10 unverzichtbare Artikel zur Datenwissenschaft vom September 2017

0

Die Data-Science-Branche findet schnell Anwendungen in einer Vielzahl von Disziplinen, die von Biotechnologie zu Sozialwissenschaft. Sie hat die Art und Weise revolutioniert, wie wir Entscheidungen treffen, sowohl in der Wirtschaft als auch in der Forschung. Laut Glassdoor ist Datenwissenschaft derzeit der "beste Job in Amerika". Die Menge an Daten, die wir sammeln, ist atemberaubend, nicht nur auf traditionelle Weise, sondern auch über digitale Plattformen und soziale Medien. Datenanalyse, -visualisierung und -interpretation sind gefragte Fähigkeiten - und Experten spezialisieren sich oft auf bestimmte Disziplinen wie Informatik oder sogar Astrophysik. Bei Kolabtree haben wir Projektinhabern geholfen, hochqualifizierte Freiberufler zu finden Data-Science-Experten um ihnen bei der Analyse eines Datensatzes oder beim Schreiben eines Algorithmus zu helfen - und das ist der Beweis dafür, dass Unternehmen in diesem Bereich unter einer Qualifikations- oder Ressourcenlücke leiden.

Datenwissenschaftler müssen sich über die neuesten Forschungen und Entwicklungen in diesem Bereich auf dem Laufenden halten, um auf dem neuesten Stand zu bleiben. Hier ist eine kuratierte Liste der 10 wichtigsten Artikel vom September 2017, die unserer Meinung nach unbedingt gelesen werden sollten.

1. Hier sind die 10 Fähigkeiten, die Sie brauchen, um Datenwissenschaftler zu werden, die Nr. 1 Job in Amerika
(Alison DeNisco, TechRepublic)

2. Der Abgrund der Analytik 
(Jon Evans, TechCrunch)

3. Neues Tool nutzt maschinelles Lernen und künstliche Intelligenz zur Verbesserung des IT-Betriebs
(Bernard Marr, Forbes)

4. Unterschied zwischen maschinellem Lernen, Datenwissenschaft, KI, Deep Learning und Statistik
(Vincent Granville, Data Science Central)

5. Ein Wikipedia für Datenvisualisierungen ist da
(Katharine Schwab, Co.Design)

6. Welche Programmiersprache sollten Sie lernen, wenn Sie Ihre Kenntnisse in der Datenanalyse verbessern wollen? [R vs. Python] (Dan Kopf, Quartz)

7. 30 wichtige Spickzettel für Datenwissenschaft, maschinelles Lernen und Deep Learning
(Matthew Mayo, KDNuggets)

8. Die KI-Studie "Gaydar" und die wahren Gefahren von Big Data
(Alan Burdick, The New Yorker)

9. Mit maschinellem Lernen den Wettbewerbsvorteil sichern
(Ronald van Loon, Dataconomy)

10. Jäger des Sturms: Die Datenwissenschaft hinter der Wettervorhersage
(George Anadiotis, ZDNet)

Haben Sie weitere Artikel, die Sie der Liste hinzufügen möchten? Hinterlassen Sie sie unten in den Kommentaren oder Tweet an uns!


Kolabtree hilft Unternehmen auf der ganzen Welt, Experten auf Abruf zu engagieren. Unsere Freiberufler haben Unternehmen geholfen, Forschungsarbeiten zu veröffentlichen, Produkte zu entwickeln, Daten zu analysieren und vieles mehr. Es dauert nur eine Minute, um uns mitzuteilen, was Sie brauchen, und kostenlose Angebote von Experten zu erhalten.


Teilen.

Über den Autor

Ramya Sriram ist verantwortlich für digitale Inhalte und Kommunikation bei Kolabtree (kolabtree.com), der weltweit größten Plattform für freiberufliche Wissenschaftler. Sie verfügt über mehr als ein Jahrzehnt Erfahrung in den Bereichen Verlagswesen, Werbung und Erstellung digitaler Inhalte.

Eine Antwort hinterlassen

Zuverlässige freiberufliche Experten, die bereit sind, Ihnen bei Ihrem Projekt zu helfen


Die weltweit größte freiberufliche Plattform für Wissenschaftler  

Nein danke, ich suche im Moment keine Mitarbeiter.