Публикации по теме 'analytics'
5 важнейших факторов успеха интеллектуального анализа больших данных
Успешный интеллектуальный анализ больших данных основан на правильной аналитической модели, выборе соответствующих источников данных, получении достойных результатов и их использовании для обеспечения положительного опыта конечных пользователей.
Интеллектуальный анализ больших данных - это постоянная деятельность по определению желаемых бизнес-целей, выбору правильных источников данных, сбору соответствующей информации и применению результатов аналитики для получения существенных и..
Формирование культуры вокруг метрик и обнаружения аномалий
Обнаружение аномалий - это очень широкий термин. Обычно это означает, что вы хотите проверить, все ли работает как обычно. Это может быть не только бизнес-метрики, но и самый низкий уровень работы ваших систем. Обнаружение аномалий - это целый процесс. Это не просто стандартный инструмент для измерения данных временных рядов. Подобно DevOps, обнаружение аномалий - это культура, в которой разные роли участвуют в процессе, сочетающем инструменты с человеческим анализом.
Наши..
Анализ привычек к чтению
Читаете в 21 веке? Ты серьезно !!!
Доктор Сюсс, американский писатель однажды сказал:
Чем больше вы будете читать, тем больше узнаете.
Но как? Как много читать! Зачем читать? Как получить мотивацию к чтению? Если вы ищете эти ответы, то вы на правильной странице!
В поисках ответа на вопрос: «Что побуждает вас читать?» Я просил разных людей ответить на этот вопрос. Изначально я думал написать простую статью, основываясь на разных полученных мной ответах. Затем я подумал,..
Злоупотребление большими данными может разрушить ваш бизнес
Правильное использование алгоритмов аналитики больших данных и машинного обучения помогает повысить удовлетворенность клиентов, обеспечить чистую прибыль и повысить рентабельность инвестиций. Напротив, результаты неправомерного использования больших данных будут ужасными.
Blazent, компания по анализу ИТ-данных, опубликовала исследование состояния качества больших данных еще в 2016 году, которое дало некоторые интересные выводы о предполагаемых результатах неправомерного использования..
Что статистика и опросы говорят о Swift в 2017 году
Как евангелист разработчиков Swift, я всегда восхищаюсь тем, насколько быстро растет сообщество Swift. Это означает больше фреймворков и функций для большего количества возможностей. Это также означает больше инструментов для повышения производительности и эффективности.
Но насколько хорошо на самом деле работает сообщество Swift? Насколько хорошо он сравнивается с другими языками программирования? В течение этого года я наткнулся на множество статей, посвященных анализу языков..
5 вещей, которые делают все великие компании, чтобы успешно внедрить AI/ML
2018 год был годом искусственного интеллекта и машинного обучения, что очевидно, поскольку мы стали свидетелями взрывного роста стартапов Кремниевой долины. В них вливалось много венчурных денег, независимо от того, предоставляли ли они возможности чистой платформы, AI-Ops, каталогизацию данных и т. д. Однако по моему опыту я видел, что большинство компаний проявляют осторожность в принятии этих тенденций, позволяя лишь нескольким специалистам по данным и инновациям команды, чтобы..
Самые важные библиотеки Python для науки о данных
С увеличением объема данных, которые можно найти в Интернете, Python также пережил огромный бум использования в последнее время (с 9% в 2010 году до 25% в 2020 году). Это, в свою очередь, привело к увеличению возможностей трудоустройства для специалистов по обработке данных, инженеров по машинному обучению и аналитиков данных (средняя зарплата тоже неплохая).
По сути, Python уже некоторое время популярен в мире науки о данных и, следовательно, является востребованным навыком в..