回答:这个问题思考了很久，作为过来人谈一谈，建议在看我这篇回答之前先去了解一下数据挖掘的概念和定义。在学习数据挖掘之前你应该明白几点：数据挖掘目前在中国的尚未流行开，犹如屠龙之技。数据初期的准备通常占整个数据挖掘项目工作量的70%左右。 数据挖掘本身融合了统计学、数据库和机器学习等学科，并不是新的技术。数据挖掘技术更适合业务人员学习（相比技术人员学习业务来的更高效）数据挖掘适用于传统的BI（报表、OLA...
LoftySoul
|
1001人阅读
回答:其实根本就没有什么数据分析师，或者说，人人都是数据分析师。懂我这个意思吗？我的文章里，也写过很多数据行业的知识，你可以去看看，其实有时候想想，你就不一定非得从事这样的行业了。就拿数据挖掘来说吧，据我所知，厂商今年都混的不怎么样，为什么？客户需求很少，而且都是定制化的，整个项目的周期很长。还有就是一个企业里，互联网公司可能还好一点，数据分析师根本不需要那么多，你看看ucloud的数据分析报录比，20...
bingchen
|
875人阅读
回答:谢谢邀请！数据分析师通常分成两种，一种是应用级数据分析师，另一种是研发级数据分析师，区别就在于是否具备算法设计及实现的能力。应用级数据分析师通常需要掌握各种数据分析工具，把业务模型映射到数据分析工具上，从而得到数据分析的结果。数据分析工具比较多，比如Excel就是一个传统的数据分析工具，另外还有Minitab、LINGO、JMP等，要想全面掌握这些工具的使用需要具备一定的数学基础和统计学基础。通常...
txgcwm
|
1281人阅读
...程师」不错的时机。欢迎加入本站公开兴趣群商业智能与数据分析群兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识QQ群：81035754
.../人工智能类大型项目或产品的销售经验， 在传统企业、金融机构、科技制造业、运营商、法律、政府等至少一个垂直行业有积累；3.具备良好产品演示、销售技巧、谈判能力和内外部资源协调能力，执行力强；4.具备一定的市...
...才能利用起来？7.数据多了，但有多少企业真正花精力在数据分析、挖掘，基于大数据做业务决策？8.不同行业之间的大数据有多大的区别？如何区分共性与个性？企业的个性数据如何得到满足？教育行业1.公有云的安全与审计问...
...荐逻辑，使得推荐结果更加智能化，促进用户购买。 金融风控 艾瑞咨询年初发布的《2020年中国面向人工智能新基建的知识图谱行业研究报告》指出，随着近些年金融数据的爆发式增长，传统风控系统逐渐力有不逮，而应...
...上云需求各异，但终极目标一致结合《云计算报告》中对金融、医疗、教育、制造、物流、零售这6大行业企业上云案例的分析，这6大行业的企业核心需求略有差异。金融行业由于其特殊性和重要性，已有的信息安全技术十分发...
...网端的数据传输和交流互通，构成以动态学习数据分析为核心的智慧学习支撑环境。在用户方面，知识焦虑的现象越来越普遍，由此而引发的用户学习意愿也越来越强烈。中高端消费人群占了互联网教育用户消费...
...应用，支持淮安成为全国智慧医疗的典范。 百度大数据分析疾病分布情况。百度公司结合大数据整合和大数据分析等技术推出了在线的疾病预测功能，这项技术通过对用户的搜索和位置数据进行统计和分析，从而得出...
2019年1月4日，以数字金融新原力（The New Force of Digital Finance)为主题的蚂蚁金服ATEC城市峰会在上海隆重举行。大会聚焦金融数字化转型，分享新技术的发展趋势与落地实践，议题覆盖金融智能、金融安全、金融分布式架构...
摘要：以数字金融新原力(The New Force of Digital Finance)为主题，蚂蚁金服ATEC城市峰会于2019年1月4日上海如期举办。金融智能专场分论坛上，蚂蚁金服人工智能部高级技术专家王志勇做了主题为《蚂蚁金服智能推荐引擎》的精...
...术已广泛地应用其相关的各条业务线中。 从宜信所处的金融领域的各个子领域来划分，可以分为智能交易、智能信贷、金融信息、金融安全、个性化服务这五个方面，每个方面都有相关人工技术的辅助。 例如智能交易领域，有...
ChatGPT和Sora等AI大模型应用，将AI大模型和算力需求的热度不断带上新的台阶。哪里可以获得...
大模型的训练用4090是不合适的，但推理（inference/serving）用4090不能说合适，...
图示为GPU性能排行榜，我们可以看到所有GPU的原始相关性能图表。同时根据训练、推理能力由高到低做了...
王晗
宋华
付永刚
