淹没不必要的数据。从关键的描述性数据点开始：人口统计，地理，设备在当今的数字和社交媒体营销时代，从用户个人资料（或从其他可用数据点推论得出）和个人设备中获取的少量数据点将构成客户角色的基础。您会在Google Analytics（分析）左侧导航面板的“报告”下找到“受众群体”标签。在此处，您会找到有关人口统计，地理和设备信息的子选项卡。通过在您或客户的Google Analytics（分析）视图中找到最流行的人口统计信息，地理信息和设备信息，来开始讲述客户的故事。该信息仅在受众特征标签，受众特征，地理位置和移动子标签下找到。您会在此处找到的数据的一些示例（年龄和性别）是大多数营销人员会熟悉的，大多数营销人员会发现。位置和语言；和移动设备类型。从此信息开始，将为您的客户角色奠定坚实的基础。通过兴趣子标签超越基础知识在为客户角色收集了基本的人口统计，地理和设备数据点之后，请从“兴趣相似类别”和“有购买意向的细分市场”中了解有关客户的更多信息。…

为什么要从Excel过渡到R

对于那些已经习惯于使用电子表格中的数据的人来说，R非常适合。随着时间的流逝，开放源代码统计编程语言在使用数字的人们中不断流行，拥有数千个用户创建的库来扩展其功能。尽管最初创建它主要是为了使创建统计模型和输出非常基本的视觉效果更加容易，以进行数据探索，但它已扩展到人们可以使用R进行许多高级过程（例如抓取网站，与API进行通信并发布）的程度。漂亮的交互式图表和地图。只需几行代码。可复制研究的实践已经在学术界之外传播到其他领域，例如非营利组织和新闻界。它的想法是，分析应与原始数据以及方法论或软件代码一起发布，以便其他人可以验证或建立在此基础上。其他人也可以重现您的实践，但是最大的收获是其他项目也可以。在Excel中，用户可能会运行一个公式，进行一些排序，创建几个数据透视表-但是您对该数据所做的工作无法在具有类似数据结构的另一个电子表格中快速复制。整个过程必须逐步重复。在R中进行数据分析的目的在于，用户可以编写脚本来对电子表格进行切片和分析，然后可以将其保存，然后只需稍作调整即可重新用于另一个电子表格。我从得克萨斯大学奥斯汀分校美洲骑士新闻中心的“新闻工作者入门：如何找到伟大的数据故事”中学到了很多东西。这是一门免费课程，对有兴趣快速提问和评估数据的任何人开放。它适用于记者，编辑，新闻学教授和学生，但欢迎世界各地对数据分析和可视化感兴趣的任何人参加。