Ofter数据科学

随着科技的发展，产业升级成功的一个重要标志是：工作任务能够“螺丝钉化”，而在这个过程中，需要把一个项目中的任务合理地拆分成耦合程度最小的单元。ofter今天以数据可视化为例...

Ofter一直在发布数据科学相关的内容，数据安全应当是数据科学最重要的组成部分，因此，本期向大家普及关于数据安全的知识。“斯诺登事件”爆发后，欧盟不满Facebook等跨国公司屡次侵犯公民隐私的行为

数据爬虫最大的难点在于爬和反爬的博弈过程，当我们开发出一门爬取技术，就会有对应的反爬策略应运而生，然后再研究出新的爬取手段，周而复始。此文收集和总结了数据爬虫的常用框架和技术，希望在学习道路上少走弯路

线性回归、神经网络、决策树都是有监督学习中的成员。线性回归和神经网络适合处理数值类型的输入，而像数据集中的输入属性主要是标称的，那么使用决策树模型会更合适。

经过Python大屏看板3个的教程，相信大家都能独立完成大屏看板的绘制，为了让更多人看到我们的成果，今天Ofter将教大家把成果部署到云服务器上。

上一期中，ofter介绍了计算机视觉的常用神经网络模型，以及如何选择模型，今天我们就趁热打铁拿个实际的模型跑跑，作为数据科学家，我们必须明白投入大量时间精力进行机器学习的目的是什么？

如何更好地查看、识别和解释图像和视频的内容，就像人类视觉一样，一直是目前人工智能的主要研究方向。机器学习无疑是现代数据科学的核心，在经历了几十年回归、分类、决策树、异常检测的沉淀后，数据科学的魔爪..

一个人可以无法成为科学家、政治家、企业家......然而，成为某个领域的专家是完全可以实现的。Ofter坚持在数据科学领域钻研，如果你也喜欢研究数据，那就让我们从今天开始踏上数据科学之旅。

当我们在制作数据报告时，折线图、柱状图是比较常用的图表，而按年推移的动态排序是更常用的分析方法。每次为了制作动态排序，花几个小时折腾代码真不是什么好方法。因此ofter制作了一个小工具分享给大家使用