回答:工具方面，seaborn是matplotlib的扩展和二次封装，个人认为日常数据分析matplotlib完够用了。一般脏数据分析可以分为以下几个步骤：一．数据读取：根据数据源文件的文件类型，可以使用pandas的read_csv、read_table、read_excel、read_sql、read_json、read_html、DataFrame来读取。 二．查看数据信息：主要使用describ...
tomlingtm
|
566人阅读
回答:作为一个数据分析师来回答一下：我做这行两年多了，刚开始的时候用的多是MySQL数据库，当然，Oracle数据库也会用到，尤其是在金融行业或者国企都用Oracle，一般的公司使用MySQL数据库，可能是因为MySQL数据库免费吧。另外，在一家互联网公司，我遇到了mongodb，目前一些新兴的互联网公司使用nosql的也比较多，这个当时是现学现卖的。作为一个数据分析师，可能对数据库的使用一般是存取数据...
陈江龙
|
904人阅读
回答:1、您问的这两点问题有点歧义，Python是编程软件，而SQL是数据库软件，任何编程都需要用到编程软件和数据库软件，所以两者都要学；2、主流的编程软件有以下几种，最知名的是Java，其次还有Python，还有开源的PHP，还有微软的.net，你说的Python一般用于人工智能，功能最强大的还是Java，基本上可以通吃各种平台，强烈建议是先学Java，学会了Java，其他的也都很容易学了，不过Jav...
lscho
|
770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
|
863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
|
1266人阅读
数据分析和数据挖掘，是大数据应用的核心技术，也是大数据应用的关键所在。数据分析重要，但是，很多时候却不知道该如何去做，面对大量的数据，却无从下手。概括起来，经常面临的困难有：分析目的不明确分析方法...
...云技术的发展指出了捷径。他们二人一致认为, 大数据与分析学前沿是个活动目标，这一领域包含了储存原始数据的数据湖和云计算。尽管这些技术并未成熟，但等待也并非上策。 Loconzolo表示：现实的情况是，这些工具都刚刚...
...力，仍将取决于其是否具备使手动工作量降到最低的高级分析功能。《商业应用研究中心（BARC）2018商业智能调查》显示，全球BI服务市场预计将发生重大的技术变革。BI用户在2019年可以期待的主要技术举措是云BI部署，移动BI，...
...网易技术产品运营经验。 在回答小企业是否需要数据分析这个问题之前，不妨先想想下面两个问题： 你在电脑上建过表格吗？ 你基于表格中的数据画过柱形图、饼状图、折线图吗？ 可能你没又意识到，这些操作已经是数...
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...
zhigoo
