SQL与Pandas都可以完成大部分数据分析需求。本文用SQL与Pands逐一实现10类核心数据分析需求，轻松进行对比学习：数据选择、限制、统计计数、排序、新字段生成、数据选择、数据分组、统计均值、方差、极差/范围。

本文将基于保险欺诈场景案例讲解如何进行有效的图挖掘，并将挖掘到的信息提供给AI模型，辅助精准检测和识别商业保险欺诈。💡 作者：韩信子@ShowMeAI📘 机器学习实战系列：[链接]📘 本文地址：[链接]📢 声明：版权所有，转载请联系平台与作者并注明出处📢 收藏ShowMeAI查看更多精彩内容保险欺诈是一个巨大的问题，保险业长期以...

本文使用tf-idf（词频-逆文件频率）、lsi（潜在语义索引）和 doc2vec(文档向量化嵌入)这3种最基础的NLP文档嵌入技术，对文本进行嵌入操作（即构建语义向量）并完成比对检索，构建一个基础版的文本搜索引擎。

💡 作者：韩信子@ShowMeAI📘 数据分析实战系列：[链接]📘 AI 面试题库系列：[链接]📘 本文地址：[链接]📢 声明：版权所有，转载请联系平台与作者并注明出处📢 收藏ShowMeAI查看更多精彩内容本篇内容基于场景面试题完成，在给定场景和数据表的前提下，有一系列的分析挖掘问题，大家可以基于SQL来完成。场景：Danny非常喜欢日本...

本文讲解音频检索技术及其广泛的应用场景。以『听曲识歌』为例，技术流程为具对已知歌曲抽取特征并构建特征向量库，而对于待检索的歌曲音频，同样做特征抽取后进行比对和快速匹配。

本文介绍AI模型适用于小型本地设备上的方法技术：压缩模型参数量，设计更小的模型结构，知识蒸馏，调整数据格式，数据复用等，并介绍移动小处理设备的类型、适用移动设备的模型框架等。

音乐领域，借助于歌曲相关信息，模型可以根据歌曲的音频和歌词特征，将歌曲精准进行流派分类。本文讲解如何基于机器学习完成对音乐的识别分类。💡 作者：韩信子@ShowMeAI📘 数据分析实战系列：[链接]📘 机器学习实战系列：[链接]📘 本文地址：[链接]📢 声明：版权所有，转载请联系平台与作者并注明出处📢 收藏ShowMeAI查看更多...

ShowMeAI社区的技术专家小伙伴们对图像检索的典型算法做了实现，构建了相关应用 🏆『基于CNN与三元组的图像检索实现』，对细节感兴趣的话，请前往 这里 查看实现代码参考。代码的整理花费了很多心思，欢迎大家 PR 和 Star！

ShowMeAI社区的技术专家小伙伴们对图像检索的典型算法做了实现，构建了相关应用 🏆『基于CNN与三元组的图像检索实现』，对细节感兴趣的话，请前往 这里 查看实现代码参考。代码的整理花费了很多心思，欢迎大家 PR 和 Star！

Python具有极其活跃的社区和覆盖全领域的第三方库工具库，近年来一直位居编程语言热度头部位置，而数据科学领域最受欢迎的python工具库之一是 Pandas。随着这么多年来的社区高速发展和海量的开源贡献者，使得 pandas 几乎可以胜任任何数据处理工作。

我们经常会谈到工业界端到端的机器学习建模，所谓端到端，是指的把整个过程构建在一个完整的流程（比如pipeline管道）中，包括数据侧的处理、模型建模调优，及模型部署应用等环节，如我们之前所说，完整的机器学习开发流程如下：

Python 是一个简单易上手可读性强且功能强大的编程语言，它有一些独特的技巧和写法，可以在不影响可读性的情况下大大缩短我们的 Python 代码，让它看起来更加紧凑和高级。

因为疫情，2年多的时间里，大家多了很多居家的经历，但是运动健康并不能因为居家而停止，健身随时随处可以进行！健身环大冒险等大热，而前阵子的刘畊宏跳操，带火了一大票畊宏男孩女孩，可穿戴设备市场大涨，而这些设备也记录了大量的运动数据。

一份来自『RESEARCH AND MARKETS』的二手车报告预计，从 2022 年到 2030 年，全球二手车市场将以 6.1% 的复合年增长率增长，到 2030 年达到 2.67 万亿美元。人工智能技术的广泛使用增加了车主和买家之间的透明度，提升了购买体验，极大地推动了二手车市场的增长。

互联网发展的数十年来，技术在飞速前进，伴随着海量结构化表格数据的存储，结构化数据上的商业智能分析挖掘发展，也有海量的非结构化数据散布于各个互联网平台：

近年高速发展的人工智能技术应用到了各个垂直领域，比如把深度学习应用于各种医学诊断，效果显著甚至在某些方面甚至超过了人类专家。典型的 CV 最新技术已经应用于阿尔茨海默病的分类、肺癌检测、视网膜疾病检测等医学成像任务中。

下面是最新的 3 道 Google SQL 面试题和参考答案。这些题目面向的 Google 职位包括：数据科学 家、数据分析师、商业智能 工程师、数据工程师和商业分析师。

Sparkify 是一个音乐流媒体平台，用户可以获取部分免费音乐资源，也有不少用户开启了会员订阅计划（参考QQ音乐），在Sparkify中享受优质音乐内容。

我们在应用机器学习模型时，除了最终效果，也非常关注它们的性能。而机器学习模型的性能，不仅仅取决于我们的应用方式（特征多少、模型复杂度），也和硬件息息相关。

💡 作者：韩信子@ShowMeAI📘 数据分析◉技能提升系列：[链接]📘 数据分析实战系列：[链接]📘 本文地址：[链接]📢 声明：版权所有，转载请联系平台与作者并注明出处📢 收藏ShowMeAI查看更多精彩内容Excel是大家最常用的数据分析工具之一，借助它可以便捷地完成数据清理、统计计算、数据分析（数据透视图）和图表呈现等。但是！大...

用过 Excel 的数据分析师，对 Excel 的『条件选择』与『格式呈现』功能大都印象深刻。下方动图演示了 Excel『数据选择&底色填充高亮』功能。如果我们需要『选择大于100的所有产品取值并对单元格填充红色』，直接如下图所示，在『条件格式』中选择『突出显示单元格规则』即可进行设置。

据北京听力协会预估数据，我国听障人群数量已过千万。而在全球范围内有4.66亿人患有残疾性听力损失，约占全世界人口的5%。聋哑人士很特殊，他们需要使用手语进行交流，其他与常人无异，我国存在特殊教育水平在各城市中发展力度具有较大差异，国家通用手语推广程度浅，但不懂手语，与听力障碍者交流会非常困难。

这说的是人对于一种事物有感而生，必然表现在声音上。而晚清名臣曾国藩也提到，他在认人识人中有自己独到的方法，其中，特别喜欢通过声音来识别人才。他认为，声音不仅能反映出一个人的贵贱和修养，也能听出其内心情绪变化。结合这个方法他一生提拔了大量人才。

深度学习是机器学习的一类算法，它应用各种结构的神经网络解决问题（深度学习中的『深度』指的是我们会通过深层次的神经网络构建强大的学习器），模仿人类获得某些类型知识的方式，与传统机器学习模型相比，神经网络有更灵活的结构设计，更强的学习能力，能支撑更大量级的数据学习，因此广泛引用于各种业务中。

自动化机器学习，也称为自动化 ML 或 AutoML，是自动化完成开发耗时且需要反复迭代的机器学习建模过程。它让数据科学家、分析师和开发人员轻松构建具有高规模、高效率和生产力的机器学习模型，同时保持模型质量。

💡 作者：韩信子@ShowMeAI📘 深度学习实战系列：[链接]📘 NLP 实战系列：[链接]📘 本文地址：[链接]📢 声明：版权所有，转载请联系平台与作者并注明出处📢 收藏ShowMeAI查看更多精彩内容我们在日常业务中遇到的很多问题，都可以归属到时间序列范畴内——股市涨跌变化、电商销量预测、传染病传播挖掘等，其实都可以用『时间序列』...

💡 作者：韩信子@ShowMeAI📘 机器学习实战系列: [链接]📘 本文地址：[链接]📢 声明：版权所有，转载请联系平台与作者并注明出处📢 收藏ShowMeAI查看更多精彩内容机器学习与流水线（pipeline）简介我们知道机器学习应用过程包含很多步骤，如图所示『标准机器学习应用流程』，有数据预处理、特征工程、模型训练、模型迭代优化、...

低代码开发，顾名思义，指的是软件开发过程中只需要编写少量代码就够了。与传统开发方式相比，低代码大幅减少了编写代码的工作量，这使其具备了更快的速度、更短的开发时间与更低的成本。

💡 作者：韩信子@ShowMeAI📘 数据分析实战系列：[链接]📘 本文地址：[链接]📢 声明：版权所有，转载请联系平台与作者并注明出处📢 收藏ShowMeAI查看更多精彩内容📌 Pandas 数据显示的问题我们在应用 Python 进行数据分析挖掘和机器学习时，最常用的工具库就是 Pandas，它可以帮助我们快捷地进行数据处理和分析。对 Pandas 不熟...

实际工作中，我们往往依托于业务数据分析制定业务策略。这个过程需要频繁地进行数据分析和挖掘，发现模式规律。对于算法工程师而言，一个有效的 AI 算法系统落地，不仅仅是模型这么简单——数据才是最底层的驱动。