AI正在迅速改變世界，對(duì)于程序員來(lái)說(shuō)，這絕對(duì)是一個(gè)千載難逢的轉(zhuǎn)型機(jī)會(huì)。機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域，在人工智能領(lǐng)域，機(jī)器學(xué)習(xí)逐漸發(fā)展成模式識(shí)別和計(jì)算科學(xué)理論的研究。從2016年起，機(jī)器學(xué)習(xí)到達(dá)了不合理的火熱巔峰。但是，有效的機(jī)器學(xué)習(xí)是困難的，因?yàn)闄C(jī)器學(xué)習(xí)本身就是一個(gè)交叉學(xué)科，沒(méi)有科學(xué)的方法及一定的積累很難入門(mén)。

開(kāi)頭先奉上云棲社區(qū)翻譯小組的年中總結(jié)！

請(qǐng)收下這份關(guān)于人工智能的根目錄——博客整理系列（一）

關(guān)于數(shù)據(jù)科學(xué)的那些事——博客整理系列（二）

機(jī)器學(xué)習(xí)必備手冊(cè)——博客整理系列（三）

擴(kuò)展眼界的都在這——博客整理系列（四）

深度學(xué)習(xí)必備手冊(cè)（上）——博客整理系列（五）

深度學(xué)習(xí)必備手冊(cè)（下）——博客整理系列（六）

一．機(jī)器學(xué)習(xí)篇：
1.?機(jī)器學(xué)習(xí)算法選用指南

摘要：本文對(duì)機(jī)器學(xué)習(xí)的一些基本概念給出了簡(jiǎn)要的介紹，并對(duì)不同任務(wù)中使用不同類(lèi)型的機(jī)器學(xué)習(xí)算法給出一點(diǎn)建議。

2. 支持向量機(jī)分類(lèi)實(shí)戰(zhàn)

摘要：對(duì)于機(jī)器學(xué)習(xí)者來(lái)說(shuō)，SVM是非常重要的監(jiān)督式學(xué)習(xí)模型之一，本文通過(guò)幾個(gè)小例子，通俗的介紹了SVM的基本思想和關(guān)鍵信息，值得嘗試。（文中源碼）

3. 秒懂！看機(jī)器學(xué)習(xí)如何凈化處理文本

摘要：通過(guò)本教程，你可以學(xué)到如何開(kāi)發(fā)簡(jiǎn)單的文本凈化工具，如何使用NLTK庫(kù)中更復(fù)雜的方法，以及在使用現(xiàn)代文字表示方法時(shí)如何處理文本。

4. Raúl Garreta大神教你5步搭建機(jī)器學(xué)習(xí)文本分類(lèi)器：MonkeyLearn

摘要：Raúl Garreta，《Learning scikit-learn: Machine Learning in Python》一書(shū)作者，手把手教你5步搭建機(jī)器學(xué)習(xí)文本分類(lèi)器：1.定義類(lèi)別樹(shù);2.數(shù)據(jù)收集;3.數(shù)據(jù)標(biāo)記;4.訓(xùn)練分類(lèi)器;5.測(cè)試&提升分類(lèi)器。

5. 機(jī)器學(xué)習(xí)時(shí)代的到來(lái)，企業(yè)該如何駕馭

摘要：隨著機(jī)器學(xué)習(xí)受到的關(guān)注和應(yīng)用越來(lái)越多，作為一個(gè)想成為機(jī)器學(xué)習(xí)的公司，該如何做呢？本文從不同的方面詳細(xì)介紹了一個(gè)機(jī)器學(xué)習(xí)公司應(yīng)當(dāng)做哪些準(zhǔn)備。

6. 機(jī)器學(xué)習(xí)初學(xué)者必須知道的十大算法

摘要：還在為不知道學(xué)什么算法入門(mén)機(jī)器學(xué)習(xí)感到頭疼？本文作者通過(guò)自身的學(xué)習(xí)向初學(xué)者介紹十大機(jī)器學(xué)習(xí)（ML）算法，并附有數(shù)字和實(shí)例以便于理解。

7. 機(jī)器學(xué)習(xí)小白如何成長(zhǎng)為業(yè)內(nèi)專(zhuān)家？

摘要：作者用了十八個(gè)月的時(shí)間從一個(gè)機(jī)器學(xué)習(xí)小白成長(zhǎng)為業(yè)內(nèi)專(zhuān)家，總結(jié)了一套屬于自己的機(jī)器學(xué)習(xí)入門(mén)方法。

8. 7步掌握Python機(jī)器學(xué)習(xí)

摘要：如今，網(wǎng)絡(luò)上的Python機(jī)器學(xué)習(xí)資源紛繁復(fù)雜，使得剛?cè)腴T(mén)的小白們眼花繚亂。究竟從哪里開(kāi)始？如何進(jìn)行？讀完這篇文章，相信你就會(huì)有自己的答案。

9. 機(jī)器學(xué)習(xí)必知的15大框架

摘要：不管你是一個(gè)研究人員，還是開(kāi)發(fā)者，亦或是管理者，想要使用機(jī)器學(xué)習(xí)，需要使用正確的工具來(lái)實(shí)現(xiàn)。本文介紹了當(dāng)前最流行15個(gè)機(jī)器學(xué)習(xí)框架。

10. 機(jī)器學(xué)習(xí)案例 — 聞聲識(shí)鳥(niǎo)

摘要：TensorFlow是一個(gè)開(kāi)源的機(jī)器學(xué)習(xí)庫(kù)—對(duì)任何人都是開(kāi)放的。公司、非營(yíng)利性組織、研究人員和開(kāi)發(fā)人員已經(jīng)在一些領(lǐng)域使用了TensorFlow。

11. 機(jī)器學(xué)習(xí)基礎(chǔ)：分類(lèi)vs回歸

摘要：在機(jī)器學(xué)習(xí)中我們也許會(huì)對(duì)分類(lèi)和回歸兩個(gè)算法有所混淆或者困惑，看完本文相信會(huì)有所收獲。

12. 業(yè)內(nèi)最流行機(jī)器學(xué)習(xí)在線(xiàn)課程匯總

摘要：機(jī)器學(xué)習(xí)界最流行的在線(xiàn)課程，技術(shù)進(jìn)階必備！

13. 2017年十大最受歡迎機(jī)器學(xué)習(xí)Python庫(kù)

摘要：Python已經(jīng)成為機(jī)器學(xué)習(xí)時(shí)代的最受歡迎的語(yǔ)言，業(yè)內(nèi)大牛正在使用什么Python庫(kù)呢？今天我們就來(lái)盤(pán)點(diǎn)一下2017年十大最受歡迎的機(jī)器學(xué)習(xí)Python庫(kù)。

14.探秘機(jī)器是如何“長(zhǎng)大成人”（含視頻）

摘要：機(jī)器是如何“長(zhǎng)大成人”的呢？讓我們一起來(lái)探索……

15. 為什么機(jī)器學(xué)習(xí)難于應(yīng)用

摘要：本文主要講述了如何管理機(jī)器學(xué)習(xí)應(yīng)用方面的棘手問(wèn)題。

16. Web開(kāi)發(fā)工程師轉(zhuǎn)型機(jī)器學(xué)習(xí)的實(shí)戰(zhàn)經(jīng)驗(yàn)

摘要：歷經(jīng)兩個(gè)月對(duì)深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)領(lǐng)域進(jìn)行探索，獲得一些經(jīng)驗(yàn)與總結(jié)。

17. 機(jī)器學(xué)習(xí)2017年重大進(jìn)展匯總

摘要：2017年注定是機(jī)器學(xué)習(xí)快速發(fā)展的一年，特別是機(jī)器學(xué)習(xí)商業(yè)化的成功是的更多的人積極的投入到機(jī)器學(xué)習(xí)的學(xué)習(xí)當(dāng)中。機(jī)器學(xué)習(xí)一定會(huì)成為未來(lái)的技術(shù)，讓我們看看這項(xiàng)未來(lái)的技術(shù)現(xiàn)在發(fā)展到何種程度。

18. 機(jī)器學(xué)習(xí)必知的八大神經(jīng)網(wǎng)絡(luò)架構(gòu)

摘要：機(jī)器學(xué)習(xí)八大神經(jīng)網(wǎng)絡(luò)架構(gòu)的分類(lèi)和歷史發(fā)展。

19. 2017年機(jī)器學(xué)習(xí)開(kāi)源項(xiàng)目TOP30

摘要：本文比較了2017年發(fā)布的8800多個(gè)開(kāi)源的機(jī)器學(xué)習(xí)項(xiàng)目，通過(guò)考量受歡迎程度、參與度和新近度來(lái)等指標(biāo)來(lái)評(píng)估這些參選項(xiàng)目，并選出前30名。

20. 機(jī)器學(xué)習(xí)與Docker容器

摘要：機(jī)器學(xué)習(xí)和Docker容器是如何相互配合出色完成任務(wù)的？我們將使用Tenserflow和Kontena來(lái)詳細(xì)闡述。

21. 機(jī)器學(xué)習(xí)新手必學(xué)十大算法指南

摘要：本文為機(jī)器學(xué)習(xí)新手介紹了十種必備算法：線(xiàn)性回歸、邏輯回歸、線(xiàn)性判別分析、分類(lèi)和回歸樹(shù)、樸素貝葉斯、K-近鄰算法、學(xué)習(xí)向量量化、支持向量機(jī)、Bagging和隨機(jī)森林、Boosting和AdaBoost。

22. 機(jī)器學(xué)習(xí)？人工智能？傻傻分不清楚？

摘要：機(jī)器學(xué)習(xí)就是人工智能？別在這樣認(rèn)為了，太傻了！看完本文，搞清楚它們之間的關(guān)系吧。

23. 數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和AI的區(qū)別

摘要：本文詳細(xì)講解了數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和AI的相同點(diǎn)與區(qū)別，并用實(shí)例進(jìn)行說(shuō)明。

24. 從超級(jí)瑪麗說(shuō)起，談?wù)勅绾螢闄C(jī)器賦予好奇心

摘要：如何讓機(jī)器付有好奇心？加州大學(xué)伯克利分校研究團(tuán)隊(duì)給出了答案。

25. 盤(pán)點(diǎn)·GitHub最著名的20個(gè)Python機(jī)器學(xué)習(xí)項(xiàng)目

摘要：開(kāi)源是技術(shù)創(chuàng)新和快速發(fā)展的核心。這篇文章向你展示Python機(jī)器學(xué)習(xí)開(kāi)源項(xiàng)目以及在分析過(guò)程中發(fā)現(xiàn)的非常有趣的見(jiàn)解和趨勢(shì)。

26. 脈沖神經(jīng)網(wǎng)絡(luò)——下一代機(jī)器學(xué)習(xí)？

摘要：脈沖神經(jīng)網(wǎng)絡(luò)是什么？本位對(duì)脈沖神經(jīng)網(wǎng)絡(luò)做了簡(jiǎn)要敘述。

27. 遷移學(xué)習(xí)——機(jī)器學(xué)習(xí)的下一個(gè)前沿陣地

摘要：深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的重要領(lǐng)域，在過(guò)去的幾年時(shí)間里面發(fā)揮了巨大的作用。但是隨著機(jī)器學(xué)習(xí)在不同領(lǐng)域的深入應(yīng)用，遷移學(xué)習(xí)正在成為不可忽視的力量。

28. 從頭了解Gradient Boosting算法

摘要：Gradient Boosting算法是機(jī)器學(xué)習(xí)中較為重要的算法，通過(guò)本文你能有清晰地了解和掌握

29. 遷移學(xué)習(xí)簡(jiǎn)述

摘要：什么是遷移學(xué)習(xí)，遷移學(xué)習(xí)的例子有哪些，在預(yù)測(cè)建模中如何使用遷移學(xué)習(xí)？本文將帶你一步步深入探討。

學(xué)習(xí)完機(jī)器學(xué)習(xí)，為什么不順帶了解一下AI，看看機(jī)器學(xué)習(xí)到底在創(chuàng)造一個(gè)什么樣的“怪獸”！

二．人工智能擴(kuò)展篇：

1. 是什么讓 AI 時(shí)代真正到來(lái)

摘要：AI 已經(jīng)在眾多領(lǐng)域帶來(lái)了革新，取代了眾多人類(lèi)的工作，改變未來(lái)學(xué)生必須具備的技能——這都是怎么發(fā)生的？

2. 不知道這些AI知識(shí)，可能你就out了！

摘要：為什么人工智能，機(jī)器學(xué)習(xí)突然之間成了熱門(mén)話(huà)題，變成IT領(lǐng)域，甚至其他領(lǐng)域的人們都在討論的熱點(diǎn)？也許文章的作者會(huì)給你一點(diǎn)這方面的思考。

3. 從神經(jīng)科學(xué)到計(jì)算機(jī)視覺(jué)：人類(lèi)與計(jì)算機(jī)視覺(jué)五十年回顧

摘要：本文簡(jiǎn)單的介紹了神經(jīng)網(wǎng)絡(luò)近50年的發(fā)展歷程，從1968年的Hubel和Wiesel開(kāi)展的貓實(shí)驗(yàn)，一直到李飛飛教授等人的成果。從本質(zhì)上講解了人工神經(jīng)網(wǎng)絡(luò)的原理及學(xué)習(xí)過(guò)程，對(duì)于想了解神經(jīng)網(wǎng)絡(luò)起源及發(fā)展歷程的讀者而言，是一篇較為合適的文章。

4. “突發(fā)性死亡”的終結(jié)者

摘要：醫(yī)療AI歷史性的一刻，讓科技真正的轉(zhuǎn)化為延續(xù)人類(lèi)生命的方法。作者通過(guò)對(duì)斯坦福大學(xué)醫(yī)院數(shù)據(jù)的匯總，開(kāi)發(fā)了一套深度學(xué)習(xí)系統(tǒng)，并生成一篇論文。該論文在2017年IEEE生物信息學(xué)和生物醫(yī)學(xué)國(guó)際會(huì)議上獲得最佳學(xué)習(xí)論文獎(jiǎng)。

5. 2018年AI面臨的五大難題

摘要：本文作者介紹了2018年擺在人工智能面前的五大難題：理解人類(lèi)語(yǔ)言，機(jī)器人附能，防黑客，玩游戲，辨別是非。如何解決這些問(wèn)題，讓AI繼續(xù)造福人類(lèi)社會(huì)將成為所有AI從業(yè)者的首要任務(wù)。

6. 總結(jié)2017年AI之十大“敗筆”

摘要：AI并非全能選手，匯總2017年AI出的糗事。

7. 2017 AI醫(yī)學(xué)領(lǐng)域的年終總結(jié)：進(jìn)展、問(wèn)題與趨勢(shì)

摘要：本文總結(jié)了2017年醫(yī)學(xué)人工智能領(lǐng)域的相關(guān)發(fā)展，并對(duì)自己2016年預(yù)測(cè)的結(jié)果與2017年的實(shí)際情況相比對(duì)，說(shuō)明了醫(yī)學(xué)人工智能領(lǐng)域的發(fā)展趨勢(shì)。

8. 2017年，那些讓人難以忘記的AI成果

摘要：盤(pán)點(diǎn)2017年AI領(lǐng)域最具影響力的成就，發(fā)布2017 AI成就榜：發(fā)現(xiàn)八行星太陽(yáng)系、擊敗圍棋高手、擊敗德州撲克高手、自學(xué)寫(xiě)代碼。

9. 煮酒論AI，看看大牛怎么說(shuō)

摘要：回望2017，AI取得了突飛猛進(jìn)的發(fā)展，預(yù)見(jiàn)2018，AI將何去何從，聽(tīng)大牛煮酒論AI。

10. 時(shí)代聚焦AI安全——可解釋性

摘要：隨著人工智能的發(fā)展，越來(lái)越多的人開(kāi)始關(guān)注人工智能的安全問(wèn)題。今年的NIPS多集中人工智能安全上，作者列舉了在會(huì)議上出現(xiàn)的解決人工智能安全問(wèn)題的比較不錯(cuò)的論文。

11. 面向開(kāi)發(fā)者的2018年AI趨勢(shì)分析

摘要：本文從開(kāi)發(fā)者的角度分析2018年AI的趨勢(shì)：拿來(lái)即用的AI領(lǐng)域、算法與技術(shù)。例如GANs、ONNX、Zoo、AutoML、語(yǔ)音識(shí)別、時(shí)間序列分析、NLP、高智能機(jī)器人等。

12. 人工智能最受歡迎的10大TED演講

摘要：本文匯總了人工智能最受歡迎的10大TED演講，讓你全面了解人工智能和機(jī)器學(xué)習(xí)。

13. 五類(lèi)受自然啟發(fā)的AI算法

摘要：本文主要講解了受自然啟發(fā)的五類(lèi)AI算法以及各自的實(shí)際用例：神經(jīng)網(wǎng)絡(luò)、遺傳算法、群集集體智慧、強(qiáng)化學(xué)習(xí)、人體免疫。

14. 人工智能并非是“神”

摘要：人工智能將要?dú)缛祟?lèi)？人工智能讓更多的人失去工作？是不是媒體過(guò)于夸大了人工智能的能力？人工智障還是人工智能？今天我們就來(lái)看看人工智能到底有什么樣的缺點(diǎn)！

15. WIRED網(wǎng)站給出的一份人工智能完全指南

摘要：本文是WIRED博客網(wǎng)站給出的一份人工智能完全智能，首先回顧人工智能發(fā)展歷程，并著重介紹了幾個(gè)大的科技里程碑；之后對(duì)人工智能的未來(lái)進(jìn)行了簡(jiǎn)單的預(yù)測(cè)，并簡(jiǎn)單介紹了人工智能的相關(guān)知識(shí)。

16. 人工智能系統(tǒng)安全性分析

摘要：人工智能研究人員輕易地欺騙了一個(gè)圖像識(shí)別系統(tǒng)，使得香蕉被錯(cuò)誤地識(shí)別為烤面包機(jī)。這引發(fā)了一系列安全性的擔(dān)憂(yōu)，如何確保人工智能系統(tǒng)的安全呢？

17. 流行AI框架和庫(kù)的優(yōu)缺點(diǎn)比較

摘要：不知道自己應(yīng)該選用那個(gè)AI框架和庫(kù)？看看本文就行了，本文為AI開(kāi)發(fā)的工程師們梳理了現(xiàn)在最流行的框架，并簡(jiǎn)單的分析了它們的優(yōu)缺點(diǎn)。

18. Keras締造者：Fran?ois Chollet專(zhuān)訪(fǎng)

摘要：Fran?ois Chollet作為人工智能時(shí)代的先行者，為無(wú)數(shù)的開(kāi)發(fā)者提供了開(kāi)源深度學(xué)習(xí)框架Keras。時(shí)代需要這樣的巨人，這樣開(kāi)發(fā)者才能站在巨人的肩膀上走的更遠(yuǎn)。文中可以下載他的新書(shū)《deep-learning-with-python》！

19. 深度學(xué)習(xí)與人工智能革命：part I

摘要：人工智能始于思想實(shí)驗(yàn)，深入了解AI和深度學(xué)習(xí)的歷史，并了解它們?yōu)槭裁船F(xiàn)在取得快速的發(fā)展。

20. 深度學(xué)習(xí)與人工智能革命：part II

摘要：本文是該系列內(nèi)容的第2部分內(nèi)容，主要介紹人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)三者的差別，著重介紹機(jī)器學(xué)習(xí)中的有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。

21. 深度學(xué)習(xí)與人工智能革命：part III

摘要：本文是該系列內(nèi)容的第3部分內(nèi)容，主要介紹人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)的基本原理，著重介紹深度學(xué)習(xí)中數(shù)據(jù)庫(kù)的選擇需要考慮的問(wèn)題。

22. 深度學(xué)習(xí)與人工智能革命：part IV

摘要：本文是該系列內(nèi)容的第4部分內(nèi)容，主要討論深度學(xué)習(xí)為何使用MongoDB數(shù)據(jù)庫(kù)，并提供相關(guān)使用實(shí)例。

23. 不容錯(cuò)過(guò)的2017數(shù)據(jù)科學(xué)15大熱門(mén)GitHub項(xiàng)目

摘要：本文作者通過(guò)回顧2017年的數(shù)據(jù)科學(xué)發(fā)展路徑，為數(shù)據(jù)科學(xué)愛(ài)好者匯總了2017年數(shù)據(jù)科學(xué)15大熱門(mén)GitHub項(xiàng)目。

24. 2017年深度學(xué)習(xí)框架之爭(zhēng)——看誰(shuí)主沉浮？

摘要：本文總結(jié)并分析了2017年的相關(guān)深度學(xué)習(xí)框架之間的競(jìng)爭(zhēng)，包含一些主流的框架比如TensorFlow、PyTorch等，以及一些相關(guān)的應(yīng)用程序接口，比如Keras等，最后展望了下后續(xù)的發(fā)展。

25. 2017年十大最佳數(shù)據(jù)可視化項(xiàng)目

摘要：本文是作者在2017年總結(jié)自己最喜歡的十個(gè)數(shù)據(jù)可視化項(xiàng)目，涵蓋范圍廣，項(xiàng)目生動(dòng)、有趣且有深度。讀者們可以選擇自己感興趣的項(xiàng)目動(dòng)手體驗(yàn)一下吧。

26. 2017數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)行業(yè)現(xiàn)狀調(diào)查 Python是最受歡迎的語(yǔ)言

摘要：最近，Kaggle這一互聯(lián)網(wǎng)上最著名的數(shù)據(jù)科學(xué)競(jìng)賽平臺(tái)首次進(jìn)行了機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)現(xiàn)狀調(diào)查。在超過(guò) 16000 名從業(yè)者的答卷中，我們可以一窺目前該行業(yè)的發(fā)展趨勢(shì)。

27．AlphaGo Zero：從頭開(kāi)始學(xué)習(xí)

摘要：AlphaGo zero這幾天在人工智能領(lǐng)域掀起了不小的風(fēng)浪，AlphaGo zero到底是否能夠達(dá)到我們所說(shuō)的通用人工智能的標(biāo)準(zhǔn)呢？

28. 福利|熱門(mén)技術(shù)看什么？這份書(shū)單告訴你！（內(nèi)含PDF鏈接）

摘要：這是一份關(guān)于數(shù)據(jù)科學(xué)、商業(yè)分析、大數(shù)據(jù)、機(jī)器學(xué)習(xí)、算法、數(shù)據(jù)科學(xué)工具和相關(guān)程序語(yǔ)言的福利書(shū)單。又騙你買(mǎi)書(shū)？不，我們還有電子書(shū)！心動(dòng)不如行動(dòng)，趕快進(jìn)來(lái)看看吧！

三．求職技巧篇：

1. 數(shù)據(jù)科學(xué)求職過(guò)程中總結(jié)的四點(diǎn)經(jīng)驗(yàn)

摘要：本文是作者在求職數(shù)據(jù)科學(xué)崗位過(guò)程中總結(jié)出的四點(diǎn)經(jīng)驗(yàn)：注重實(shí)踐積累經(jīng)驗(yàn)、多方出擊充分準(zhǔn)備、面對(duì)現(xiàn)實(shí)確定目標(biāo)、認(rèn)清自己明智抉擇。相信對(duì)于找工作的相關(guān)讀者有所幫助。

2. 每個(gè)數(shù)據(jù)科學(xué)家都應(yīng)該學(xué)習(xí)4個(gè)必備技能

摘要：作為一個(gè)數(shù)據(jù)科學(xué)家你必須要掌握的四個(gè)必備技能，值得每個(gè)想要成為數(shù)據(jù)科學(xué)家和已經(jīng)成為數(shù)據(jù)科學(xué)家的人去學(xué)習(xí)。

3. 考察數(shù)據(jù)科學(xué)家支持向量機(jī)（SVM）知識(shí)的25道題，快來(lái)測(cè)測(cè)吧

摘要：本套自測(cè)題專(zhuān)為SVM及其應(yīng)用而設(shè)計(jì)，目前超過(guò)550人注冊(cè)了這個(gè)測(cè)試，最終得滿(mǎn)分的人卻很少，[doge],一起來(lái)看看你的SVM知識(shí)能得多少分吧，順便還能查漏補(bǔ)缺哦。

4. 三步走——帶你打造一份完美的數(shù)據(jù)科學(xué)家簡(jiǎn)歷|(附件有PPT福利)

摘要：本文介紹了關(guān)于寫(xiě)數(shù)據(jù)科學(xué)家簡(jiǎn)歷的一些技巧，主要包含三個(gè)部分，分別為簡(jiǎn)歷前的材料準(zhǔn)備，寫(xiě)簡(jiǎn)歷時(shí)應(yīng)注意的地方以及對(duì)整個(gè)簡(jiǎn)歷的整理。不管你是不是數(shù)據(jù)科學(xué)領(lǐng)域的工作者，本文對(duì)于即將求職或找實(shí)習(xí)的同學(xué)而言是一份不可多得的簡(jiǎn)歷寫(xiě)法指南。

5. 數(shù)據(jù)科學(xué)家需要掌握的10項(xiàng)統(tǒng)計(jì)技術(shù)，快來(lái)測(cè)一測(cè)吧

摘要：本文給出了數(shù)據(jù)科學(xué)應(yīng)用中的十項(xiàng)統(tǒng)計(jì)學(xué)習(xí)知識(shí)點(diǎn)，相信會(huì)對(duì)數(shù)據(jù)科學(xué)家有一定的幫助。

6. 開(kāi)啟數(shù)據(jù)科學(xué)職業(yè)生涯的8個(gè)基本技巧

摘要：本文為數(shù)據(jù)科學(xué)家開(kāi)創(chuàng)數(shù)據(jù)科學(xué)事業(yè)鋪平了道路。只要按照這八個(gè)小貼士來(lái)做，你就能讓自己的職業(yè)生涯有一個(gè)良好的開(kāi)端。

7. 數(shù)據(jù)科學(xué)家實(shí)操之路

摘要：Kaggle最近進(jìn)行了一項(xiàng)旨在評(píng)估數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)當(dāng)前發(fā)展?fàn)顩r的調(diào)查。 他們收到了將近17000份答卷，并利用這些答卷做出了大量的分析。

8. 數(shù)據(jù)分析師不是數(shù)據(jù)科學(xué)家

摘要：作者認(rèn)為數(shù)據(jù)分析師是指能夠使用Excel和SQL等工具分析數(shù)據(jù)，生成報(bào)告、圖表和建議，但卻提供不出代碼的人員。作者這篇文章不是抨擊分析師的，而是為了解決多數(shù)人對(duì)于數(shù)據(jù)分析與數(shù)據(jù)科學(xué)之間的誤解。

總結(jié)

以上是生活随笔為你收集整理的程序员技术进阶手册（一）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。