数据科学和机器学习可以以不同程度的效率和生产力进行实践。无论应用领域或专业,数据科学家--初学者或经验丰富的专业人员--都应努力提高他/她在典型数据科学任务的所有方面的效率,
这意味着执行所有这些任务,
让我们假设有人正在教授“生产性数据科学”课程或写一本关于它的书--使用Python作为语言框架。对这样一门课程或一本书的典型期望应该是什么?
本课程/书应该面向那些希望超越执行数据科学和机器学习任务的标准方式并利用Python数据科学生态系统的全部范围以获得更高生产力水平的人。
应该教读者如何在标准流程中寻找低效和瓶颈,以及如何跳出框框思考。
重复性数据科学任务的自动化是阅读本书的读者将培养的一个关键心态。在许多情况下,他们还将学习如何扩展现有的编码实践,以便在Python生态系统中已经存在但在任何标准数据科学中都没有教授的高级软件工具的帮助下高效率地处理更大的数据集。
这不应该是一个常规的Python烹饪书教学标准库,如Numpy或Pandas。
相反,它应该关注一些有用的技术,比如如何测量ML模型的内存占用和执行速度、质量测试数据科学管道、模块化应用程序开发的数据科学管道,等等。它还应该包括Python库,这些库非常适合于自动化和加速任何数据科学家的日常任务。
此外,它应该涉及帮助数据科学家处理大型复杂数据集的工具和包,而不是遵循标准的Python数据科学技术智慧。
为了把事情具体化,让我们总结一些学习和实践生产性数据科学需要掌握的具体技能。我也尝试着加入一些有代表性的文章的链接,作为每一项技能的参考。
虽然GPU和分布式计算的使用在学术界和企业界被广泛讨论用于核心AI/ML任务,但他们发现它们在常规数据科学和数据工程任务中的应用很少覆盖。然而,使用GPU进行常规的日常统计分析或其他数据科学任务将大大有助于成为众所周知的“高效数据科学家”。
例如,theRAPIDS软件库套件和Apis让您--一个普通的数据科学家(不一定是深度学习从业者)--可以选择和灵活地完全在GPU上执行端到端数据科学和分析管道。
即使使用一个普通的GPU,这些库在速度上也比普通的Python库有了显著的提高。当然,对于生产性数据科学工作流,我们应该尽可能地采用这些方法。
类似地,有极好的开源机会可以超越Python语言的单核特性的限制,在不偏离典型的数据科学家角色的情况下接受并行计算范例。
我们讨论了生产性数据科学工作流的实用程序和核心组件。我们想像一个关于这个主题的理想课程或书籍会给读者提供什么。我们提到了一些具体的例子,并说明了这些好处。在要掌握的技能的上下文中还提供了一些相关的资源。
您可以查看作者的GitHub存储库以获取机器学习和数据科学方面的代码、思想和资源。如果你和我一样,对人工智能/机器学习/数据科学充满热情,请在LinkedIn上添加我或在Twitter上关注我。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10推荐学习书籍 《CDA一级教材》在线电子版正式上线CDA网校,为你提供系统、实用、前沿的学习资源,助你轻松迈入数据分析的大门! ...
2025-03-07在数据驱动决策的时代,掌握多样的数据分析方法,就如同拥有了开启宝藏的多把钥匙,能帮助我们从海量数据中挖掘出关键信息,本 ...
2025-03-06