智享数据科学资源平台
标签：面试经验
Dec
15

什么是文本分类

文本分类用电脑对文本集(或其他实体或物件)按照一定的分类体系或标准进行自动分类标记。它根据一个已经被标注的训练文档集合,找到文档特征和文档类别之间的关系模型,然后利用这种学习得到的关系模型对新的文档进行类别判断。文本分类从基于知识的方法逐渐...
Dec
15

Bloomberg-stock

Bloomberg创建于1981年，是全球商业、金融信息和新闻资讯提供商，通过其强大的集信息、人物及观点为一体的动态网络为全球决策者带来关键优势。 彭博精于以创新的技术来快速、精准地传递数据、新闻和分析。Bloomberg-stock提供全...
Dec
15

什么是文本聚类

文本聚类（Text clustering）文档聚类主要是依据著名的聚类假设：同类的文档相似度较大，而不同类的文档相似度较小。作为一种无监督的机器学习方法，聚类由于不需要训练过程，以及不需要预先对文档手工标注类别，因此具有一定的灵活性和较高的...
Dec
15

Commodity

Commodity解释什么是商品，它们是如何交易的，以及什么驱动价格。来源网址：https://commodity.com/
Dec
15

什么是命名实体识别

命名实体识别（Named Entity Recognition，简称NER），又称作“专名识别”，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。命名实体识别是信息提取、问答系统、句法分析、机器翻译、面向Seman...
Dec
15

Internet World Stats

Internet World Stats提供全球的互联网使用情况及人口统计。来源网址：https://www.internetworldstats.com/stats.htm
Dec
15

什么是话题检测与跟踪

话题检测与跟踪（Topic Detection and Tracking）是一项信息处理技术，这项技术旨在帮助人们应对日益严重的互联网信息爆炸问题，对新闻媒体信息流进行新话题的自动识别和已知话题的持续跟踪。TDT(Topic Detecti...
Dec
15

Statcounter GlobalStats

Statcounter GlobalStats提供浏览器使用率参考，统计数据是基于Statcounter收集的汇总数据，这些数据来自Statcounter网络中150多万个网站，样本每月超过50亿次页面浏览量。统计数据每天都在更新，但在发布...
Dec
15

什么是小世界网络模型

小世界网络模型是一类具有较短的平均路径长度又具有较高的聚类系数的网络的总称。通过调节一个参数可以从规则网络向随机网络过渡，该模型成为WS小世界模型。由于WS小世界模型构造算法中的随机化过程有可能破坏网络的连通性，Newman和Watts提出...
Dec
15

DATAJOBS

DATAJOBS网站的Big Data Knowledge Repo栏目提供数据科学家/分析专家的核心知识资源。来源网址：https://datajobs.com/data-science-repo
Dec
15

什么是实体联系模型

实体联系模型（Entity Relationship Model），是一种以直观的图示化方式描述实体（集）及其之间联系的语义模型，所以也称为实体—联系图（Entity Relationship Diagram，E-R图），它是一种十分有效的...
Dec
15

Data Is Plural — Structured Archive

Data Is Plural — Structured Archive电子表格跟踪了每周通讯《Data Is Plural》上发布的项目。这个电子表格跟踪数据是复数发布的项目，每周简报突出有用和有趣的数据集。你可以在data-is-plur...
Dec
15

什么是网络

网络是由若干节点和连接这些节点的链路构成，表示诸多对象及其相互联系。在1999年之前，人们一般认为网络的结构都是随机的。但随着Barabasi和Watts在1999年分别发现了网络的无标度和小世界特性并分别在世界著名的《科学》和《自然》杂志...
Dec
15

OPEN DATA NETWORK

OPEN DATA NETWORK发布并共享数据，查找并构建数据以及回答问题。来源网址：https://www.opendatanetwork.com/
Dec
15

什么是节点

在电信网络中，一个节点(英语：node，拉丁语：nodus）是一个连接点，表示一个再分发点（redistribution point）或一个通信端点（一些终端设备）。节点的定义依赖于所提及的网络和协议层。一个物理网络节点是一个连接到网络的有...
Dec
15

Bigml

Bigml提供适合机器学习的公共数据集。这些数据集可用于构建预测模型。Bigml希望读者能通过深入了解世界和政府是如何为更大的利益而工作的，来充分利用这些信息。如果您有学术或研究项目，请记住BigML为这些项目提供特别折扣和免费访问。只要你...
Dec
15

什么是HITS算法

HITS算法是由康奈尔大学( Cornell University )的Jon Kleinberg博士于1997年首先提出的,为IBM公司阿尔马登研究中心( IBM Almaden Research Center)的名为“CLEVER”的研...
Dec
15

WOLFRAM

WOLFRAM DATA REPOSITORY是一个公共资源，它承载着一个不断扩展的可计算数据集集合，经过策划和结构化，适合立即用于计算、可视化、分析等。来源网址：https://datarepository.wolframcloud.co...
Dec
15

什么是可达性

在图论中，可达性是指从一个顶点到另一个顶点的容易程度。 如果存在一系列相邻顶点，则顶点s可以到达顶点t（并且t可也可以到达s），以s为开头，以t结尾。在无向图中，可以通过识别图的连接分量来确定所有顶点对之间的可达性。当且仅当它们属于同一连通...