回答:这个我有经验，我来答一下????♂️目前在我们数据行业内的日常用语中，数据分析和数据可视化这两个术语似乎已成为同义词。虽然说两者它都包含数据分析的内容，但实际上还是有一定的细微差别。就比如说数据分析：它更多的强调的是一个逻辑思维能力，强调的是一个探索性的过程，通常从特定的问题开始。它需要好奇心、寻找答案的欲望和很好的韧性，因为这些答案并不总是容易得到的。而数据可视化分析：它就在数据分析的基础上涉...
linkin
|
619人阅读
回答:建议先搭好学习框架，然后逐部分学习仅推荐我自己看过的书给你参考，希望能帮助到你1.首先搭好框架，学习数据分析包含两个方面，数据分析思维和数据分析技能数据分析工作可以简单归纳为如下的步骤和顺序：1. 明确目的和思路-》2.收集数据-》3.数据处理-》4.数据分析-》5.数据展现-》6.撰写数据分析报告-》7.应用解决行业问题如上7个部分，1、6、7需要你的数据分析思维，2、3、4、5需要你的数据分析...
winterdawn
|
1145人阅读
回答:首先我认为，业务数据分析是业务和数分这两大块内容的集合体，学习业务和学习数据分析是同等重要的，既然题主问的是学习路径，那么我就分开说：先说数据分析，要学些什么按照我一贯推崇的学习路径，数据分析一定要先学基础和方法，再学工具和技能，但是很多人都恰恰本末倒置了，下面我就按照基础和工具的顺序，说一下应该学习哪些内容1、数据分析基础包括：（1）统计学基础。数理统计学是数据分析的基础之一，很多人连统计学概念...
selfimpr
|
827人阅读
回答:01 - 思路篇《谁说菜鸟不会数据分析（入门篇）》和《深入浅出数据分析》这两本。现在这两本书应该也有新版了，当然也有很多其他优秀的入门书籍，在京东上搜数据分析，你会发现很多很多书，随便挑两本看完，你就算基本了解数据分析是干什么的了。当然，这个阶段不要求你弄懂所有的知识点，主要是了解分析流程与基本概念，之后遇到问题再回来翻翻就好。当年面试支付宝，就靠这两本书了：）02 - 技能篇技能相关的书籍买过很...
taohonghui
|
1180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
|
1361人阅读
...对数据存储组件的依赖和压力，另一方面也大大增加运维数据分析的时效性，提升运维团队对系统异常状况的感知能力。值得一提的是，该自研实时计算模块的功能，并未与数据的业务场景做任何绑定，也并不是只能用于运维数...
...多公司都想知道用户流失的最常见途径。这些类型的问题需要了解不同的数据类型和用户接触点，例如web导航、计费、客服中心交互、商店访问等问题。同时还需要识别重要事件，例如超额计费或导航错误。在确定所有事件后，...
...这个操作消耗较大，读写成本高。而且直接使用SparkSQL做数据分析实时性较差，即使对DataSet做了Cache也难以在秒内返回结果，所以需要借助于额外的索引服务，这里考虑了Druid，Pinot，Kylin这三种OLAP方案，其中麒麟纯粹的以绝对的...
KNN算法是一种数据分类算法，以距离样本k个最邻近数据的类别代表样本的类别，因此也叫作k-近邻算法。KNN算法是数据挖掘中最简单的方法之一，大致可分为以下几个步骤： 训练数据：原数据集中所有数据类别的数据。 测...
...高性能场景下，系统在读取数据时，是首先从缓存中查找需要的数据，如果找到了则直接读取结果，如果找不到的话，则从内存或者硬盘中查找，再将查找到的结果存入缓存，以备下次使用。实际上，对于一个系统来说，缓存的...
...终以 WHY 开头，所以让我们开始吧。 摘要：为什么我们需要 GraphQL ？ GraphQL 解决的最重要的3个问题分别是： 需要进行多次往返以获取视图所需的数据：使用 GraphQL，你可以随时通过单次往返服务器获取视图所需的所有初始数...
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...
callmewhy
