数据科学和编程是两个主题，随着计算，知识库和最佳实践的不断完善，它们将继续扩展和发展。 这使得跟上所有新的文章和思想体系变得非常困难。 因此，我们整理了一份清单，列出了我们或其他人在过去一年左右的时间里喜欢编程，数据科学和机器学习的10篇文章。 我们希望他们为您提供新的观点和实用的建议。
1.为什么企业在机器学习上失败
通过卡西·科兹科夫
想象一下，雇用一名厨师为您建造烤箱或电气工程师为您烤面包。 当涉及到机器学习时，这就是我看到的企业一遍又一遍的错误。
如果您要开一家面包店，最好聘请经验丰富的面包师，他们精于制作美味面包和糕点的细微差别。 您还需要烤箱。 尽管这是一个至关重要的工具，但我敢打赌，您不会让您的顶级糕点师承担了解如何制造烤箱的任务。 那么，为什么您的公司专注于机器学习领域？
您从事做面包的生意吗？ 还是做烤箱？
2. R vs Python：有什么区别？
随着大数据，机器学习和数据科学在软件行业或软件服务公司中的重要性迅速增长，两种语言已成为对开发人员最有利的语言。 对于数据科学家和数据分析师来说，R和Python已成为两种最受欢迎和最受欢迎的语言。 两者相似，但方式不同，这使得开发人员很难从两者中选择一个。
3.自动机器学习：学习如何学习
CDS副教授Iddo Drori ， Cyunghyun Cho ，计算机科学与数据科学助理教授， Claudio Silva和Juliana Freire ，数据科学，计算机科学与工程教授 ，CDS研究工程师Remi Rampin和Yamuna Krishnamurthy ， Raoni de纽约大学Tandon工学院的Jorge Piazentin的 Paula Lourenco对最近发表的论文AlphaD3M：机器学习管道综合进行了贡献。
4.如何轻松使用GitHub Pages免费创建网站
您是否需要在线工作作品集供潜在的雇主签出，但您不知道如何建立网站？ 您要创建博客或商业网站，但不知道从哪里开始？ 您是否可能只是不想处理（或付费）网站托管，域名和其他所有费用？
5.我如何训练AI玩Atari太空侵略者
每个人都在谈论人工智能和人类智能之间的竞赛。 人工智能什么时候才能完全超越人类的能力并掌控我们的大部分日常生活？ 当人们花大量时间去上学和教育自己时，人工智能在做什么以在竞争中占优势？ 人工智能需要加倍努力！
6.为什么模型可解释性是下一个数据科学超级大国
有些人认为机器学习模型是黑匣子，对于进行预测很有用，但在其他方面却难以理解。 但是最好的数据科学家知道从任何模型中提取现实世界见解的技术。 对于任何给定的模型，这些数据科学家都可以轻松回答以下问题：
- 模型认为数据中的哪些特征最重要？
- 对于模型中的任何单个预测，数据中的每个特征如何影响该特定预测
- 特征之间的哪些相互作用对模型的预测影响最大
7.为什么平台模型被破坏
几年前，一场大流行给我们造成了沉重打击。 当时，每个初创公司都为此或Uber打造了Airbnb。 科技行业坚信，只有看起来像平台的初创公司才有价值。 如果他们渴望成为下一个Facebook。
在Airbnb，Uber，Amazon，Facebook和eBay等大公司的成功背后，我们的行业正在将每个业务案例都纳入平台业务模型。 它成为默认值。 不幸的是，这种神经症仍然根深蒂固在我们的文化中。
8.每个数据科学家都应该学习的4种技能
我们想跟进上一篇关于如何发展成为具有高级数据科学家应具备的其他技能的数据科学家的文章。 我们希望通过制定高级数据科学家可以达到的明确目标来弥合业务经理和技术数据科学家之间的鸿沟。 两个实体都必须承担非常不同的问题。 当它们在同一页面上时，两者都会受益。 这就是为什么上一篇文章如此高度关注交流的原因。 看起来很简单，但是随着每年不断涌现的新技术，技术和业务之间的差距继续扩大。 因此，我们发现管理人员和数据科学家必须有明确的期望之路，这一点很重要。
9.如何使用Dash和Plotly构建报告仪表板
我将报告仪表板构建为多页应用程序，目的是将仪表板分解为不同的页面，以减少显示的压力，并以有组织的方式显示数据。 在每个仪表板页面上，都有两个数据表，一个日期范围选择器，一个数据下载链接以及两个仪表板下方的一组图形。 在构建仪表盘时，我遇到了一些技术挑战，并详细描述了如何克服这些挑战。
10.只是自然而已：过度深入自然梯度优化
一阶（近似）近似，所有现代深度学习模型都是使用梯度下降训练的。 在梯度下降的每个步骤中，您的参数值都是从某个起点开始的，然后将其朝着最大程度减少损耗的方向移动。 您可以通过对所有参数向量取损失的导数来完成此操作，否则称为雅可比行列式。 但是，这只是损失的一阶导数……。
From: https://hackernoon.com/10-great-articles-on-data-science-and-programming-eec816941896
50
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
