13 lines
1.2 KiB
Markdown
13 lines
1.2 KiB
Markdown
---
|
||
title: Data Science Tools
|
||
localeTitle: 数据科学工具
|
||
---
|
||
## 数据科学工具
|
||
|
||
在本节中，我们将为数据科学家使用的各种工具提供指南。
|
||
|
||
数据科学家很好奇，经常寻找可以帮助他们找到答案的新工具。他们还需要精通使用交易工具，即使它们有数十种。总体而言，数据科学家应具备统计编程语言的工作知识，以构建数据处理系统，数据库和可视化工具。该领域的许多人还认为编程是数据科学不可或缺的一部分;然而，并非所有数据科学家学生都在学习编程，因此了解绕过编程的工具并包含用户友好的图形界面是有帮助的，这样数据科学家对算法的了解就足以帮助他们构建预测模型。
|
||
|
||
R仍然是领先的工具，占49％的份额，但Python增长更快，几乎赶上了R. RapidMiner仍然是最受欢迎的通用数据科学平台。大数据工具使用了近40％，深度学习使用量增加了一倍。 数据科学是OSEMN（ **O** btain， **S** crub， **M** odel，i **N** terpret）的数据。 开源数据科学大师有一个很好的数据科学和机器学习资源。关注github datasciencemasters !!!
|
||
|
||
* [数据科学资源](https://github.com/datasciencemasters/go) |