|
Post by account_disabled on Apr 27, 2024 3:25:49 GMT -7
讲中两位演讲者的更多信息k个人资料马蒂·卡萨尔斯马蒂·卡萨尔斯·托克罗íq是一名统计学博士。他是维克大学-加泰罗尼亚中央大学--运动和体育活动研究中心运动表现分析研究组G的教授和研究员以及大学健康与体育学院(赫罗纳)。它还与体育知识和创新中心巴萨创新中心-合作。k个人资料丹尼·费尔南德斯áz是é研究中心(健康园)的博士和生物统计学高级研究员是巴塞罗那大学、、和几所商学院(和G)的教授。他是分类数据(尤其是序数响应)和无监督学习技术(尤其是聚类)方面的专家。统计学是数据科学家的灵魂经过这次采访我明白了两件事统计学的重要性——了解如何与数据对话是关键。 哪些统计数据是能够利用数据了解自己并解决实际问题的基础。这正是我们通过“分析您的数据计划实现的目标。学习将数据转化为日常生活的结论和答案的能力。不仅从实践的角度了解统计数据而且从数据转换阶段的角度了解统计数据数据转换阶段。本文的更多信息另一个重要的方面是协作。数据科学不是专业人士之间的战争计 新西兰移动的电话数字 算机科学家、统计学家、工程师、科学家……这是关于相互协作并借助数据解决问题。这是非常强大的。关键是专业人士之间的合作来解决问题并让这个世界变得更美好。奖励数据科学中三个最重要的工具这些是数据科学和机器学习领域最常用的工具右Q快速矿工–是一种卓越的统计语言被数据科学家所使用其科学性高于非技术性。 ——专家说将成为数据科学家最优秀的语言但我相信所有协作工具都可以共存。简单地说更偏向统计而更偏向机器学习。–是一个非常有趣的软件易于使用无需编程并且很快就能给出结果。Q–是一种编程语言旨在管理和检索数据库管理系统中的信息。这是非常必要的因为许多(几乎所有)数据库都来自互联网服务器。照片来自Kgg的非常好的文章……读完这篇文章后您已经看到了数据科学家更加全球化的视野以及该领域工作多年的专家如何谈论这个美丽且协作的职业。我喜欢马蒂·卡萨尔斯和丹尼采访中的活力……:我希望你非常喜欢它在本文中我将解释如何理解这种类型的分析以及如何将其应用到您自己的数据中。
|
|