所谓数据驱动，这个锅技术不能背
最近这几年，互联网有俩词挺流行，一个是数据驱动，一个是技术无罪。
我们说很多产品决策的依据不是管理者拍脑袋，而是基于数据反馈，这当然是好事情。
我们说互联网产生了很多新模式，新技术，为鼓励新技术和新模式的发展，一些基于用户共享，基于用户反馈所带来的版权问题和类似的内容合法性，真实性问题，平台和技术服务商可以免责，所谓的避风港原则，也保护和激励了整个行业新技术和新模式的发展。
但是，任何东西，都要有个限度。 以前我说过过犹不及，现在互联网上，这些名词，越来越多，成为一些企业家推卸责任，甩锅的借口。
数据驱动的策略是人制定的，技术本身也是受人的产品策略影响，一些不合理的策略，不合理的数据指标，就会导致一些非常坏的运营表现，此时，相关产品运营策略的负责人，在确定策略，规则前，应该首先明确自己的责任，拥有正确的产品价值观。
第十届中国R会议（北京）会议通知
2017年，是中国R会议值得纪念的第10个年头，本届R会议将于5月19-21日在美丽的清华大学举办。在这样一个值得纪念的时刻，让我们相聚清华大学统计学研究中心，相聚R会议十周年庆典，相聚这场数据与统计的盛宴！本届会议覆盖数据科学多个领域，我们非常期待您的到来！
中国R会议是由统计之都发起，并同国内高校共同举办的极有特色的数据科学会议。2008年，中国R会议在中国人民大学举办第1届，2016年已发展至全年9个城市先后举办，服务数据科学在校师生和业界人士数万人，内容覆盖数据科学相关的多个行业，R会议非常有幸见证了数据科学在中国的蓬勃发展。
数据科学家面试常见的77个问题
下面是77个关于数据分析或者数据科学家招聘的时候会常会的几个问题，供各位同行参考。
1、你处理过的最大的数据量？你是如何处理他们的？处理的结果。
2、告诉我二个分析或者计算机科学相关项目？你是如何对其结果进行衡量的？
3、什么是：提升值、关键绩效指标、强壮性、模型按合度、实验设计、2/8原则？
4、什么是：协同过滤、n-grams, map reduce、余弦距离？
5、如何让一个网络爬虫速度更快、抽取更好的信息以及更好总结数据从而得到一干净的数据库？
6、如何设计一个解决抄袭的方案？
7、如何检验一个个人支付账户都多个人使用？
8、点击流数据应该是实时处理？为什么？哪部分应该实时处理？
9、你认为哪个更好：是好的数据还是好模型？同时你是如何定义“好”？存在所有情况下通用的模型吗？有你没有知道一些模型的定义并不是那么好？
10、什么是概率合并（AKA模糊融合）？使用SQL处理还是其它语言方便？对于处理半结构化的数据你会选择使用哪种语言？
以上简讯由数据工匠提供，感兴趣的小伙伴可以通过扫描简报后的二维码链接原文，更多数据科学资讯尽在数据工匠，扫码关注 Datartisan 数据工匠公众号！如果你看到什么与“数据科学”有关的好文或者信息科技优质的文章，可以随手转发给我们，让更多热爱数据科学的小伙伴一起成长！
网友评论