10 Artigos de leitura obrigatória de setembro de 2017

O ciência dos dados industry is quickly finding applications in a variety of disciplines ranging from biotecnologia para ciência social. It’s revolutionized the way we make decisions both as businesses and researchers. Data science is currently the ‘best job in America’, according to Glassdoor. The amount of data that we collect is mind-boggling, not only through traditional ways but also through digital platforms and social media. Análise de dados, visualization and interpretation are skills that are in high demand — and experts often specialize in specific disciplines such as computer science or even astrofísica. At Kolabtree, we’ve helped project owners find highly qualified freelance especialistas em ciência dos dados to help them analyze a dataset or write an algorithm — and this is proof that organizations suffer from a skills or resource gap in this field.

Os cientistas de dados precisam se manter atualizados sobre as últimas pesquisas e desenvolvimentos no campo para se manterem no topo do jogo. Aqui está uma lista com curadoria dos 10 principais artigos de setembro de 2017 que acreditamos ser necessária para a leitura.

1. Aqui estão as 10 habilidades que você precisa para se tornar um cientista de dados, o não. 1 emprego na América
(Alison DeNisco, TechRepublic)

2. O Abismo da Analítica 
(Jon Evans, TechCrunch)

3. Novas ferramentas utilizam o aprendizado de máquinas e inteligência artificial para melhorar as operações de TI
(Bernard Marr, Forbes)

4. Diferença entre Aprendizagem de Máquina, Ciência de Dados, IA, Aprendizagem Profunda, e Estatística
(Vincent Granville, Data Science Central)

5. Uma Wikipédia para visualização de dados está aqui
(Katharine Schwab, Co.Design)

6. Se você deseja atualizar suas habilidades de análise de dados, que linguagem de programação você deve aprender? [R vs Python] (Dan Kopf, Quartz)

7. 30 Dados Essenciais, Aprendizagem de Máquina e Folhas de Aldrabice de Aprendizagem Profunda
(Matthew Mayo, KDNuggets)

8. O Estudo A.I. "Gaydar" e os Perigos Reais dos Grandes Dados
(Alan Burdick, The New Yorker)

9. Garantindo a vantagem competitiva com a aprendizagem de máquinas
(Ronald van Loon, Dataconomy)

10. Caçadores da tempestade: A ciência dos dados por trás da previsão do tempo
(George Anadiotis, ZDNet)

Tem mais algum artigo a acrescentar à lista? Deixe-os nos comentários abaixo ou Tweet para nós!