35 lines
2.3 KiB
Markdown
35 lines
2.3 KiB
Markdown
# 数据分析
|
||
|
||
# 目标
|
||
|
||
数据分析是独立于开发和算法岗的另一个方向，它主要是通过<strong>应用</strong>机器学习和深度学习的<strong>已有算法</strong>来分析现实问题的一个方向
|
||
|
||
我们常说：数据是客观的，但是解读数据的人是主观的。
|
||
|
||
数据这门科学就像中西医混合的一门医学，既要有西医的理论、分析模型以及实验，又需要有中医的望闻问切这些个人经验。
|
||
|
||
因此你在进行这一项任务的时候，除了希望你可以去学会用 python 进行数据分析外，也希望你可以尝试用数据的维度去解释周围的事情，并且用数据的眼光看代变化发展的世界。
|
||
|
||
> 这世界缺的真不是算法和技术，而是能用算法、技术解决实际问题的人
|
||
|
||
|
||
# 什么是数据科学
|
||
|
||
数据科学是当今计算机和互联网领域最热门的话题之一。直到今天，人们已经从应用程序和系统中收集了相当大量的数据，现在是分析它们的时候了。从数据中产生建议并创建对未来的预测。[在这个网站中](https://www.quora.com/Data-Science/What-is-data-science)，您可以找到对于数据科学的更为精确的定义。
|
||
|
||
# Datawhale的生态体系
|
||
|
||
在与Datawhale开源委员会的负责人文睿进行一翻畅谈之后。zzm受震惊于其理念以及已经构建的较为完善的体系架构，毅然决然的删除了本章和其广泛的体系比起来相形见绌的内容。为了更大伙更好的阅读以及学习体验，我们决定在本章内容引入[datawhale人工智能培养方案数据分析体系](https://datawhale.feishu.cn/docs/doccn0AOicI3LJ8RwhY0cuDPSOc#)，我们会尝试站在巨人的肩膀上，争取更进一步的去完善它。
|
||
|
||
当然，也欢迎各位同学去直接学习其课程内容，并且提出宝贵的意见！
|
||
|
||
|
||
# 学这个有前途吗？
|
||
|
||
我推荐你详细了解和学习一下数据科学竞赛,他的含金量在职场领域有时候相当高，并且对提升自身的实里也有相当大的帮助！
|
||
|
||
由于数据竞赛办的频率较高更新也很快，我们将这一话内容直接附上github链接，希望如果你喜欢的话可以去进一步了解
|
||
|
||
[数据竞赛Baseline & Topline分享](https://github.com/datawhalechina/competition-baseline)
|
||
|