数据科学

显示27个结果中的1-9个
工程图标雪佛龙 数据科学和数据库

机器学习号识别 - 从零到应用

经过 Teimur Gasanov

利用计算机愿景的机器学习的潜力不是一个新的概念,但最近的进步和新工具和数据集的可用性使得开发人员更能访问。 在本文中,Toptog Software Developer Teimur Gasanov演示了如何创建一个能够在30分钟内识别手写数字的应用程序,包括API和UI。

10分钟阅读继续阅读
工程图标雪佛龙 数据科学和数据库

机器学习中的嵌入式:使复杂数据简单

经过 Yaroslav Kopotilov

使用非数字数据可以具有挑战性,即使是经验丰富的数据科学家也是如此。为了充分利用此类数据,需要转化。但怎么样? 在本文中,Toptoal Data Scientics Yaroslav Kopotilov将向您介绍嵌入并展示它们如何用于可视化复杂数据并使其可用。

11分钟阅读继续阅读
工程图标雪佛龙 技术

Stars Realigned:改善IMDB评级系统

经过 Juan Manuel Ortiz de Sate

IMDB评级具有类型偏置:例如,DRAMAS往往会得分更高。删除共同的特征偏差并保持独特的特征'可以基于IMDB信息创建新的精致的分数。

10分钟阅读继续阅读
工程图标雪佛龙 后端

使用sorreTrators进行数学时间:将微野型应用程序缩放

经过 Antoine Hamon

自动在基于微服务的应用程序架构中缩放容器部署是彻头彻尾的奢侈......一旦它's set up. But what'是调整应用程序的最佳方式'S Orchestration参数?

9分钟阅读继续阅读
工程图标雪佛龙 数据科学和数据库

数据仓库开发的三个原则

经过 Chamitha Wanaguru

数据仓库不是一个新的概念,而是对数据科学服务的行业需求,加上AI和机器学习的兴起,使它们比以往任何时候都更加相关。 在这篇文章中,Toptoal Data Warehouse Developer Chamitha Wanaguru概述了在开发新数据仓库时需要记住的三个基本原则。

9分钟阅读继续阅读
工程图标雪佛龙 数据科学和数据库

制定生物信息学数据库用于二硫键研究

经过 Viktor Bojović

蛋白质数据库(PDB)生物信息学数据库是世界'S的蛋白质,核酸和复合组件的实验确定结构最大的储存库。使用X射线,光谱学,晶体学,NMR等等实验方法收集所有数据。本文介绍了如何从PDB中提取,过滤和清洁数据,使其适用于进一步分析。

读了25分钟继续阅读
工程图标雪佛龙 后端

对冲基金深入学习交易介绍

经过 Neven Pičuljan

本文在本文中,Toptal Freelance软件工程师NevenPičuljan将您介绍了对冲基金和金融的深度学习的复杂性。

阅读21分钟继续阅读
工程图标雪佛龙 后端

NoSQL数据库的最终指南

经过 Mohammad Altarade

有限的SQL可扩展性促使行业开发和部署了许多NoSQL数据库管理系统,专注于性能,可靠性和一致性。该趋势是由Google和Amazon开发的专有NoSQL数据库驱动。最终,像MongoDB,Cassandra和Hypertable这样的开源系统会带来NoSQL在每个人的范围内。 在这篇文章中,高级软件工程师Mohamad Altarade潜入其中一些,并解释了为什么NoSQL可能与我们同在我们未来几年。

16分钟阅读继续阅读
工程图标雪佛龙 数据科学和数据库

数据工程师'■非传统数据存储指南

经过 Ken Hu

随着大数据和数据科学的兴起,存储和检索已成为数据使用和分析的关键管道组件。最近,已经出现了新的数据存储技术。但问题是:你应该选择哪一个?哪一个最适合数据工程? 在本文中,Toptoal Data Scientist Ken Hu在数据工程的背景下比较了三种突出的存储技术。

7分钟阅读继续阅读

加入Toptalal.® community.