数据分析 – 第6页小小书 XXshu

数据科学角色

在Google Cloud培训中，我和我的团队花费了大量的时间思考正在使用Google Cloud的不同类型的数据科学团队，以便我们能够最佳地定制我们的数据和ML课程以及实验室。我们面临的核心挑战之一是不同类型的用户如何与我们的GCP大数据和AI产品互动。 GCP用户对这些工具的应用范围从使用ML预测加利福尼亚州的野火到使用TensorFlow预测健康的黄瓜并对其进行分类都有所不同。了解我们的学习者及其应用有助于我们建立更好的培训。我的同事Cassie和Lak讨论了组成数据科学团队的人员类型，以及这如何根据您的团队规模而变化。在本文中，我想集中讨论我们如何通过讨论学习者的角色来围绕培训的不同类型的学习者进行思考。良好学习角色的特性角色是从用户界面设计中借用的技术术语，是指潜在用户的虚构表示。因此，学习角色是指潜在学习者的表示。学习者角色的草图。引自Quintana等。（2017）。基于先前的研究和经验，角色是一种识别和调整用户体验的方法。角色可以使设计师讲述有关特定类型用户的故事；作为人类，我们更喜欢叙述而非人口统计的数字表示。说“…

您必须知道的18个Google Spreadsheet公式！

Google电子表格公式使用这18个Google Spreadsheet公式轻松对数据进行切片和切块！ covered我们涵盖了： ✔️最重要且易于应用的公式 ✔️最佳范例 ✔️专业提示我们涵盖了哪些公式？ 1. COUNTIF 2.今天 3.文字 4.分裂 5.搜索 6.连结 7. VLOOKUP 8.中频…

有关约会，电视节目，民粹主义和学校安全的新DataViz — DataViz每周

数据可视化是表示数据以进行直观，有洞察力的探索的绝佳方式。我们发现的以下新dataviz作品实际上是证明这一点的好例子。今天在数据可视化周刊上：按年龄约会池; 电视节目中的IMDb用户评分；欧洲民粹主义政党的兴起；美国学校周围道路上的安全。 https://flowingdata.com/projects/2018/dating-pool/ 根据Wikipedia关于性关系上年龄差异的文章，““ 永不约会年龄在您一半以下的年龄加上7岁的人 ”规则是一种经验法则，有时会用来判断年龄差异是否为社会所接受。” Webcomic xkcd称其为“统计和数据可视化专家Nathan Yau绘制了一个约会对象池根据该规则如何随年龄变化的图表，并增加了美国人口普查局的人口统计数据，以便更加实用。根据您在性别，就业状况和种族方面寻找的伴侣，找出您的约会池（在美国）达到最高年龄的年龄。 https://www.economist.com/graphic-detail/2018/11/24/tvs-golden-age-is-real 经济学家调查了美国电视是否真的处于一个新的黄金时代。本周发布的交互式可视化图表显示了1990年以来在美国播出的所有电视剧的平均IMDb用户收视率。在文章的下半部分，您会发现三个静态图表，显示了2004年美国电影/电视剧收视率的分布情况1990年代，2000年代和2010年代。…

机器学习的“第一天”入门

在我的上一篇文章《机器学习的第0天入门》中，我向初学者介绍了机器学习（ML）的一些高级概念，并尽力将Supervised ML幕后的一些方法与我们许多人小时候可能学到的共同技能：学习骑自行车。现在已经奠定了基础，让我们开始构建结构的其余部分，并深入研究典型工作流程中的流程。当我们更详细地研究这些过程时，我有时会重新介绍我们以前学习的技能（骑自行车）的各个方面，以继续与我们已经介绍的高级概念进行比较。最后要注意的一点：该博客主要是针对监督型ML的，但是我将尝试指出其他ML方法之间的流程共同点。 A.数据在开始下一步工作之前，我们实际上是在需要开始处理一些数据以完全了解我们在流程各个部分中正在做什么的时候。许多介绍型文章使用的是Iris数据集（Fisher，1936年），这就是我们将在此处使用的内容，因此，让我们从对域视图的数据更好的理解开始。注意：对于初学者来说，这是整个ML过程中最容易被忽略的步骤之一，对于数据科学初学者来说更是如此。始终牢记，如果可用，请确保您花时间对数据域进行自我教育（即，数据来自何处？它描述什么？）。在项目之前了解此类信息将有助于更好地定义解决问题的方式。根据UCI机器学习库：这也许是模式识别文献中最著名的数据库。费舍尔的论文是该领域的经典著作，至今仍被频繁引用。（例如，请参见Duda＆Hart。）数据集包含3类，每类50个实例，其中每个类都涉及一种鸢尾植物。一类与另一类可线性分离；另一类可线性分离。后者不能线性分离。预测的属性：虹膜植物的类别。…

冒险：我应该从哪种编程语言开始？

我在Google上搜索此确切短语的次数超出了我想承认的范围。它永远不会结束。实际上，有很多意见，使我在过去几个月和几年中一直忙于分析我的选择并重新分析我的决定（同时削弱了我对此事的信心）。除了个人博客和Reddit线程之外，我一直在寻找更多“权威”资源，例如Stack Overflow开发人员调查。当然，学习最受欢迎和最受欢迎的语言并不是一个坏决定……对吗？ https://insights.stackoverflow.com/survey/2018/#technology 现在，我希望您不要对这张图表过于分散注意力，因为a，这并不是本文标题所提出问题的答案。真正的答案是这样的：开始学习的最佳编程语言是您现在可以使用哪种语言来解决生活中的活跃问题。您可以继续接受我的承诺。但是为了向您展示为什么我相信这是正确的，这是我编程生涯的一段历史： Excel电子表格年多年来，我一直将脚趾浸入多种语言中。我第一次接触VBA是在我从事精算咨询的第一份工作中用来自动处理Excel文件。我每天在Excel中花费6个小时以上。尽管我从来没有设法学习过VBA，但我可以像冠军一样对其进行更新和改编。冒名顶替者年…

跳水：学习如何使用Apps Script实现自动化

我从去年开始学习Apps Script，是出于自动化程序管理任务和增强我在Google表格中执行的数据分析的愿望。尽管有很多原因使Apps Script是一种很棒的学习语言，但是我可以保证，如果您在Google表格中花费大量时间，那么这将是您做出的最佳决定之一！在仅5行的Apps脚本中，您可以从Google表格获取地址，创建该地址的静态地图，然后通过电子邮件将其发送给您的朋友！ Apps Script是一种易于使用的基于JavaScript的语言，可用于跨Google产品自动执行任务。它是免费的，您可以直接在浏览器中进行编码，然后Google会为您运行所有代码。您可以在几分钟之内创建一个运行正常的脚本，并且这些脚本可以支持各种解决方案-从Sheets中的简单自定义公式到复杂的Web应用程序。好的，您说我如何开始？学习基础学习基础知识是帮助我开始编写自己的Apps脚本的关键经验，而不是依靠我在现有文档和在线论坛中找到的代码片段。建立基线时，有两个领域需要重点注意： JavaScript基础 Apps脚本基础总而言之，我完成了不到两周的兼职学习时间。的JavaScript 我遵循了Codecademy的免费版JavaScript简介，该版本的广告时间大约为30个小时，对我而言，这是一周的兼职工作（我只完成了前九节课，这与Apps…

使用大量数据的精确书推荐

书籍对我们的成长至关重要。如今，我们对简单方法感兴趣。 stackoverflow.com的首席执行官乔尔·斯波尔斯基（ Joel Spolsky ）在一篇文章中描述了我们程序员如何应对读书问题，程序员似乎已经停止读书了。与正在工作的程序员数量相比，关于编程主题的书籍市场很小。取而代之的是，他们使用试错法愉快地编程。当他们找不到答案时，便向Google输入问题。我们清楚地同意人们爱读书少，成就多的现状的真理。但是，我们也知道，要深入了解某个主题，我们需要阅读一下。想读书的人还有另一个问题。以下弗兰克·扎帕的引文将对其进行描述， “书太多时间太少。” 因此，在这里，这两种情况清楚地表明了精确选择书籍的问题，这些书籍具有足够的信心和时间来愉快地阅读。这个问题促使我寻找有意义的选择书籍的方法…

测量音乐家

我要坦白：我有一个秘密的身份。我的大多数同事白天都以数据分析师的身份认识我，他们使用数字来告知和执行业务决策。但是到了晚上，我戴着另一个面具，一个艺人。我的大部分专业时间都花在酒吧，游行和公园上，表演音乐。我花了足够的时间进行演出，大约一年前，我意识到自己已经忘记了一些我最喜欢的节目。我决定开始保留一份绩效日志来跟踪所有内容，并很快实现了将我的两个世界结合在一起的机会。我将日记变成可以记录我的音乐生涯的数据集。最近，我从马萨诸塞州波士顿搬到了华盛顿州西雅图，结束了我音乐生涯的一章，并开设了另一章。当我准备从头开始时，我觉得现在是时候探索我的数据集并反思我迄今为止的音乐经验了。我选择在本文的数据集中使用以下列：如果您想查看根数据，可以在此处下载CSV。我在R中执行了所有定量分析，如果您想查看我的工作或继续学习，可以在此处下载我的脚本。我于2015年11月加入了我在波士顿的第一支专业乐队，期望我能在12月前演出。因此，我选择2015年12月1日作为我波士顿职业生涯的开始日期。我于2017年8月18日离开波士顿，以此作为结束日期。在626天（约1.72年）的这段时间内，我参加了69场演出。在2015年任期开始时，我的起步很慢，每17.5天执行一次，但是我的时间表在2016年开始变化，从那时起，我平均每9天进行一次演出。…

2017年Gramener的#Dataviz综述

2017年我们在Gramener玩得很开心，创造了一些令人兴奋的dataviz。现在是每年的满意回顾的时刻，也激发了在2018年做更好的dataviz的愿望。这篇文章是今年我们最喜欢的一些工作的总结。我们的两个dataviz属性在2017年被安迪·柯克（Andy Kirk）评为“最佳可视化网站”。交互式Elvis Presley Jukebox是我们创建数据肖像实验的结果之一。关于“参议员的投票方式”的探索性愿景是在2017年安迪·柯克（Andy Kirk）的“最佳可视化网络”中的最佳人选。这项工作中使用的视觉技术尤其启发了数据社区，讨论了代表制的优缺点。 Dataviz大师Alberto Cairo将其描述为“简单但丰富的图形”。著名的统计学家安德鲁·盖尔曼（Andrew Gelman）提出了一种批评，即提出改进建议-阿尔贝托·开罗（Alberto Cairo）做出了有力的即兴回应。这是原始版本的外观。在Gramener，我们已经在Cricket上完成了很多数据工作，但我们无法抗拒创建另一个数据的诱惑，这一次是交互式信息图-Dhoni的ODI Sixes 以分析为幌子，聆听Kishore Kumar带来了很多乐趣。…