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
|
1283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
|
924人阅读
回答:一名合格的数据分析师应该掌握网页爬虫：Python或R数据存储：Excel或者Tableau、MangoDB等数据清洗：数据缺失处理等数据分析：线性回归等数据可视化：Python或R的可视化包进阶级数据分析师：统计知识运筹学知识机器学习知识掌握以上三个技能点便可称之为数据科学家至于面试要准备些啥？Simply按照上面技能点一一准备但是今天要说的是一项奇淫技巧那就是--写一篇数据分析的推文在这篇推文...
qianfeng
|
1049人阅读
回答:大数据的技术大数据技术包括：1）数据采集： ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。2）数据存取： 关系数据库、NOSQL、SQL等。3）基础架构： 云存储、分布式文件存储等。4）数据处理： 自然语言处理(NLP，Natural Language Processin...
X_AirDu
|
861人阅读
回答:数据分析的应用几乎是无行业和人群限制的。数据分析的魅力体现在数据的价值和创新的能力，运用数据的能力越来越成为基础的职业技能，因此任何有兴趣和需求的人士都可以进入这个领域。涉及到数据分析学习和工具的选择， 那么久可以从知识和应用的角度入门数据分析的路径。01SQL数据库语言作为数据分析师，我们首先要知道如何获取数据，其中最常用的就是从关系型数据库中取数。因此，你可以不会R，但不能不会SQL。大数据...
hzx
|
491人阅读
...作后面介绍，大家可以持续关注。 sar sar 是一个系统历史数据统计工具。统计的信息非常全，包括 CPU、内存、磁盘 I/O、网络、进程、系统调用等等信息，是一个集大成的工具，非常强大。在 Linux 系统上 sar --help 一下，可以看到...
...不过，在翻译过程中，越来越觉得这其实就是一篇搞Python数据科学培训的公司写的软文，里面写的内容还是比较浅的，只适合像我这样的初学者了解大致情况。当然，文章提到了Python作为网络开发技能的市场需求并不是很高，这...
...所有的http通讯，设置断点，以及Fiddle 所有的进出的数据。 优点： >a.Firebug虽然可以抓包，但是对于分析http请求的详细信息，不够强大。模拟http请求的功能也不够，且firebug常常是需要无刷新修改，如果刷新了页面，所...
...器接口回顾 SciPyCon 2018 sklearn 教程 十五、估计器流水线 数据科学和人工智能技术笔记 一、向量、矩阵和数组 Sklearn 学习指南 第一章：机器学习 - 温和的介绍 线性回归/逻辑回归/softmax 回归 AILearning 第5章_逻辑回归 AILearning 第8...
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
