數(shù)據(jù)科學(xué)研究論文有哪些好主題？

非常感謝這個問題：＃數(shù)據(jù)科學(xué)研究論文的一些好主題是什么？

成為專業(yè)數(shù)據(jù)科學(xué)家的25個提示！

嗨朋友們，我自2014年以來一直在一家獵頭公司工作，主修數(shù)據(jù)科學(xué)，人工智能，深度學(xué)習(xí)......讓我分享一些驚人的提示，成為一名專業(yè)人士，ata scientiist如下。我希望你喜歡它。（參考kdnuggets）。

1.利用外部數(shù)據(jù)源：有關(guān)貴公司或競爭對手的推文，或來自供應(yīng)商的數(shù)據(jù)（例如，可通過供應(yīng)商儀表板提供的可定制新聞簡報(bào)eBlast統(tǒng)計(jì)數(shù)據(jù)，或通過提交票證）

核物理學(xué)家，機(jī)械工程師和生物信息學(xué)專家可以成為偉大的數(shù)據(jù)科學(xué)家。

3.正確陳述您的問題，并使用合理的指標(biāo)來衡量數(shù)據(jù)科學(xué)計(jì)劃提供的產(chǎn)量（超過基線）。

4.在任何項(xiàng)目中，從頭開始使用正確的KPI（關(guān)鍵指標(biāo)）和正確的數(shù)據(jù)。由于基礎(chǔ)不良而導(dǎo)致的變化非常昂貴。這需要仔細(xì)分析您的daata以創(chuàng)建有用的數(shù)據(jù)庫。

5.參考此資源：74個秘密成為專業(yè)數(shù)據(jù)科學(xué)家

6.對于大數(shù)據(jù)，強(qiáng)信號（極值）通常是噪聲。這是一個解決方案。

7.大數(shù)據(jù)的價值低于有用數(shù)據(jù)。

8.使用來自第三方供應(yīng)商的大數(shù)據(jù)來獲取競爭情報(bào)。

9.您可以非常快速地構(gòu)建廉價，優(yōu)秀，可擴(kuò)展，強(qiáng)大的工具，而無需使用傳統(tǒng)的統(tǒng)計(jì)科學(xué)?？紤]一下無模型技術(shù)。

10.大數(shù)據(jù)，比您想象的更容易，成本更低。獲得合適的工具！這是如何開始。

11.相關(guān)性不是因果關(guān)系。本文可能會幫助您解決此問題。另請閱讀此博客和本書。

12.您不必永久存儲所有數(shù)據(jù)。對于舊數(shù)據(jù)，使用智能壓縮技術(shù)，并僅保留統(tǒng)計(jì)摘要。

13.當(dāng)da，ta發(fā)生變化時，不要忘記調(diào)整指標(biāo)，以保持趨勢一致性。

14.在沒有數(shù)據(jù)庫的情況下可以做很多事情，特別是對于大數(shù)據(jù)。

15.在任何da，ta科學(xué)項(xiàng)目的早期，始終包括EDA和DOE（探索性分析/實(shí)驗(yàn)設(shè)計(jì)）。始終創(chuàng)建一個da，ta字典。并遵循任何da，ta科學(xué)項(xiàng)目的傳統(tǒng)生命周期。

16. Da，ta可用于多種用途：

- 質(zhì)量保證

- 尋找可操作的模式（股票交易，欺詐檢測）

- 轉(zhuǎn)售給您的企業(yè)客戶

- 優(yōu)化決策和流程（運(yùn)營研究）

- 用于調(diào)查和發(fā)現(xiàn)（IRS，訴訟，欺詐檢測，根本原因分析）

- 機(jī)器對機(jī)器通信（自動投標(biāo)系統(tǒng)，自動駕駛）

- 預(yù)測（銷售預(yù)測，增長和財(cái)務(wù)預(yù)測，天氣）

17.不要轉(zhuǎn)儲Excel。擁抱輕型??分析。Da，ta +模特+直覺+直覺是完美的組合。在決策過程中不要刪除任何這些成分。

18.利用復(fù)合指標(biāo)的力量：從da，tabase字段派生的KPI，其預(yù)測能力遠(yuǎn)遠(yuǎn)優(yōu)于原始d，atabase指標(biāo)。例如，您的da，tabase可能包含單個關(guān)鍵字字段，但不區(qū)分用戶查詢和搜索類別（有時因?yàn)閐，ata來自各種來源并混合在一起）。檢測問題，并創(chuàng)建一個名為關(guān)鍵字類型的新指標(biāo) - 或d，ata source。另一個例子是IP地址類別，這是一個應(yīng)該創(chuàng)建并添加到所有數(shù)字分析項(xiàng)目的基本指標(biāo)。

19.什么時候需要真正的實(shí)時處理？欺詐檢測至關(guān)重要，或處理敏感交易d，ata（信用卡欺詐檢測，911呼叫）時。除此之外，延遲分析（延遲幾秒到24小時）就足夠了。

20.確保您的敏感d，ata得到很好的保護(hù)。確保您的算法不會被犯罪黑客或商業(yè)黑客篡改（監(jiān)視您的業(yè)務(wù)并竊取他們可能的所有法律或非法行為，并危及您的算法 - 這會導(dǎo)致嚴(yán)重的收入損失）。商業(yè)黑客的一個例子可以在本文的第3節(jié)中找到。

21.將多個模型混合在一起以檢測多種類型的模式。平均這些模型。這是模型混合的一個簡單示例。

22.在購買軟件之前提出正確的問題。

23.在兩種情況之間進(jìn)行選擇之前，運(yùn)行蒙特卡洛模擬。

24.對于相同的d，ata使用多個源：您的內(nèi)部源，以及來自一個或兩個供應(yīng)商的d，ata。了解這些不同來源之間的差異，以便更好地了解實(shí)際數(shù)字應(yīng)該是什么。當(dāng)某個供應(yīng)商更改度量標(biāo)準(zhǔn)定義或在內(nèi)部更改或數(shù)據(jù)已更改（某些字段不再被跟蹤）時，有時會出現(xiàn)較大的差異。一個典型的例子是網(wǎng)絡(luò)流量數(shù)據(jù)：使用內(nèi)部日志文件，Google Analytics和其他供應(yīng)商（比如埃森哲）來跟蹤這些數(shù)據(jù)。

25.快速交付優(yōu)于極端準(zhǔn)確性。無論如何，所有數(shù)據(jù)集都是臟的。找到完美和快速回報(bào)之間的完美妥協(xié)。

寶寶起名 起名