Fundamental concepts: Our fundament

Fundamental concepts: Our fundamental concepts as the basis of many common data science techniques; The importance of familiarity with the building blocks of data science. Exemplary techniques: Association and co-occurrences; Behavior profiling; Link predic‐ tion; Data reduction; Latent information mining; Movie recommendation; Bias-variance decomposition of error; Ensembles of models; Causal reasoning from data. As discussed in the previous chapter, a useful way to think of a team approaching a business problem data analytically is that they are faced with an engineering problem— not mechanical engineering or even software engineering, but analytical engineering. The business problem itself provides the goal as well as constraints on its solution. The data and domain knowledge provide raw materials. And data science provides frame‐ works for decomposing the problem into subproblems, as well as tools and techniques for solving them. We have discussed some of the most valuable conceptual frameworks and some of the most common building blocks for solutions. However, data science is a vast field, with entire degree programs devoted to it, so we cannot hope to be exhaustive in a book like this. Fortunately, the fundamental principles we have discussed undergird most of data science

Results (Vietnamese) 1:

Khái niệm cơ bản: khái niệm cơ bản của chúng tôi như là cơ sở cho nhiều dữ liệu khoa học kỹ thuật phổ biến; Tầm quan trọng của sự quen thuộc với các khối xây dựng của các dữ liệu khoa học. Gương mẫu kỹ thuật: Hiệp hội và các sự kiện đồng; Hành vi của hồ sơ; Liên kết predic‐ tion; Dữ liệu giảm; Khai thác tiềm ẩn thông tin; Giới thiệu bộ phim; Thiên vị phương sai phân hủy của lỗi; Ensembles của các mô hình; Causal lý luận từ dữ liệu. Như được thảo luận trong chương trước, một cách hữu ích để suy nghĩ của một đội ngũ tiếp cận một vấn đề kinh doanh dữ liệu phân tích là họ đang phải đối mặt với một vấn đề kỹ thuật-không khí hoặc thậm chí kỹ thuật phần mềm, nhưng phân tích kỹ thuật. Các vấn đề kinh doanh chính nó cung cấp các mục tiêu cũng như những khó khăn về giải pháp của nó. Kiến thức dữ liệu và tên miền cung cấp nguyên liệu. Và cung cấp dữ liệu khoa học frame‐ tác phẩm để phân hủy các vấn đề vào bài, cũng như các công cụ và kỹ thuật để giải quyết chúng. Chúng tôi đã thảo luận một số khuôn khổ khái niệm có giá trị nhất và một số các khối xây dựng phổ biến nhất cho các giải pháp. Tuy nhiên, dữ liệu khoa học là một lĩnh vực rộng lớn, với toàn bộ chương trình dành cho nó, vì vậy chúng tôi không thể hy vọng sẽ được đầy đủ trong một cuốn sách như thế này. May mắn thay, các nguyên tắc cơ bản chúng tôi đã thảo luận về undergird hầu hết các dữ liệu khoa học

Results (Vietnamese) 2:

các khái niệm cơ bản: các khái niệm cơ bản của chúng tôi là cơ sở của nhiều kỹ thuật khoa học dữ liệu chung; Tầm quan trọng của sự quen thuộc với các khối xây dựng của khoa học dữ liệu. kỹ thuật Kiểu Mẫu: Hiệp hội và đồng lần xuất hiện; Hành vi lập hồ sơ; Liên kết các sự tiên đoán; giảm dữ liệu; khai thác thông tin tiềm ẩn; giới thiệu bộ phim; Bias-phương sai lỗi; Cụm công của mô hình; lý luận nhân quả từ dữ liệu. Như đã thảo luận trong chương trước, một cách hữu ích để suy nghĩ của một đội bóng tiếp cận một vấn đề kinh doanh dữ liệu phân tích là họ đang phải đối mặt với một kỹ thuật vấn đề- không cơ khí hoặc thậm chí công nghệ phần mềm, nhưng kỹ thuật phân tích. Các vấn đề kinh doanh chính nó cung cấp các mục tiêu cũng như những hạn chế về giải pháp của nó. Các dữ liệu và miền kiến ​​thức cung cấp nguyên liệu. Và khoa học dữ liệu cung cấp các khung để phân hủy các vấn đề vào bài toán, cũng như các công cụ và kỹ thuật để giải quyết chúng. Chúng tôi đã thảo luận một trong những khuôn khổ khái niệm có giá trị nhất và một số các khối xây dựng thông thường nhất cho các giải pháp. Tuy nhiên, khoa học dữ liệu là một lĩnh vực rộng lớn, với chương trình cấp bằng toàn bộ dành cho nó, vì vậy chúng tôi không thể hy vọng được đầy đủ trong một cuốn sách như thế này. May mắn thay, các nguyên tắc cơ bản, chúng tôi đã thảo luận củng nhất của khoa học dữ liệu