数据科学家是一个充满刺激和性感的职业，那么什么是数据科学家?它的刺激和性感表现在哪里?除了精神满足，它是否能够带给我们物质丰富?

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…

在面对数据可视化挑战时应遵循的五条核心原则。

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。

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。

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。

根据30年的商业经验，下面的列表是我认为首先应该在数据科学课中讲授的（非全面的）内容选择。 这是我文章的后续内容为什么Logistic回归应该最后讲解。 我不确定下面这些主题是否在数据营或大学课堂上讨论过。 问题之一是招聘教师的方式。 招聘过程是有利于以学业成就或其“明星”身份而闻名的个人，并且他们倾向于在数十年内反复教导同一事物。 厉害的专业人士对成为老师…

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。

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。

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？

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。

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。

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。

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。

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。

不是所有在这里提到的软件都会在你的工作中用到，但了解它们会让你拥有更多选择。

你是否对学习数据科学感兴趣，但不知道从哪里开始？如果是，那你来对地方了。

大数据在2016年面临的最大挑战是将重点从“怎样做”的技术驱动型转向关注“为什么”的商业驱动型。吸引并训练那些能用数据科学能力理解一个特定的业务的人才，并鼓励他们在企业中领头。

作者早先的一篇关于语言概率模型的论文开创了神经网络做语言模型的先河，启发了一系列关于 NLP 的文章，进而在工业界产生重大影响。此外，他的小组开发了 Theano 平台。以下是人工智能大拿解答机器学习30个问答。

摘要：「Think Big Data」发布的信息图展示了 12 种实现不同应用目的的最重要的算法。 算法已经成为我们日常生活的一个重要组成部分，它们几乎出现在商业的任何领域。调查公司 Gartner 称这种现象为「算法化商业」，算法化商业正在改变我们经营和管理公司（应有的）的方式。现在，你可以在「算法市场」上买到这些适用于各个商业领域的多种算法。算法市场为开…