鲸析数据科学项目第二期

👉个人微信

👉个人公众号：鲸析

关注鲸析，给你惊喜！

👉个人小红书：鲸鲸说数据🐋

👉个人网站：

• https://zg104.github.io

👉情况调查

请填写【腾讯文档】鲸析DS项目第二期学员情况 👇👇👇

文档链接🔗

👉项目须知

请查看下方公众号链接：

鲸析DS项目第二期通知

👉项目简介

• 由巴西的最大规模保险公司发起的基于司机的高维度非显性化特征的发起索赔概率预测项目。

• 👍原项目链接🔗

• 鲸析DS项目视频介绍

👉项目fork

• 参考官方文档：https://gitee.com/help/articles/4128
• gitee fork 源作者更新后如何同步更新且不覆盖自己的代码：https://blog.csdn.net/luoyeyilin/article/details/108994031

👉常见问题

什么是数据科学？

数据科学（data science）是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品[1]。它结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。

数据科学包括不限于：

• 算法开发
• 机器学习
• 人工智能
• 预测分析
• 大数据运用
• 自然语言处理
• 数学、统计学

数据分析和数据科学的区别是什么？

「 数据分析 」的重点是描述和可视化数据所包含的信息，然后向非技术用户传达并做进一步的解释说明。做预测分析的数据分析师跟数据科学家的工作有很多重叠部分——与数据科学家有更多相似之处，但不是通过自动化、算法化的方法来输出预测的。

• 工具：Excel (Vlookup | VBA） | Python
• 数据库：SQL（Oracle | MySQL | PostgreSQL）
• 可视化：Tableau | Power BI | FineReport

「 数据科学 」是一个多学科领域，重点专注于从大量原始和结构化数据中找到切实可行的见解。该领域主要注重发掘我们没有意识到我们还不清楚的事情的答案。数据科学专家使用几种不同的技术来获得答案，包括计算机科学，预测分析，统计学和机器学习，通过海量数据集进行解析，努力为尚未被认识到的问题提供解决方案。

• 工具：Python | R | Excel
• 数据库：SQL（Oracle | MySQL | PostgreSQL）
• 数学：代数 | 概率 | 统计
• 算法：机器学习 | 深度学习
• 大数据：Hadoop | Spark | Hive

如果你对「 数据科学 」有很强的兴趣，有足够时间去摸索，并且对自己的技术充满信心，并且自己也能狗找到志同道合的朋友一起玩耍，那么建议自学。

不然为什么不来参与？

学前五问

你有一个沉浸式的数据分析学习氛围么？

你一个月时间自己可以完成项目么？

你看网上代码可以理解、挖掘所有知识点、易错点么？

你能学习建设自己的一套数据分析、建模体系么？

你能完整的跟面试官端到端地叙述整个项目，接住面试官所有的问题么？

1. 思维引导+代码拆解+视频讲解 至少你在我这里不会因为看了我视频讲解而技术性劝退。
2. 组长督促+组内讨论+组间竞争 志同道合的人就在身边，随时组队随时讨论交流，既认识很多朋友，又可以讨论问题。
3. 面试提升+case梳理+简历完善 没有portfolio、website不着急么？海外求职也好、国内求职也罢，一份闭环的项目流程经历会让你超过很多peers。

鲸析的优势在哪？

1. 物超所值（跟市场比一比就知道了）
2. 全链路教程（真正的端到端做项目，不阉割任何步骤）
3. 全程追踪（切实了解各阶段伙伴需求，不断迭代优化，内容不是一成不变）
4. 中英项目展示（真实的presentation场景，扎心的组长challenge）
5. 背景提升（光荣写入简历、附上github链接）

最终，欢迎大家加入【鲸析】大家庭！一起学习，一起进步！