由于技术和工具的进步，机器学习培训项目比以往更容易执行。但是，要获得可靠的结果需要对数据科学和统计学原理有深入的了解，如此才能确保团队从一个坚不可摧的底层数据集开始，这边是成功的基础。

人工智能（AI）是真的，而且已经来了。但成功地将AI投入应用并非易如反掌，而是需要彻底反思商业实践。

与机器学习博士相关的工作职位不仅创下了薪水的新高，而且对世界产生了巨大的影响。80000 小时（YC S15）提供了一个综合指南， 用于指导如何开始你的机器学习博士学位之旅。

究竟什么样的AI人才能被微软这样的巨头聘用呢？

在Google、Amazon、Facebook、Uber、Airbnb等公司成功的背后，有这样一批人：他们可以将大量的数据变为有价值的金矿，例如，搜索结果、定向广告、准确的商品推荐、可能认识的好友列表等。没错，他们就是被誉为「今后10年IT行业最重要的人才」—— Data Scientist（数据科学家）。 现在的互联网行业，越来越多的企业对数据科学家求贤若…

关于人工智能（AI）和机器学习（ML）如何改变商业实践的故事越来越多，数据科学从业者被要求仅用模糊的或高层次的商业目标来“应用机器学习”。在实施人工智能和从数据中创造商业价值方面存在很大差距，数据科学中的许多尚未解决的问题是导致这些差距的原因。

大数据科学家的工作从企业的业务问题开始，下一个步骤是创建分析计划，即一些企业称之为“数据分析计划。”当然，你需要考虑到数据科学家的不同专业背景，如有数学界、软件工程、市场营销学、工商管理等等，几乎所有的数据科学家都会从他们的专业领域出发，设置各种技巧最终整合制定出专注于解决业务问题的计划。 数据科学家和他们的分析团队的计划提出了如何组装数据集，并制定了一个数…

虽然”比特币”和”以太坊”这两个术语常常一起出现，但实际上这两者有很大的区别。以太坊与比特币的唯一联系在于，两者均为成功的区块链技术应用。

对于那些希望在大数据时代掘金的公司来说，成功的关键是找到数据科学家， 并围绕数据科学家搭建团队。如今优秀的数据科学家一将难求， 而卓越的数据科学家更是灿若晨星。 如何才能发现真正改变企业乃至行业未来的伟大的数据科学家呢？ Thomas Redman在哈佛商业评论博客中发表了一篇关于区分好的数据科学家和伟大的数据科学家的文章， IT经理网编译如下。 好的数据科…

近日，Google旗下的科技孵化器Jigsaw、康奈尔大学和维基媒体基金会合作，联合开发了一个预测谈话走向的AI系统。这个系统能从一开始就能预测谈话是否会失控，想在对话能被挽救的情况下，尽早预防不必要的争吵甚至是攻击行为。

要成为一位数据科学家需要具备多方面的人才，虽然目前人才缺乏，但学习数学、统计等专业的人才未来可以培养成为数据科学家。 招聘信息搜索引擎Indeed.com的数据显示，随着大数据技术的发展，数据挖掘方面的人才变得日益抢手。而《哈佛商业评论》日前更是宣布，“数据科学家”是二十一世纪最性感的职业。所谓性感，既代表着难以名状的诱惑，又说明了大家都不知道它干的是什么。…

科大讯飞 谭昶：大数据的实践与思考。2016中国大数据技术大会中，上来自科大讯飞大数据研究院副院长谭昶，他带来了《讯飞大数据的实践与思考》的……

AI领域当中，也存在非理性繁荣！

数据造假的甄别在数据分析领域是一个热门的话题，也是对数据分析师的一项挑战

基于威尔逊区间法的排序方法

数据科学家的工作是使用数据分析作为交易工具，在浩如烟海的数据容量中发掘有意义的关联数据，并将其转化为有利可图的商业洞察力。 数据科学、机器学习、大数据分析、认知计算…我们都已被讨论这些主题的文章、技能需求信息图以及各种观点所淹没。有一件事是肯定的：你不可能一夜之间变成一名数据科学家。这注定是一段充满挑战的旅程。但要想成为数据科学家，该怎么开头呢？从哪里着手呢…

大数据每天都在发展，并成为科技界的热门词汇。我们周围的许多人都在谈论它，但他们知道它的真正含义吗？

国产人工智能芯片的发展，一如早年间国产通用处理器和操作系统的发展，过份地追求完全独立、自主可控的怪圈，势必会如众多国产芯片一样逐渐退出历史舞台。

Growth Hacker （增长黑客）是一种复合型人才，他是工程师、数据分析师和市场营销专家的聚合体。

风险，一个永恒的话题，特别在汽车保险行业，“互联网+”下汽车共享经济深度影响着企业的风险运营模式，如何将驾驶行为人的多个维度数据进行结合，有效应用到个性化的保险产品中，从而实现风险与保费定价的匹配，让车企、保险公司、车主多方都获益呢？