本文為 AI 研習社編譯的技術部落格，原標題 ： The 5 Clustering Algorithms Data Scientists Need to Know 作者 | George

在大家的眼中，科學家的形象可能是一位表情嚴肅、著裝單一、不修邊幅、戴著一副厚重眼鏡且天庭飽滿，髮際線無限上移的中老年理共男。但實際上，他們正式體面，幽默無比，可謂是集涵養和趣味於一身的真正撩妹達人

沒有什麼是一成不變的，尤其是在資料科學領域。畢竟，一些庫、演算法、工具一直在更新迭代。 然而，一個永遠不會消失的趨勢就是提高自動化水平。 近年來在自動化模型選擇和超引數調整方面已經取得了進展，但機器學習

雲棲君導讀：Python是開源的，所以有很多開源固有的問題。如果你是Python新手，很難知道針對特定任務的包哪個是最好的。你需要有經驗的人來告訴你。今天我要告訴你們的是：在資料科學中，有一個軟體包是你們需要

2018年12月，英國科研與創新署（UKRI）釋出新的人工智慧和資料科學資助計劃，擬通過戰略重點基金（Strategic Priorities Fund）斥資4800萬英鎊，從而改變工程、城市規劃和醫療健康等領

作為一名前半生奉獻給學術，現在投身業界的研究者，Daniel Gutierrez習慣在資料科學業內工作的同時，跟進學術界的最新動態。 最近，通過一場網路研討會，他發現人工智慧大神吳恩達（Andrew Ng）

IBM正在試圖通過支援新的認證方式以及啟動內部學員計劃，為資料科學專家提供支援，讓那些沒有IT經驗的年輕人有機會成為專業的資料科學家。 根據Linkedin去年夏季釋出的Workforce Report顯示

在未來幾年，人工智慧可能會成為眾多行業的戰略選擇，但有一個重大的挑戰：招人。如何避免招募 AI 人才的誤區？這裡有來自幾家頂級公司的建議。 招到 AI 人才後，可能還需要對他們進行培訓，而且必

移動網際網路的繁榮正在帶來網路黑產的繁榮。阿里和南都研究院釋出的《2018網路黑灰產治理研究報告》顯示，2017年我國網路安全產業規模為450億元，而黑灰產規模已達千億。黑灰產通過爬取使用者資料、營銷活動欺詐、

總結：以下是我們對 2019 年關於資料科學、機器學習和人工智慧的五大預測。我們還會回顧一下我們去年的預測情況。 每年的這個時候，我們都會回顧過去，展望未來。對於資料科學、機器學習和人工智慧來說，則是看看什

資料科學的生命週期離不開分析/研究結果的交流。事實上，資料視覺化是R作為一種資料科學語言相對於最著名的Python具有優勢的領域之一。由於ggplot2是R程式設計師的視覺化DSL(領域特定語言)，現在的競爭

近年來，資料行業不斷湧現的職能和頭銜讓人驚訝。不可否認，這是一個模糊不清的領域，甚至連從業者對這個領域的構成也有不同看法，但有一些趨勢是公認的。隨著資料相關的職位、投資和技術越來越多，機構對資料的重視也達到了前

圖 1 ：資料科學家使用度最高的 10 大演算法 文末有全部演算法的集合列表 每個受訪者平均使用 8.1 個演算法，這相比於 2011 的相似調查顯示的結果有

同樣做 資料科學 ，為什麼有人賺得多，有人賺的少？為了科學地回答這個問題，Kaggle 進行了一項系統的調查。結果表明，行業、經驗、掌握的資料型別等是影響資料科學家薪酬的主要因素。行業是自己選的，經驗是自己攢

維基百科是你在資料科學領域解惑最佳的方式之一，但它所提供的資訊要麼就是特別簡單，要麼就是特別複雜。同樣的，在資料科學職業建議這方面也一樣：有些帖子針對的是初學者，有些則針對的是軟體工程師，亦或者是針對入門後希