据哈尔?瓦里安(Hal Varian)说，统计学家是下一个性感的工作。五年前，在《什么是Web 2.0》里蒂姆?奥莱利(Tim O’Reilly)说“数据是下一个Intel Inside”。但是这句话到底是什么意思?为什么我们突然间开始关注统计学和数据?

这个列表包含了几乎所有经常更新的大数据的博客，属于一个广泛的类别：数据科学，数据分析，商业智能，机器学习，数据可视化，数据挖掘，NoSQL，Hadoop的等等。博客是按字母顺序排列。如果我们错过了任何重要的博客，请告诉我们。 1.451 Caos Theory 2.A Beautiful Www 3.A Blog By Tim Manns 4.A puter…

预训练模型用起来非常容易，但是你是否忽略了可能影响模型性能的细节呢。

“数据科学家”很可能是本世纪最性感的工作。但雇佣一个人绝不是这样。事实上，这对公司来说是非常痛苦的。对于有志于在核心数据科学领域获得那份完美工作的人来说，这同样是一件大事。

要想做出数据驱动的决策，就必须是数据(而不是其他东西)驱动它。看起来很简单，但在实践中却很少见，因为决策者缺乏关键的心理习惯。

数据科学家是“比任何软件工程师都更擅长统计，比任何统计学家都更擅长软件工程的人”。

在面对数据可视化挑战时应遵循的五条核心原则。

数据正在以指数级的速度生成，现在比以往任何时候都更需要那些能够理解数据并从中提取价值的人。如果你渴望成为下一代数据科学家，那么这些来自前辈们的经验教训将助你一臂之力。

Nishikant是Booking公司的一名高级数据分析师，在本文中他分享了自己在Booking从数据科学家新手到大师的发展历程。

当我在15年前开始从事数据工作时，我从未想过近年来数据科学家会如此备受追捧。如今，数据科学家被认为是全球最热门的职位之一，市场上对数据科学家的需求供不应求。

本文覆盖数据科学求职全过程。从申请到面试，到拿offer之后的协商，所有细节一应俱全。

未来三到五年，数据科学家的职业发展前景如何？他们还有哪些选择呢？

今天，和大家推荐6个优秀的开源的数据科学项目，对计算机视觉专家的需求每年都在稳步增长，作为一名数据科学专业人士，有很多事情要做，有很多东西要学。希望这6个开源项目对你有所帮助。

如果你正在找数据科学家的工作，你可以在各大求职网站上看到大量求职需求。如果你正在考虑转行，或者想在没有数据科学背景的情况下开启新的职业生涯，那么数据科学家仍然是很好的职业选择。

每个想在数据领域有所成就的数据科学家应该非常熟悉，在吸睛的神经网络和分布式计算名词背后是一些基本的统计实践。

现在有很多数据科学家跨行业跨公司的横向薪水调查，但是很少有分析展示出数据科学家的职业发展中，薪水随时间的变化。

选择一本合适的数据科学书至关重要，一本不适合的书会浪费你的时间以及精力。

很多牛逼的公司都宣称在建立数据科学部门，这个部门该如何组建，大家都在摸石头过河。

我们今天面临着诸多来自大数据和其他数据分析带来的困难，而数据科学正是对这些挑战的回应。

文 | tvjoseph 翻译 | 胡杨&戴丹王婷 曹翔 陈少伟 在过去的几个月内，来自不同行业人不约而同问我能否提供一个端到端的视图，使他们了解成为一个数据科学家的思维过程。为这个问题寻找答案时，我想的不仅仅是提供一个端到端的视图过程，而是面对一个分析问题时我们应该更深入的了解他/她是怎么想的。 接下来我将分五个板块带领大家体验数据科学家的思维之路…