Visualization

摘要： 銀行貸款員需要分析數據，以便搞清楚哪些貸款申請者是“安全”那些是“有風險”的。銷售經理需要數據分析，以便幫助他猜測哪些顧客會購買計算機。再或者醫學研究人員需要分析乳腺癌數據，以便預測病人應當接受三種治療中的哪一種。在上面的例子中，數據分析任務都是分類，都需要構造一個模型來預測一個類別型數據。譬如安全或者不安全、會購買與不會購買、那種治療都是類別型。分類是一種重要的數據分析形式，它提取刻畫重要數據類的模型，用來預測（離散的、無序的）類標號。

摘要： 主要分析了大數據平台架構的生態環境，並主要以數據源、數據採集、數據存儲與數據處理四個方面展開分析與講解，並結合具體的技術選型與需求場景，給出了我個人對大數據平台的理解。

摘要： 隨著在CDH平台上物聯網(IoT)使用案例的不斷增加，針對這些工作負載的安全性顯得至關重要。本篇博文對如何以安全的方式在Spark中使用來自Kafka的數據，以及針對物聯網(IoT)使用案例的兩個關鍵組件進行了說明。

摘要： 這篇文章講解了何謂人工智慧，還有他所能和所不能。這篇文章很簡單的解釋了機器學習的盲區，還有創造人工智能的我們常常忽視的關鍵點。在採用人工智慧的預測時我們可能會出錯，在設計人工智慧的邏輯時我們可能會出錯，看完這篇文章，深入淺出的講解給你聽。

摘要： 如果你是一個初學/中等程度的數據科學家/分析師，並且想要將機器學習的算法運用到解決你關心的問題的上，那麼這篇文章正是為你寫的！

摘要： 自從Google 的人工智能AlphaGO 成為圍棋界的百勝將軍開始，AI（Artificial Intelligence，人工智能）這兩個英文字，剎那間成為科技業最熱門的關鍵字之一。而就在2017年初，早在AI 領域打下深厚底子的IBM Watson，除了打進一些數據服務公司、科技公司外，甚至進軍醫療領域，能夠依照病患資料判定青光眼，準確率高達95%。

摘要： 這幾年來，機器學習和數據挖掘非常火熱，它們逐漸為世界帶來實際價值。與此同時，越來越多的機器學習算法從學術界走向工業界，而在這個過程中會有很多困難。數據不平衡問題雖然不是最難的，但絕對是最重要的問題之一。

摘要： 大數據時代來了。當所有人都爭吵著這件事情的時候，當所有企業都看好大數據的發展前景的時候，卻都很少關注這些數據從哪兒來，我們有沒有足夠優秀的技術能力處理這些數據。......

摘要: 作為數據分析師，無論最初的職業定位方向是技術還是業務，最終發到一定階段後都會承擔數據管理的角色。因此，一個具有較高層次的數據分析師需要具備完整的知識結構。 1. 數據採集了解數據採集的意義在於真正了解數據...

  加入技術單位之後，在真正分析資料問題之前，常需要思考處理眼前的技術問題．有時候會天真地認為，只要解決技術問題，資料就已經分析完成．就像當我們披荊斬棘的來到城堡面前，奮力爬上城堡，打倒魔王，救回公主後，才發現要過著幸福快樂的生活，還需要學會如何與公主相處．

        這幾年除了Big Data被超級濫用之外，Insight也是個聽到爛掉的名詞。人們已經無法滿足於單純的分析，而是想更進一步取得Insight，像是Custimer Research變成Customer Insight、或是乾脆用Insight代替Analysis的說法也有。那到底什麼是Insight?

    BIG DATA在行銷研究中其中一個重要應用就是將消費者分群，再依照不同族群的特性擬定不同的行銷策略以達到更精準的行銷策略及更佳的行銷效益。這樣分群>擬訂策略>效益評估是個標準的行銷研究流程，這篇文章只會提到第一個步驟-分群其中的某種方式而已。