数据科学领域好文整理（不定时更新）

最新推荐文章于 2025-04-22 15:38:36 发布
原创 最新推荐文章于 2025-04-22 15:38:36 发布 · 210 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#文章整理

本文盘点了常用的数据挖掘软件及Python库，如Spark、Surprise、gensim等，涵盖大数据处理、推荐系统构建、自然语言处理等领域，是数据分析师和机器学习爱好者的实用指南。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

19、数据科学在化学中的应用：从基础到实践
p4q5r6s7t的博客
05-22 16
本文深入探讨了数据科学在化学领域的广泛应用，从基础概念到实际应用案例。文章介绍了数据科学的工作流程、IT基础（如云计算和边缘计算）、Python编程语言与工具、数据工程技术和机器学习在化学中的具体应用。此外，还涉及了前沿技术如量子计算在化学研究中的作用，并通过药物分子虚拟筛选和化学反应量子模拟两个实践案例展示了数据科学技术的实际价值。希望这些内容能够帮助化学家更好地理解和应用数据科学技术，推动科学研究和工业创新。
初入数据科学领域，你需要有七个这样的思维
weixin_34405557的博客
09-23 197
假设你刚刚被一家小型软件公司聘为数据科学家。你感到欣喜若狂！你的辛勤工作和坚持不懈终于得到了回报。是时候将你的统计数据和机器学习知识付诸实践了。那么恭喜你终于加入了数据革命。 第1天到来，每个人都很高兴见到这位“数据科学家”。该公司以前从未聘请过数据科学家，因此有些期望值并不切实际。更可怕的是你的主管可能不是数据科学家，你可能向她在第一天为你提...
【数据科学】为什么我们需要更多的数据科学领域专家
探索世界，改变世界
08-09 1354
当我开始研究越来越多的数据科学和“大数据”社区时，我一直对它的实践基础是多么集中于统计和计算专业知识而不是对正在分析的域名。数据科学家几乎完成了与我合作的公司，政府和非政府组织机构可以想象到的所有任务，但许多人开始了他们的职业生涯，如统计学家，计算机科学家或计算机科学家。今天如何缺乏影响大数据和数据分析领域的领域知识？ 我见过的宝贵的数据科学家在他们发现自己目前部署的学科领域和领域都有深厚的背景...
分类推荐&通俗易懂 ：数据科学与大数据技术专业领域的实用工具
数据分析
01-17 1317
数据科学与大数据技术是一门偏向应用的学科领域，因此工具就成为重要的组成部分。在工作中，数据科学家如果选择有效的工具会带来事半功倍的效果。一般来说，数据科学家应该具有操作数...
数据科学领域有哪些技术_领域知识在数据科学中到底有多重要？
weixin_26746401的博客
09-27 1263
数据科学领域有哪些技术Jeremie Harris: “In a way, it’s almost like a data scientist or a data analyst has to be like a private investigator more than just a technical person.” 杰里米·哈里斯(Jeremie Harris) ：“ 从某种意义上说，这...
2020年数据科学领域4个最热门的趋势
zandaoguang的博客
01-04 1012
点击“视学算法”，“置顶”公众号重磅干货，第一时间送达数据科学正在不断发展，并渗透到每个行业。随着全球各组织开始数字化转型，2019年出现了更多公司利用数据做出更好决策的趋势。这里我们看...
最全糖尿病数据集（不定时更新）
u011559552的博客
04-22 1826
糖尿病已成为一项全球性的健康挑战，中国糖尿病患病率从1980年的不足1%增长至2018年的12.4%，2019年达到11.2%，目前患者人数已超过1.14亿，中国拥有世界上最多的糖尿病患者，超过全球糖尿病患者总数的四分之一。
DS/ML：数据科学技术之机器学习领域六大阶段最强学习路线(初步探索性数据分析EDA→数据预处理/广义的特征工程→模型训练/评估/推理→模型分析/反思/再优化→模型部署与监控→模型全流程优化)详解
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
12-31 6万+
DS/ML：数据科学技术之机器学习领域六大阶段最强学习路线(初步探索性数据分析EDA→数据预处理/广义的特征工程→模型训练/评估/推理→模型分析/反思/再优化→模型部署与监控→模型全流程优化)详解 导读：数据科学和机器学习实战最强学习路线，博主这次花了真的是好久好久的时间(大概数不清的凌晨吧)，以数据科学生命周期和机器学习工程化的视角进行了精心整理，今天终于结束了，真心不容易……希望能够对家学习数据科学和机器学习技术有所帮助。本文章是博主在数据科学和机器学习领域，先后实战过几百个应用案例之后的精心总结
迅速收藏！109个数据科学面试问答，你绝对不能错过的宝藏库！
睡前人工智能共享实验室
12-19 677
不管你是拥有上万经验条的“老手”，亦或是初出茅庐却天资过人的“新手”，面试官总能“难倒你”。 在面试的时候，面试官所出题目涉及的范围可能会非常广，这既考验了面试者的技能知识，又很能体现面试者的沟通技巧。面试官会通过一系列的问题来衡量你的数据统计、编程，和数据建模能力，而且这些问题是经过专门设计的，需要你精神高度集中，并迫使你展示在压力下的工作状态。 好的准备工作是数据科学职业生涯成功的关键，这...
缓冲区的奥秘：解析数据交错的魔法
热门推荐
张彦峰的博客
12-01 8万+
本文探讨了缓冲区的重要性及其在不同领域的应用。首先，从直观角度解释了缓冲区的好处，包括保持操作节奏、减少性能损耗和优化用户体验等。其次，通过经典案例分析了文件读写流和日志缓冲的应用，展示了缓冲区的加速效果。进一步探讨了缓冲区优化方向，以及在Kafka中可能引发的数据丢失和对业务高可用性的影响。本文旨在帮助读者深入理解缓冲区的奥秘，以及在实际应用中的优化思路。
数据科学在化学领域的应用：从管道到模型选择
# 化学数据处理与数据科学全解析 ## 1. 数据管道 ### 1.1 数据管道基础概念 在计算领域，数据管道是一系列串联的数据处理元素，前一个元素的输出作为下一个元素的输入。这些元素通常以并行或时间切片的方式执行，...
电子预警系统数据更新与声频文件处理
由于提供的文件信息中标题、描述和标签的内容完全相同，...系统管理员、数据科学家和软件工程师可能需要协同工作，以确保预警系统能够及时、准确地反映现实世界的最新变化，并通过有效的预警机制保护人员和财产安全。
数据科学近3年都应用在哪些领域？
Claroja
02-20 9251
在KDnuggets Poll中Gregory Piatetsky做了一个关于数据科学应用领域的调查。调查的具体内容是让读者悬着数据分析、数据挖掘、数据科学在2016年都应用在哪些领域。(KDnuggets Poll asked readers to select Industries / Fields where you applied Analytics, Data Mining, Data S
毫米波异构网络中移动继电器的比例选择.zip
08-21
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
在线问卷调查系统-在线问卷调查系统源码-在线问卷调查系统代码-springboot在线问卷调查系统源码-基于springboot的在线问卷调查系统设计与实现-在线问卷调查管理系统代码
最新发布
08-21
在线问卷调查系统-在线问卷调查系统源码-在线问卷调查系统代码-springboot在线问卷调查系统源码-基于springboot的在线问卷调查系统设计与实现-在线问卷调查管理系统代码
基于Matlab的异常行为检测
08-21
基于Matlab的异常行为检测
毕业设计-Java-ssm475基于JavaWeb的商城系统+vue+MySQL等文件.zip
08-21
本项目是基于JavaWeb的商城系统，采用SSM框架（Spring、SpringMVC、MyBatis）结合Vue前端技术，并使用MySQL数据库进行数据存储。系统实现了用户注册登录、商品浏览与搜索、购物车管理、订单生成与支付、后台商品管理等功能。项目旨在提供一个功能完善、操作便捷的在线购物平台，满足用户日常购物需求，同时为开发者提供一套完整的商城系统开发案例。通过前后端分离的设计，系统在用户体验和性能上均有较好表现，适合作为毕业设计或实际应用开发参考。毕设项目源码常年开发定制更新，希望对需要的同学有帮助。
基于大模型技术的文本分类工作开展
08-21
资源下载链接为： https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是，借助大模型自身较强的理解和推理能力，在使用时需在prompt中明确分类任务目标，并详细解释每个类目概念，尤其要突出类目间的差别。 结合in-context learning思想，有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中，类目和样本较多易导致prompt过长，影响大模型推理效果，因此可先通过向量检索缩小范围，再由大模型做最终决策。 具体方案为：离线时提前配置好每个类目的概念及对应样本；在线时先对给定query进行向量召回，再将召回结果交给大模型决策。 该方法不更新任何模型参数，直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写，加入上下文学习以提高准确度，还使用BGE作为向量模型，K-BERT提取文本关键词，拼接召回的相似例子作为上下文输入大模型。 代码实现上，大模型用Qwen2-7B-Instruct，Embedding采用bge-base-zh-v1.5，向量库选择milvus。分类主函数的作用是在向量库中召回相似案例，拼接prompt后输入大模型。 结果方面，使用ICL时accuracy达0.94，比bert文本分类的0.98低0.04，错误类别6个，处理时添加“家居”类别，影响不大；不使用ICL时accuracy为0.88，错误58项，可能与未修改prompt有关。 优点是无需训练即可有较好结果，例子优质、类目界限清晰时效果更佳，适合围绕通用大模型api打造工具；缺点是上限不高，仅针对一个分类任务部署大模型不划算，推理速度慢，icl的token使用多，用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词，因为核心词语有时比语意更重要。 参考资料包括
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值