http://rawgraphs.io/
MR. MINING 發表在 痞客邦 留言(0) 人氣(113)
先貼幾個大家在數據分析工具的選用上的建議及偏好,提供給大家參考。
MR. MINING 發表在 痞客邦 留言(0) 人氣(924)
通常在統計的分析報告中你會看到這樣的用語「在95%的信心水準下,平均值會落在某某誤差區間內。」
MR. MINING 發表在 痞客邦 留言(0) 人氣(562)
資料庫(database)是指對於相關資料的蒐集,資料庫系統(database system)則是指資料庫與資料庫系統。傳統的資料庫支援線上交易處理Online transcation processing(OLTP) 會對於處理查詢進行最佳化。
而資料倉儲(Data warehouse)也是一個資訊的蒐集及支援系統,但比較明顯的是資料倉儲是對資料的取回(retrival)進行最佳化,而資料庫著重於例行的交易處理。而資料倉儲中之多維度的資料模型常可用來進行Roll-up display : 群組化相關的資料(例如:加總周、月、年總量)或Drill-down display:與roll-up相反,其可以拆解至其組成之細項資料。資料倉儲適合用來支援OLAP, DSS(Decision support system)及Data mining。
MR. MINING 發表在 痞客邦 留言(0) 人氣(2,284)
作者簡介
奧斯汀‧克隆 Austin Kleon
10個創作者生存必備的新原則,這本書要告訴你,你一定要敞開心胸,大方分享,勇敢面對──成為其他創作者會來偷學的創作者。
MR. MINING 發表在 痞客邦 留言(0) 人氣(276)
MR. MINING 發表在 痞客邦 留言(0) 人氣(368)
MR. MINING 發表在 痞客邦 留言(0) 人氣(224)
這裡有30哈佛商業評論(HBR)上的大數據科學分析提供最新的技術和事件數據的世界的見解的文章。
Source : http://www.kdnuggets.com/2015/09/30-hbr-articles-analytics-big-data-science.html
MR. MINING 發表在 痞客邦 留言(0) 人氣(527)
在開收資料大商機(Open data now, Joel Gurin)一書中,作者的定義為:「可取得的公開資料,讓人們、公司,以及組織可用以創立新事業、分析型能與趨勢、做出資料導向決策,以及解決複雜問題。」
Deloitte, Harvey Lewis將開收資料領域的企業區分為五大類:
供應商(Supplier):資料供應者-不收費
匯總者(Aggregators):分析並提供洞察-收費
軟體開發商(Developers):設計並建立應用程式
改進者(Enrichers):使用開放資料來改進現有產品與服務
輔助者(Enablers):幫助其他公司更善於利用開收資料-收費
MR. MINING 發表在 痞客邦 留言(0) 人氣(236)
Datafication
首先,Datafication,這個字是MS office也拼不出來的新單字。
「Data」在拉丁文的意思是「既定的」,講的是一件事實。歐幾里得有一部著作以此為書名,是從已知、或是能夠加以解釋的方面,來解釋何學。到了今日,「資料」指的是能夠記錄、分析、重組的事物。
MR. MINING 發表在 痞客邦 留言(0) 人氣(1,562)