数据分析1382份简历：就业性别歧视真的存在吗？

2017-12-19

数据分析1382份简历：就业性别歧视真的存在吗？ 在求职时，性别真的有影响吗？不同行业、不同职业类别的人对此或许有不同看法。这样的看法是如何产生的？有没有一种科学的方法来衡量呢？美国旧金山的一位数据科 ...

大数据+制造业怎么做？请看这6大应用场景

2017-12-11

大数据+制造业怎么做？请看这6大应用场景 不管是工业4.0还是智能制造，背后都离不开工业大数据和制造业的深度融合，其本质是“大数据+制造业”在各领域的深刻体现。工业大数据的广泛应用，必将带来工业企业的广 ...

数据分析1382份简历：就业性别歧视真的存在吗

2017-12-11

数据分析1382份简历：就业性别歧视真的存在吗 在求职时，性别真的有影响吗?不同行业、不同职业类别的人对此或许有不同看法。这样的看法是如何产生的?有没有一种科学的方法来衡量呢?美国旧金山的一位数据侠Prasa ...

破除十二个数据分析的误区

2017-12-11

破除十二个数据分析的误区 在IT界，炒作越大，误解就越大，数据分析也不例外。分析是当今信息技术最热门的方面之一，它可以带来显著的业务收益，但是误解可能会妨碍分析功能的顺利和及时的交付，而这些功能这可 ...

数据缺失值的4种处理方法

2017-12-06

数据缺失值的4种处理方法 一、缺失值产生的原因 缺失值的产生的原因多种多样，主要分为机械原因和人为原因。机械原因是由于机械原因导致的数据收集或保存的失败造成的数据缺失，比如数据存储的失败，存储器 ...

企业发展滞缓，还不是因为踩了这四个数据大坑

2017-12-05

企业发展滞缓，还不是因为踩了这四个数据大坑 在多年工作中，Amanda Richardson一直专注于数据研究。她发现，越来越多的公司会利用数据来进行决策。但同时，她也发现，在各种数据趋势和方法中，低效与误导问题 ...

数据挖掘中针对缺失值的处理

2017-12-01

数据挖掘中针对缺失值的处理 一、缺失值产生的原因 缺失值的产生的原因多种多样，主要分为机械原因和人为原因。机械原因是由于机械原因导致的数据收集或保存的失败造成的数据缺失，比如数据存储的失败，存储 ...

数据分析中缺失值的处理方法

2017-11-23

数据分析中缺失值的处理方法 1、缺失值的分类 按照数据缺失机制可分为： (1)   完全随机缺失(missing completely at random, MCAR) 所缺失的数据发生的概率既与已观察到的数据无关,也 ...

大数据平台助力核与辐射安全监管

2017-11-17

大数据平台助力核与辐射安全监管 核能开发利用是大国发展的战略必争之地，也是调整能源结构、应对气候变化和建设生态文明，进而确保国家安全的重要手段。虽然我国核与辐射安全监管能力不断提升，但仍面临诸多挑 ...

智能投顾一线学员分享：用户DNA系统项目规划和思路

2017-11-14

智能投顾一线学员分享：用户DNA系统项目规划和思路 本文整理自智能投顾学员&群友项目交流第一期的内容，由诚壹金融科技数据产品经理刘吉静分享，主题为《用户DNA系统项目规划和思路》。 “智能投顾高级特训 ...

浪潮迭起 人工智能值得我们多大程度上的信任

2017-11-12

浪潮迭起 人工智能值得我们多大程度上的信任 如今，人工智能发展迅速，应用也越来越广泛，但是显然我们不能对这一新技术抱以完全的信任。因为盲目的信任有可能会造成误导或是危险的结果，谨慎一点是必须的。 ...

复杂系统的脆弱性与大数据时代的市场计划之争

2017-11-10

复杂系统的脆弱性与大数据时代的市场计划之争 随着计算机和信息技术的发展，人类社会进入了大数据时代。人类存储数据和计算能力异常庞大，使得计划经济和市场经济的争论再一次兴起。以马云等为代表的一部分商界 ...

SPSS生存函数-Kaplan-Meier

2017-11-07

SPSS生存函数-Kaplan-Meier 一、Kaplan-Meier生存分析（分析-生存函数-Kaplan-Meier） 1、概念：在多数情况下，您都会希望考察两个事件之间的时间分布，比如雇用时长（员工从雇用到离开公司的时间 ...

入门 | 吴恩达Deeplearning.ai 全部课程学习心得分享

2017-11-03

入门 | 吴恩达Deeplearning.ai 全部课程学习心得分享 本文作者，加拿大国家银行首席分析师 Ryan Shrott 完成了迄今为止（2017 年 10 月 25 日）吴恩达在 Coursera 上发布的所有深度学习课程，并为我们提供了课 ...

SPSS缺失值：缺失值分析

2017-11-02

SPSS缺失值：缺失值分析 一、缺失值： 具有缺失值的个案会引发严重的问题，因为典型的建模过程会简单地从分析中丢弃这些个案。如果存在少量缺失值（大约低于个案总数的5%），且这些值可以被认为随 ...

动不起来的大数据都是发酵中的垃圾

2017-11-01

动不起来的大数据都是发酵中的垃圾 　大数据的概念炒作一向厉害，很多公司有着海量的数据流，有着大把的客户和资金，技术也足以进行处理大数据，但是大数据之所以能够成功炒作上位，是因为其能动性，一切动不起 ...

SPSS—方差分析（Analysis of Variance, ANOVA）—多因素方差分析(无重复试验双因素)

2017-10-31

SPSS—方差分析（Analysis of Variance, ANOVA）—多因素方差分析(无重复试验双因素) 当遇到两个因素同时影响结果的情况，需要检验是一个因素起作用，还是两个因素都起作用，或者两个因素的影响都不显著 场 ...

SPSS数据准备：标识异常个案

2017-10-30

SPSS数据准备：标识异常个案 一、标识异常个案（数据-标识异常个案）    “异常检测”过程查找基于聚类组标准值偏差的异常个案。该过程设计为在探索性数据分析步骤中，快速检测到用 ...

SPSS—描述性统计分析—比率分析

2017-10-30

SPSS—描述性统计分析—探索性分析 菜单 除了可以计算基本的统计量之外，也可以给出一些简单的检验结果和图形，有助于用户进一步的分析数据。使得用户能够从大量的分析结果之中挖掘到所需要的统计信息。 ...

数据分析的基本流程和方法

2017-10-28

数据分析的基本流程和方法 在大数据时代，数据分析的重要性显得更加突出，但是数据分析是一个相对比较专业的领域。数据分析的目的性很强，数据收集、数据处理和数据建模都要围绕数据分析的目的展开；同时数据分 ...