數據科學
關注創建者：匿名 創建時間：2025-12-01
數據科學的視頻教程
Altair人工智能與數據科學平臺使用培訓
Altair人工智能與數據科學平臺使用培訓 適用人群： 從事人工智能行業、對人工智能感興趣的人群 直播內容： 1. RapidMiner Studio 自動數據清洗與自動建模； 2. RapidMiner AI Hub 模型版本與權限管理； 3. 自定義建模流程介紹； 4. 模型該如何選擇和評估。
免費 1小時50分鐘 46播放
查看
Abaqus泡沫混凝土壓縮
其次，單元刪除方法作為本視頻另一重點，系統介紹了通過定義狀態變量，巧妙判別單元在受壓過程中的 “存活” 與 “失效” 狀態；依據大量實驗數據積累，科學確定符合泡沫混凝土破壞特征的準則，如主應力閾值或等效塑性應變極限等；并詳細演示在 Abaqus 求解流程中，如何高效執行單元刪除操作，從而真實模擬泡沫混凝土在壓縮作用下的漸進破壞過程。
￥29.99 27分鐘 148播放
查看
數據科學的實例教程
數據科學使這一過程更好地實現了自動化，更準確，個性化，直接和高效，并且降低了員工時間成本。
結論
為了獲得競爭優勢，銀行必須承認數據科學的重要性，將其融入決策過程，并根據客戶數據中獲得可操作的見解制定戰略。 從小型可管理的步驟開始，將大數據分析整合到您的運營模式中，并領先于競爭對手。
由于這種快速發展的數據科學領域以及將機器學習模型應用于實際數據的能力，因此可以每天擴展此用例列表，從而獲得更多更準確的結果。
ATCx Unlocking Data Science & AI 2025
解鎖數據科學與AI的力量
全球線上直播會議（提供中文在線翻譯）
11月5日（周三）丨北京時間 16:00 開始
解鎖數據科學與AI的力量
人工智能正在改變我們的工作、學習和競爭方式。善于利用數據、人工智能和機器學習的企業，可以更快、更智能、更可持續地做出決策。
2025年11月5日，Altair 將攜手行業領袖、技術專家和教育工作者，帶來一場聚焦數據科學與人工智能（AI） 話題的技術盛會，共同探討領先的數據科學與AI解決方案如何在學術界和各行各業推動創新。
誠邀您參加本次全球線上直播活動，從 Altair 技術專家、學術領袖和行業先鋒的分享中獲得真知灼見。無論您是致力于戰略性落地人工智能的企業決策者、專注前沿技術教學的教育工作者，還是尋求技能拓展的行業專業人士，本次會議都將為您提供可落地的知識成果、成熟的應用案例和具備前瞻性的行業觀點。
展開 本書是對以數據深度需求為中心的科學、研究以及針對計算和統計方法的參考書。
本書共五章，每章介紹一到兩個Python數據科學中的重點工具包。
首先從IPython和Jupyter開始，它們提供了數據科學家需要的計算環境；
第2章講解能提供ndarray對象的NumPy，它可以用Python高效地存儲和操作大型數組；
第3章主要涉及提供DataFrame對象的Pandas，它可以用Python高效地存儲和操作帶標簽的/列式數據；
第4章的主角是Matplotlib，它為Python提供了許多數據可視化功能；
第5章以Scikit-Learn為主，這個程序庫為最重要的機器學習算法提供了高效整潔的Python版實現。
本書適合有編程背景，并打算將開源Python工具用作分析、操作、可視化以及學習數據的數據科學研究人員。
全網最全Python必讀書藉合集（PDF文檔免費下載）
目錄
第1 章 IPython：超越Python 1
第2 章 NumPy入門 28
第3 章 Pandas數據處理 86
第4 章 Matplotlib數據可視化 191
第5 章 機器學習 291
展開 2025年11月5日，Altair 將攜手行業領袖、技術專家和教育工作者，帶來一場聚焦數據科學與 AI 話題的技術盛會，共同探討領先的數據科學與 AI解決方案如何在學術界和各行各業推動創新。
本次會議邀請了來自 Forrester、LTTS、Mendix 等全球知名企業技術專家及英國伯明翰城市大學、克萊姆森大學等知名高校教授，在線分享數據科學和 AI 技術在企業的落地應用以及在高校的課程實踐，緊密聯結理論研究與產業價值，助力每位參會者探索 AI 應用能力，切實掌握借助人工智能驅動創新發展的核心方法。
會議時間：2025年11月5日（周三）
北京時間 16:00 開始
會議形式：線上直播
會議語言：英語（免費提供在線中文翻譯）
點擊報名：https://hubs.ly/Q03Q9bTn0
或掃碼報名：
溫馨提示：因服務器地域問題，掃碼后需等待5秒，請耐心等待自動跳轉至報名頁哦~
從深化人工智能與數據科學教育，到展示賦能業務成果的實用創新方案，本次會議聚焦從高校到企業的眾多熱門議題，充分展示人工智能在現實世界的應用以及數據科學推動智能、可持續發展的實踐。
展開 ▌數據采集
20. Scrapy (Commits: 6625, Contributors: 281)
官網：https://scrapy.org/
Scrapy 是一個用來創建網絡爬蟲，掃描網頁和收集結構化數據的庫。此外，Scrapy 可以從 API 中提取數據。由于該庫的可擴展性和可移植性，使得它用起來非常方便。
▌結論
本文上述所列就是我們在 2018 年為數據科學領域中豐富的 Python 庫集合。與上一年相比，一些新的現代庫越來越受歡迎，而那些已經成為經典的數據科學任務的庫也在不斷改進。
下表顯示了 GitHub 活動的詳細統計數據：
原文鏈接：https://activewizards.com/blog/top-20-python-libraries-for-data-science-in-2018/
轉自網絡大數據
展開 
數據科學的相關專題、標簽、搜索
數據科學的最新內容
▲ 圖1 冷板液冷（a）與浸沒液冷（b）溫度均勻性對比
本研究以浸沒式冷卻液（以純碳氫基礎液為基底，分別添加納米氧化銅與納米氧化鋁顆粒）為對象，從流變動力學與導熱性能的雙重維度開展系統性表征與機理剖析，旨在為動力電池熱管理系統的介質選型、流道設計提供可靠的數據支撐與科學驗證方法。
原料選擇
在評估新型熱管理介質時，基礎流體的理化特性及其與納米顆粒的適配性是決定宏觀性能的核心。
學習構建圖像分類深度學習模型
使用卷積神經網絡進行遷移學習
理解如何使用 PyTorch 進行自然語言處理
使用循環神經網絡分類
文本 理解如何在多處理器和分布環境中
優化 訓練、優化和部署神經網絡以實現最大準確性和性能
學習部署生產準備模型
這本書適合誰
熟悉機器學習但對深度學習還不熟悉的開發者和數據科學家
適合人群
- 零基礎數據分析師
- 零基礎數據科學家
行車狀態下的躺姿乘坐，會顯著改變乘員姿態，進而影響安全帶約束有效性、氣囊匹配性及防揮鞭傷保護性能，因此，測試設備需能模擬急加速、急減速、碰撞等各類復雜工況，精準評估乘員滑移、下潛等安全風險，為座椅安全設計提供科學數據支撐。
氣候變化正在加速，隨之而來的是對精確科學數據的需求。在法國圖盧茲的CNRS-CESBIO實驗室，研究人員不僅研究化石燃料的溫室氣體排放，還研究土壤和水等自然資源的溫室氣體排放。為了捕獲這些排放物，他們開發了一種叫做“呼吸室”的專業設備。
像這種儀器在了解自然生態系統如何導致氣候變化方面發揮著至關重要的作用。
基于這一現象，3Dfindit利用數據科學和人工智能（AI）來分析大數據云中的交互數據，從而得出有關用戶購買和下載行為的精準信息。其目的是預測未來用戶在工程設計規劃過程中需要哪些組件。
如果選擇螺栓作為接頭，“群體智慧”功能會建議使用開口銷。
一、一段話了解SPC
SPC是一種基于數據的科學管理方法，通過實時監控關鍵質量參數，利用數學模型識別生產中的異常波動。讓你在不良品出現前，就察覺出工藝流程的“亞健康”狀態，被稱為質量控制的“防火墻”。
二、誰需要SPC
■ 行業領域： 汽車、電子、家電、化工等對穩定性、一致性有極高要求的制造企業。
通過這場“升維”革命，質量工程師將真正成為用數據定義質量、用洞察塑造未來的“工業數據科學家”。
點擊了解更多詳情：eMMA基于CAD和結構樹的數據管理系統
XGBoost 工作原理詳解4個月前
在降低計算開銷的同時保持預測準確性
? 適用場景：適用于全量評估成本過高的大型數據集
XGBoost 的優勢
? 可擴展性強：支持處理數百萬條記錄的大型數據集
? 并行計算支持：支持并行處理和 GPU 加速，提升訓練效率
? 參數可定制：提供豐富的可調整參數和正則化選項，便于模型微調
? 特征重要性分析：內置特征重要性評估功能，助力數據洞察
? 多語言支持：支持多種編程語言，被數據科學家廣泛應用
希望進入人工智能領域的學生和專業人士
- 想要掌握機器學習、人工智能與神經網絡的開發者和數據愛好者
- 尋求理解人工智能驅動決策的商業專業人士
- 推薦理由：
- 當今就業市場所需的熱門技能
- 清晰的解釋與實踐學習示例相結合
- 終身訪問權限，可立即應用的實用知識
- 為進階人工智能、深度學習和數據科學職業奠定堅實基礎
