黑人女性报错率比白人高20%，面部识别系统为何不能一视同仁？

做任何事都要有个目的，作为一个数据分析师，我们要了解消费我们数据分析的人是谁？他们又需要怎样的数据报告？

数据预处理一方面是为了提高数据的质量，另一方面也是为了适应所做数据分析的软件或者方法。一般来说数据预处理步骤有数据清洗、数据集成、数据变换、数据规约，每个大步骤又有一些小的细分点，当然了，这四个大步骤在做数据预处理时未必都要执行。

「机器人会梦见电子羊吗？」仍不失为一个好问题（译者注：《机器人会梦见电子羊吗？》（Do Androids Dream of Electric Sheep）为菲利普·迪克所著科幻小说，电影《银翼杀手》根据该小说改编而成），但是科学事实已经发展到开始与科幻小说相吻合的程度了。不，我们（目前）还没有造出挣扎于生存危机的自主机器人，但是我们距离人们所谓的「人工智能」…

深度学习在视觉领域取得了巨大的成功，即便如此，深度学习在视觉上仍然有很多的局限性，这篇文章从深度学习的历史开始说起，阐述了深度学习在视觉上的局限性，并给出了一些可能的方案。

本章讲的是两个基础的分析方法，对比分析和细分分析法。

有句民间谚语说“不打无准备之仗，方能立于不败之地”。距离不到一周的双11，卖家们都准备好了吗？谋定才能动，在线电商如何做好节日促销活动呢？

摘要：抽查(Spot checking)机器学习算法是指如何找出最适合于给定数据集的算法模型。本文中我将介绍八个常用于抽查的机器学习算法，文中还包括各个算法的 R 语言代码，你可以将其保存并运用到下一个机器学习项目中。 适用于你的数据集的最佳算法 你无法在建模前就知道哪个算法最适用于你的数据集。你必须通过反复试验的方法来寻找出可以解决你的问题的最佳算法，我称…

机器学习资源

分析活动数据是为了通过对本活动的分析，来发现活动的不足之处，对已经过去的活动进行评价，对未来的活动进行调整，往者不可谏,来者犹可追。

对于AARRR模型，线上线下均可以应用，但是应用范围可能会有所不同，应用的方法也应该有所区分

(1)1992 年笔者在纽约州的罗切斯特大学选修计算机课的时候, 学到这样一句话, 印象极为深刻. When in doubt, use brute force. “如果遇到困惑(的问题), 就使用蛮力. “ 此话出自当年 UNIX 系统的发明人之一 Ken Thompson. 他的本意是, 程序设计中,简单粗暴的计算方法, 虽然可能…

对不同的应用场景，需要不同的模型，对于不同的模型，需要不同的度量评估方式。

你最喜欢去哪里旅游？

你为成为数据科学家做了充分的准备，但实际的工作将于你的预期大不相同。

没有一种筛选和推荐系统让我们绝对满意，因为它减少了我们选择的力量和意义。

分类的度量

如何才能成为一个合格的数据分析师呢？

现在就是开始的最佳机会，立即开始学习，尽快解决实际问题。在学习的过程中，你会不断提升自己，最终让自己大吃一惊，要珍惜每个机会。

本章我们简要介绍下机器学习（Machine Learning）的基本概念。主要介绍机器学习算法的应用，监督学习和无监督学习（supervised-unsupervised learning）的应用场景，训练和测试数据的用法，学习效果评估方式。最后，对scikit-learn进行一些简单的介绍。