13 lines
2.6 KiB
Markdown
13 lines
2.6 KiB
Markdown
|
---
|
|||
|
|
title: Data Science Tools
|
|||
|
|
localeTitle: Инструменты для научных исследований
|
|||
|
|
---
|
|||
|
|
## Инструменты для научных исследований
|
|||
|
|
|
|||
|
|
В этом разделе мы будем иметь руководства по широкому кругу инструментов, используемых учеными-данными.
|
|||
|
|
|
|||
|
|
Ученые-исследователи очень любознательны и часто ищут новые инструменты, которые помогают им находить ответы. Они также должны быть опытными в использовании инструментов торговли, хотя на десятки из них десятки. В целом, ученые-данные должны обладать рабочими знаниями языков статистического программирования для построения систем обработки данных, баз данных и средств визуализации. Многие в этой области также считают знание программирования неотъемлемой частью науки о данных; однако не все студенты-исследователи данных изучают программирование, поэтому полезно знать инструменты, которые обходят программирование, и включают удобный графический интерфейс, чтобы знание алгоритмов данных было достаточным, чтобы помочь им построить прогностические модели.
|
|||
|
|
|
|||
|
|
R остается ведущим инструментом с долей в 49%, но Python растет быстрее и почти догоняет R. RapidMiner остается самой популярной общей платформой Data Science. Инструменты Big Data используются почти на 40%, а использование Deep Learning удваивается. Data Science - это OSEMN ( **O** btain, **S** crub, **M** odel, i **N** terpret) Данные. Существует один хороший ресурс для науки о данных и машинного обучения с помощью Open Source Data Science Masters. Следуйте за github datasciencemasters !!!
|
|||
|
|
|
|||
|
|
* [Ресурсы для науки о данных](https://github.com/datasciencemasters/go)
|