十大数据时间 – 概述
Analytics Vidhya 是印度最大的数据科学、机器学习和分析社区之一。我们始终将我们的社区置于生态系统的中心舞台。从博客和实践问题到课程和黑客马拉松，我们的社区多年来一直积极与我们合作，分享和传播数据科学领域的知识。
考虑到社区的需要，Analytics Vidhya 在 2022 年初发起了一个名为“DataHour”的一小时网络研讨会系列。我们已经完成了 170 多场会议，超过 17,000 名与会者利用了这些会议。这些会议由顶级行业领导者主持，涵盖人工智能、区块链、职业导向、数据科学、数据可视化、ML、NFT、NLP等领域。
当我们即将进入新的一年时，我们是时候根据 Datahour 在观众中的受欢迎程度来反思 10 年十大 DataHour 了。
零售业的人工智能
[嵌入的内容]
零售是销售商品的艺术。您是否想过机器学习和人工智能如何彻底改变传统零售业？
在这个 DataHour 中，Shantha Mohan 博士（卡内基梅隆大学综合创新研究所导师和项目指南）生动地解释了人工智能和机器学习如何创造并实现全新的经营方式——从零售业的演变开始，当前的格局、未来的潜力、产品和渠道。她涵盖了零售行业的各个方面，并演示了零售行业中人工智能/机器学习的电子商务用例。如果您想掌握在当前状态下高效开展业务的技巧，那么这个 DataHour 适合您！想了解更多，请点击 友情链接.
学制： 1:11:29
涵盖的要点： 零售业的历史、现状和未来形象、电子商务中的人工智能/机器学习以及供应链管理。
实践 Power BI 的数据分析表达式 (DAX)
[嵌入的内容]
Power BI 是最受欢迎的数据可视化工具之一，没有 DAX，就永远无法学习 Power BI。这个 DataHour 向观众灌输了 DAX 的技能以及提示和技巧。 KPI 方法、行和筛选器上下文、计算列和计算函数、最有趣的瀑布图以及新的快速测量方法 - 所有这些都在 Pranav Dar（BI 与分析 - 培训师和顾问）的 DataHour 中进行了介绍。想了解更多，请点击 友情链接.
学制： 1:06:53
涵盖的要点： DAX 中的计算函数、瀑布图和新度量。
创建有效的数据科学笔记本和交流
[嵌入的内容]
当我说传达见解和代码与查找和运行它们同样重要时，您会同意我的观点，对吗？理想的笔记本应该提供准确的见解并清楚地表达数据背后的故事。在这个 DataHour 中，Martin（YipitData 的数据科学家 | Kaggle Grandmaster）推荐了一些根据您的有效数据科学交流需求设计有影响力的笔记本的技巧。他解释了探索性笔记本、数据验证、从不同角度绘制数据以及记录数据的有效方法。想了解更多，请点击 友情链接.
学制： 1:01:38
涵盖的要点： 笔记本维护、数据绘制和验证。
可解释机器学习简介
[嵌入的内容]
由于机器学习作为解决方案的不完整性，出现了对可解释机器学习的需求，而 Serg Masís（先正达气候与农业数据科学家）的 DataHour 完美地满足了这一需求。它解释了模型解释的原因、方式和时间，同时涵盖了 scikit-learn 库、Ag boost 和 Cat Boost 的使用。还讨论了错误分解、逻辑回归、决策树、相关系数和网络的过程。想了解更多，请点击 友情链接.
学制： 1:09:56
涵盖的要点： 机器学习模型、相关性、回归和决策树。
穿越分析问题的旅程
[嵌入的内容]
与宇宙中的一切一样，数据分析也有一个旅程。要了解如何使用分析来解码现实世界的问题并找到有意义的结果，Amitayu Roy（埃森哲高级经理（应用智能、战略与咨询））的 DataHour 是最好的一站。本次数据一小时探讨了数据、数据工程和数据科学行业的各个方面。它还追踪了问题旅程、客户旅程、用户保留、解决分析问题的假设驱动方法以及得出有用见解的方法。想了解更多，请点击 友情链接.
学制： 1:30:20
涵盖的要点： 数据科学、数据工程、问题之旅、流失保留
使用 Python 进行图像处理简介
[嵌入的内容]
Siddhant Sadangi（路透社数据科学家）的 DataHour 是一个代码课程，教授图像的数字表示以及如何使用 Python 更改图像特征。本次数据一小时的主题是图像分析、灰度成像、颜色通道、调整图像属性的方法以及重复项识别。要了解更多信息，请单击 友情链接.
学制： 59:55
涵盖的要点： 灰度成像、颜色通道、图像属性改变。
使用 Hugging Face 构建 NLP 应用程序
[嵌入的内容]
Hugging Face 是开发人员的救星，因为它提供的工具可以更轻松地将最先进的变压器模型添加到应用程序中。通过这个 DataHour，Julien Simon（Hugging Face 的首席布道者）向观众解释了 Transformer 模型、我们如何使用它们解决业务问题，以及端到端加速机器学习项目的过程。他还区分了迁移学习和预训练模型，并讨论了 Pipeline API、硬件配件、标记化训练集、模型卡和准确性目标的工作原理。想了解更多，请点击 友情链接.
学制： 1:01:14
涵盖的要点： 管道 API、预训练模型、训练集标记化、模型卡。
使用 Python 进行数据可视化
[嵌入的内容]
可视化的力量在各个方面都是显而易见的，数据领域也不例外。 Nitish Vig（Trejhara Solutions Ltd 的业务分析师）在这个 DataHour 中介绍了如何使用 Python 可视化数据、构建图表以及如何将它们与 Excel 和 Power BI 等其他应用程序关联起来。演讲者详细阐述了可视化工具的使用、单变量和双变量分析的方法、数值数据可视化与分类数据可视化的区别、Googlecolab 和 Jupyter 的比较，以及图表（包括计数图、散点图、折线图、带状图、热图）等。要了解更多信息，请点击 友情链接.
学制： 1:17:53
涵盖的要点： 可视化工具、图表、单变量和双变量分析。
MLops 简介
[嵌入的内容]
机器学习模型遵循复杂的生命周期，从探索、部署到维护。 MLops 是一组用于可靠、高效地部署和维护 ML 模型的实践。
DataHour 的演讲者 Anmol Krishan Sachdeva（Google 混合云架构师）描述性地解释了 MLOps，涵盖使用 Airflow 和 Kubernetes 的力量进行模型操作。本次 DataHour 简要介绍了模型注册、数据采集和管道、数据错误、模型元数据、MLOP 的目标和工具以及 apache Airflow。想了解更多，请点击 友情链接.
学制： 1:02:06
涵盖的要点： MLOP、数据采集、数据错误和 MLOP 工具。
Faang 公司的数据科学
[嵌入的内容]
如果您不是生活在岩石下，您可能会听说过 FAANG。 FAANG 是 Facebook（现为 Meta）、Amazon、Apple、Netflix 和 Google（现为 Alphabet）的首字母缩写。我们都见证了Facebook对科技和人类世界的影响。在本期 DataHour 中，Eshan Tiwari（Facebook 数据科学主管）向我们介绍了 Facebook 中如何使用数据科学以及如何成为 Facebook 的数据科学家。他向观众介绍了数据和数据科学在 FAANG 中的作用，并提供了 FAANG 中执行的数据科学项目的示例。想了解更多，请点击 友情链接.
学制： 54:37
涵盖的要点： FAANG 中的数据科学使用，FAANG 中数据科学领域的职业生涯。
结论
尽管我们列出了前 10 个 DataHour，但每个 DataHour 都有其独特且有趣的方式，具有不同的主题和专家演讲者。通过这些 DataHour 系列，我们让观众轻松了解数据科学和技术领域的最新和热门主题。明年，我们将继续以更高的频率和主题提供同样的内容。让我们以这 10 个最佳 DataHours 来结束今年，并等待下一个列表！
相关
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
- Sumber: https://www.analyticsvidhya.com/blog/2022/12/top-10-datahours-of-2022/
