本文重点介绍了大数据平台系统的数据采集，数据存储，数据处理，以及数据展现的架构。

随着大数据和人工智能的广泛应用，这些新兴技术的庞大影响力遍及全球经济，如今的投资者和企业家们迫切希望在2018年取得这些创新成果，正在开始确定将要定义这些技术创新的主要趋势。

所有电商公司都拥有海量数据，这些数据正在改变公司与客户的交互方式。

数据科学家知道把不同的理论和工具有机地结合在一起并最终形成特定的流程，进而依据这个流程完成数据分析工作。

“大数据杀熟”成为热点话题已经一段时间了，为大家科普原理和揭秘本质的文章也数不胜数。然而，相比起“大数据杀熟”背后的策略和原理，我想大家可能更关心的是——我该怎么做，才能避免被“大数据杀熟”。

数据收集的小差异或错误可能会导致出现重大问题，错误信息和不准确的推论。

我们有软件即服务（SaaS）、平台即服务（PaaS）和数据即服务（DaaS），现在把它们全部揉杂在一起，再将所涉及的数据量大幅增加，就有了大数据即服务（BDaaS）。

提起AI医疗，人们不外乎想起这些问题：AI医生们可以帮助人们预防疾病吗？可以判断我们的病情吗？甚至，AI们会在手术台上对我们进行“切割”吗？

新手数据科学家最容易踩的5个坑，来看看你有没有中招

数据科学家所需具体技能，你掌握了多少？

今天对于企业来说已经不是信息时代，而是敏捷时代。稀缺资源不再是信息，而是注意力！

DT时代真的来了！今天，我国整个行业的模式已经发生了变化，从互联网+、智能到智慧，再到大数据和人工智能等技术在各应用场景中的作用发挥等等，这一切的发生均为企业发展注入了全新的活力。

导读： 面对提供相同互联网服务的两家供应商，一家在隐私保护上做得较好，但价格高，而另一家则习惯于侵犯个人隐私，但价格低，那么大多数消费者还是会选择后者。这项研究还发现，如果两家公司以同样的价格提供一款产品，更注重保护隐私的那家公司将胜出。 大数据带来了一大挑战，即价值可能并不明确，数据收集者的动机（更不用说其身份）可能被隐藏，个人的预期可能混乱不清。 大数据…

摘要：从庞杂的数据背后挖掘、分析用户的行为习惯和喜好，找出更符合用户「口味」的产品和服务，并结合用户需求有针对性地调整和优化自身，就是大数据的价值。 对于大数据在商业上的用途，这句话说得很清楚。前半句是重点，了解用户的行为习惯和爱好，这就是大数据的核心价值。 1. 元数据（Metadata）的概念 简单说，元数据是对数据本身进行描述的数据，或者说，它不是对象…

摘要：本文主要探讨将行为金融学相关理论应用于个人客户金融画像构建。 一 原始数据 目前业界的个人金融画像主要在金融机构内部数据结合外部数据基础构建。如对原始数据进行特征提取，得到如下客户特征： 图一 （来源[7]） 在实施过程中可以为个人金融画像中每个人打上几千个标签。再结合具体场景如股票购买概率预测模型[7]中特征要求，应用于具体场景模型中。 实践中我们一…

资源 1.用贝叶斯模型计算我的妻子是否怀孕 2.在基础R中使用插值法和平滑功能 3.数据兵工厂里的武器：R vs Spark【这个链接好像挂了~】 4.最好的大数据、数据科学、数据挖掘和机器学习播客视频大全 5.数据科学的线性模型导论 6.黑客读物：数据统计 7.Apache Spark-执行概要 8.随机vs非随机：如何叙述差异 9.面向时间数据可视化技术…

我知道很多人自始至终都认为数据是越多越好，Google甚至直言：更多的数据胜过更好的算法，而过去很多侦探剧中崇尚“信息越多，就越靠近真相”的刑侦金句也似乎佐证这一点。而事实上，我的观点是，数据只是基础，如何建构起有效的算法、模型比数据本身更重要，最起码对目前而言是这样的。持与我相近观点的大有人在，如《The Signal and the Noise》（信号与…

人群画像的基础在于对个体的准确描述（profiling），如果个体描述不准确，人群画像也会有偏差。对每一个个体的描述，我们使用一种被称为“标签”的东西。

Mobile端用户和跨终端（跨屏）的唯一身份识别问题，同样是理想和现实并存的故事

摘要：记得几年前，曾经有人预测过未来最流行的三大技术：大数据、高并发、数据挖掘。到现在来看，这三种技术的确也随着这几年互联网的发展变得越发成熟和可靠。掌握这三种技术的人，不管是求职还是创业，都属于香饽饽。 一个很深的印象就是当年研究生毕业的时候，专业是数据挖掘、大数据的学生都比较受各种企业的青睐，不管他是不是真的掌握了这些东西。虽然我对大部分高校的相关专业持…