数据科学 – 第6页小小书 XXshu

构建简单的界面以自动化建模管道

在此博客中，我将讨论如何将Google Sheets接口连接到您的python脚本，以概括和自动化您已经完成的工作。本文的内容是自定义LTV模型自动化，可为Wpromote客户提供更好的营销见解。与命令行参数说再见，并向Google表格问好。当您刚编写脚本并牢记顺序，命名方案和args数量时，命令行参数非常有用。但是，在大多数情况下，它们需要额外的时间和精力。与多个客户（或数据源）打交道时，将所有客户特定信息保存在Google表格中会更加有效。该解决方案在运行时解决了以下问题。输入数据的存储位置。数据格式化。模型参数。在哪里输出。您可能需要指定的其他任何内容。信息进入Google表格后，您只需指定要运行和运行的客户端即可……您将拥有易于使用和可扩展的管道。您还可以选择将数据推回Google表格，以进行简单，自动的报告。基于云的解决方案示例请求访问Google开发人员API：https：//console.cloud.google.com/apis/dashboard 将凭据存储在与python脚本相同的存储库中。…

关于文学预测力的理论：我们可以通过以下方式预测未来的行为模式吗？

关于文学的预测力的理论：我们可以通过阅读的内容预测未来的行为模式吗？人们正在阅读的内容之间有联系吗？他们所从事的文学作品，文学手稿，小说，诗歌等与他们在不久的将来很可能会做的以及正在做什么？如果有链接。（我的假设是有联系）行为模式与人们接触的文献之间存在联系。那就意味着我们可以使用文学来预测不久的将来-我们一直用它来理解历史和文化的方式。当警察在美国杀死了奥尔顿·斯特林之后，人们大声疾呼，这种想法在我年中第一次浮现在脑海。一个诗歌网站（美国诗人学会）— Poets.org报道说，在谋杀案的头24小时内，他们网站上阅读次数最多的诗之一是克劳德·麦凯（Claude McKay）的《如果我们必须死》。如果我们必须死是一首反对白人的诗歌。当我在Poets.org上看到有关阅读最多的诗歌的推文/迷你报告时，我担心会遭到强烈反响或袭击，实际上是在几天后警察遭到袭击后才发生的。从那时起，我一直在思考可能有/应该进一步探索的预测能力。昨天，我与我最好的朋友之一乃南（Nonami）进行了交谈，这是他的回应。由于某种奇怪的原因，这个假设困扰着我。因此，我目前正在探索它，以了解它的发展方向。所以，我在这里寻求帮助。如果您已阅读或看过任何相关的研究，论文/论文，社交媒体帖子，请告诉我。

我在N26中学到了什么

从许多方面来看，我不是典型的初创公司员工。我显然是美国人，尽管我在德国呆了两年，但我在大多数欧洲人群中都很出众（如果您听到我的笑声，您会立即理解，但是……很响）。我比数据和技术团队的大多数同事都大一些。这是我在学术界以外的第一份工作，在过去的12年中，我曾是一名博士生，然后是一名学者。我和N26之前的大部分时间都是在研究进化生物学之前度过的，这与我大多数具有技术或商业背景的同事不同-如果您想聊天新西兰的蜗牛寄生虫或大黄蜂和蜜蜂的病毒，赫布里底群岛，让我知道！外籍，年长，进化生物学家如何最终在一家规模迅速扩大的欧洲金融科技初创公司工作？我认为答案揭示了N26劳动力的众多力量之一。作为一家公司，N26始终强调学习的重要性。我们通过两种方式体现这一点：个人发展和犯错的空间。结果，尽管我以丰富的统计经验和没有商业背景走进了家门，但我仍然有足够的空间学习和发展成为快速金融科技公司的数据科学家。 N26的所有员工都将获得个人发展预算，以花在他们可能想要的任何事情上。天空是使用它的极限，我的同事们提出了一些很棒的主意。我的一位数据科学家同行参加了密集的德语课程，以获得C2认证。另一人参加了有关贝叶斯统计的会议，虽然这超出了我们的日常任务，但他仍然想了解更多。我参加了一个在线课程课程，以加深我对自然语言处理（NLP）的理解，这是我们在N26经常使用的机器学习领域。我们还可以选择付费聘请发言人，以教会我们更好的面试官或演讲技巧。有些人购买书籍，其他人则获得《金融时报》的订阅或专业组织的会员资格。预算分配的目的是让每个员工推动自己的个人发展，而N26支持我们成长和学习的愿望，并且最重要的是，通过支付我们实现改进的动力来支持我们。…

数据分析和可视化-个人旅程

地图，可视化示例。图片信用随着时间的流逝，我们已经看到了几种商务智能工具的出现，其中一些有望将我们的分析提高到一个新的水平，而另一些则可以帮助我们开发出令人惊叹的故事的令人惊叹的可视化。在庞大的数据集背后发现这样的故事是我在当地一家致力于消除儿童饥饿的非营利组织的日常工作。我认为在评估现代商务智能工具时，我会与您分享我的旅程和比较标准。请记住，此分析是完全主观的，并且基于我以前的经验。在我们深入探讨之前，让我为您提供一些有关我的背景的背景知识，以及不久前我是如何完成评估几种此类工具的任务的。我在数据分析和可视化领域的经验我在现代商业智能工具中寻找什么 I.清洁和数据组织二。成本三，市场细分，产品评论和在线状态 IV。 0至60 V.交互性，API和责任制 VI。…

数据科学的经验教训

我几乎昨天就参加了Datascience.com Elevate，并为使用数据科学解决业务挑战的公司的实际案例的公开分享而震惊。预计Facebook，Uber，Airbnb和StitchFix将在公司内部以数据驱动和数据痴迷，它们诞生于数字公司，但很难不对数据优化其他公司中的问题的潜力感到兴奋和方案。一整天很明显，选择正确的业务问题来解决是任何数据科学项目成功的关键标准，此外，我们还认识到前期工作中有50-70％是在做真正的硬数据为数据科学家构建模型做好准备的工程准备。所有的演讲都是以自己的方式进行的壮观且富有教育意义的演讲，尤其是其中两个演讲在许多方面令人eye目结舌，我认为这些演讲实在太好了，无法分享（不确定幻灯片是否会在某个时候公开发布，但是您可以可以在此处观看录制的直播）： KornFerry FutureStep：招聘/人才招募流程他们的洞察力和分析总监剖析了整个招聘流程，并展示了他们如何在每个阶段使用数据模型作为其整体模型开发以获取人才的输入。 FutureStep是当今其客户用来生成潜在候选人的工具，并且随着他们学习更多并可以收集更多数据而不断完善。他们的圣杯是产生一个理想的候选人，以节省疯狂的金钱浪费。例如，虽然将社交媒体资料用作模型的数据输入，但很明显，这是一个微弱的信号，除非有足够的方法将进一步的科学纳入其中，以使其变得更加有意义。此次演讲的核心是，如今已经从各种来源（包括内部和外部）获得了有关招聘过程和阶段的历史数据。了解这些资源，访问这些资源并决定如何以及是否这些路径对帮助构建或完善模型至关重要，这是关键。在此阶段，一项具有挑战性的工作是将多样性作为该工具的候选对象创建的核心，事实证明这比听起来复杂得多。 SalesForce：产品数据科学团队由Hernan Asory领导的产品数据科学（PDS）团队负责人分享了一些非常好的例子。当您拥有大量现有客户群时，如何为新版本确定路线图中的功能优先级？…

可辅导

可辅导性是那些需要正确组合其他要素才能真正成为任何员工角色的重要组成部分的要素之一。可指导的同事是：谦虚，了解从他人的经验和知识中学习将使自己取得成功；启发向他人学习，向经理，同事和客户寻求建议和指导，以提高他们的技能并继续他们的个人和职业发展；并致力于自我发展，愿意尝试学习新事物，并愿意在出现问题时接受。训练有素的同事不会让自我妨碍他们做适合自己的团队，公司和客户的事情。他们将自己的专业知识带到了餐桌上，但是他们知道他们必须花时间和精力向周围的人学习，因为他们并不了解一切。菲利普我们团队中缺少的一件事是数据科学家。在当今数据无处不在且对任何公司的成功至关重要的当今时代，必须拥有数据科学专家。不幸的是，他们在这个人才市场上也很少见。您还担心的是，您是否有幸找到足够幸运的数据科学家，因为他们知道自己是这么难得的人才，所以他们是否具有真正无法忍受的自我。我们很幸运，我们找到了菲利普。这个家伙像大师级钢琴演奏家一样处理数据。他正是我们所需要的。但是，当我们欢迎他加入团队并开始让他加快我们的项目速度时，犹豫几乎可以用刀割掉。在面试过程中，我们没人真正有机会采访或认识他，所以我们真的不确定会发生什么。…

有抱负的数据科学家！通过这6本书开始学习统计学！

统计很困难。当然是这样，因为它是数据科学中大多数实际的科学部分。但这并不意味着如果您足够聪明和有足够的决心，就无法自己学习。在本文中，如果您想学习统计数据，我将列出我建议的6本书。前三个是较轻的阅读。这些书非常适合您设置思维，以进行更多的数字，数学和统计学思考。他们还很好地介绍了为什么统计令人兴奋（它是！）。后三本书比较科学-使用公式和Python或R代码。但是不要被吓到！数学就像乐高：如果将正确的小零件组装起来，那么较复杂的零件也不会遇到麻烦！让我们看看清单！当我第一次看到标题时，我已经喜欢它了！这是一本写得很好的书，其中包含许多故事-其中的所有内容都是基于真实的实验和真实的科学研究。大卫·麦克雷尼（David McRaney）介绍了一个令人难过但真实的生活事实：我们的大脑不断欺骗我们，我们甚至还不够聪明，无法意识到这一点。对于有抱负的数据科学家来说，这本书至关重要，因为它列出了许多常见的统计偏差类型。它指出了一些典型的错误，例如自我服务偏见，可用性启发法和确认偏见。…

要成功销售数据科学，请将其构建为剧本

资料来源：卢卡斯·阿蒙纳特吉在下一个演讲期间，您是否希望有一个细心和参与的观众？当然，您会–然后像上一部戏剧电影一样交付它。这个讲故事的公式使我们一直盯着大屏幕已有100多年的历史，并且不将其应用于您的数据科学领域是一个浪费的机会。没有任何东西可以保证本垒打，但是为什么不增加更多的赔率呢？弗雷塔格的金字塔 https://zh.wikipedia.org/wiki/Dramatic_structure Freytag的金字塔将戏剧情节分为五个部分，但让我们保持简单，将其简化为三个阶段-一个“ 阐述 ”，导致一个“ 动作 ”，最后以一个“ 结局 ”结束。那里的大多数戏剧和大多数电影都遵循这个故事讲述周期。用数据科学的术语，我们得到：问题当前流程有什么问题，什么不起作用，为什么困难，为什么危险等？…

领先的科技公司如何利用用户数据讲故事

在数据世界中，仅能为图表和报表计算数字是不够的。每个优秀的分析师都需要提供可靠的数据故事-围绕数据的叙述给人们留下了持久的印象。人们硬性渴望故事。故事驱动力（渴望聆听和创作故事）是我们语言发展的先河。安东尼·德梅洛（Anthony de Mello）说过：“真理与人类之间的最短距离是一个故事。”故事具有无与伦比的力量，可以为我们提供信息，启发和说服。如果传统讲故事是针对我们的心脏，则数据故事既涉及心脏也涉及脑。除了引人注目的叙述之外，数据故事还通过使用数字信息（例如数据新闻业）吸引了我们的推理。在斯坦福大学教授珍妮弗·艾克（Jennifer L. Aaker）的下面视频中，她解释了视觉数据故事的力量在于它们能够吸引我们的情感和智慧。 h？v = AL-PAzrpqUQ＆feature…

数据可视化草图

我将在下一个系列中介绍的草图之一。我将为您节省放大时间，这是有关美国最高法院的。在像艺术家一样的偷窃中，奥斯丁·克莱恩（Austin Kleon）鼓励读者写自己想读的书。我想我会尝试一下。我最近几个月读过的最吸引人的书之一是“ 原始数据：信息图表设计师的素描本” 由史蒂芬·海勒（Steven Heller）和里克·兰德斯（Rick Landers）撰写。主要原因是它使您可以一窥Data Viz / Infographics世界的幕后景象，并显示出著名从业人员从概念到最终作品所采用的方法的差异。这本书展示了各种各样的方法。即使不了解从业者的背景，也很明显，这个领域的顶部曾经是而且现在是由来自不同背景的人组成的。从Giorgia…