主题：神马是数据科学家嘉宾：林荟主办：统计之都场地：中国人民大学组织：蔡锐 魏太云 张心雨 冯璟烁 于嘉傲 邓金涛 杨舒仪纪要：杨舒仪简介：第33期沙龙（北京）与2015年11月8日在中国人民大学顺利举办。本次沙龙由人大统院本科生于嘉傲主持，嘉宾林荟女士现任杜邦公司商业数据科学家,曾经在Iowa State University先后担任兽医学院统计咨询师及商学院统计咨询师，研究兴趣在预测模型，机器学习，数据可视化，市场营销调查分析，消费者行为分析，自然语义处理和文本挖据，健康与疾病统计分析等方面。本次沙龙嘉宾林荟女士基于北美传统行业从业经验，谈了谈除了互联网行业外，数据科学家在传统行业的市场部门都干些什么、如何成为数据科学家、数据科学家需要什么技能、数据科学相关教育、北美数据科学家就业情况等相关问题。在炒得火热的大数据时代，为大家还原了一个真实的数据科学和数据科学家。下面是对沙龙主要内容的回顾：一、什么是数据科学家：首先，林荟女士给出了针对数据科学家的多种定义，指出数据科学家这个行业的定义很模糊。接下来简单分析了几种和“从数据中获取信息”有关的职业（包括数据科学家、数据分析师，BI咨询师，统计学家，金融分析师等）之间的不同之处，并总结了这些职位的不同要求。接下来，林荟女士通过展示各行业雇佣数据科学家的分布和数据科学家的工作经验分布，让参会者们对数据科学领域有了一个大致的感觉。随后， ...继续阅读 (7)

本文作者：余光创，目前就读于香港大学公共卫生系，开发过多个R/Bioconductor包，包括ChIPseeker,clusterProfiler,DOSE,ggtree,GOSemSim和ReactomePA。进化树看起来和层次聚类很像。有必要解释一下两者的一些区别。层次聚类的侧重点在于分类，把距离近的聚在一起。而进化树的构建可以说也是一个聚类过程，但侧重点在于推测进化关系和进化距离(evolutionary distance)。 ...继续阅读 (7)

2015年10月24-25日，英雄城南昌迎来了中国R语言会议在华中地区的首秀。会议由江西财经大学金融管理国际研究院与统计之都共同主办，由江西财经大学财政大数据分析中心协办，并且与江西财经大学第一届金融大数据论坛相结合，获得了圆满成功。会议分为第一天的主会场和第二天共四个分会场，嘉宾的演讲主题涵盖了R语言在金融大数据、统计与机器学习、数据应用与可视化以及数据科学的其他方面。一、会议概况 ...继续阅读 (8)

本文作者：余光创，目前就读于香港大学公共卫生系，开发过多个R/Bioconductor包，包括ChIPseeker,clusterProfiler,DOSE,ggtree,GOSemSim和ReactomePA。进化树看起来和层次聚类很像。有必要解释一下两者的一些区别。层次聚类的侧重点在于分类，把距离近的聚在一起。而进化树的构建可以说也是一个聚类过程，但侧重点在于推测进化关系和进化距离(evolutionary distance)。层次聚类的输入是距离，比如euclidean或manhattan距离。把距离近的聚在一起。而进化树推断是从生物序列（DNA或氨基酸）的比对开始。最简单的方法是计算一下序列中不匹配的数目，称之为hamming distance（通常用序列长度做归一化），使用距离当然也可以应用层次聚类的方法。进化树的构建最简单的方法是非加权配对平均法（Unweighted Pair Group Method with Arithmetic Mean, UPGMA），这其实是使用average linkage的层次聚类。这种方法在进化树推断上现在基本没人用。更为常用的是邻接法（neighbor joining），两个节点距离其它节点都比较远，而这两个节点又比较近，它们就是neighbor，可以看出neighbor不一定是距离最近的两个节点。真正做进化的人，这个方法也基本不用。 ...继续阅读 (4)

2015年10月24-25日，英雄城南昌迎来了中国R语言会议在华中地区的首秀。会议由江西财经大学金融管理国际研究院与统计之都共同主办，由江西财经大学财政大数据分析中心协办，并且与江西财经大学第一届金融大数据论坛相结合，获得了圆满成功。会议分为第一天的主会场和第二天共四个分会场，嘉宾的演讲主题涵盖了R语言在金融大数据、统计与机器学习、数据应用与可视化以及数据科学的其他方面。 一、会议概况本次会议及论坛共吸引了来自全国各地的报名人员595名，实际参会人员近400人。会议设有第一天主会场共6个报告，第二分会场共27个报告。大会还首次设立了视频演讲专场，邀请了远在海外和台湾的嘉宾，通过远程视频的形式发表演讲报告，会场反馈效果良好，后续会议会考虑加入这种形式的演讲专场。此外，本次会议与江西财经大学第一届金融大数据论坛结合，设立了金融大数据专场，专门讨论金融大数据领域的有关研究进展，以及其与R语言结合应用，得到了与会者的积极反响。二、会议内容1.会议开幕式会议开幕式由江西财经大学金融管理国际研究院常务副院长、校务委员严武教授主持。江西财经大学校长助理李良智教授首先为大会致辞。李校助对本次会议及论坛的顺利召开表示祝贺，并欢迎来自全国各地的参会者，为各位演讲嘉宾牺牲周末休息的时间来到南昌演讲表示感谢。李校助介绍了江西财经大学的概况，回顾了中国R语言会议的发展和现状，并对江西财经大学第一次 ...继续阅读 (5)

本文作者：唐源，目前就职于芝加哥一家创业公司，曾参与和创作过多个被广泛使用的R和Python开源项目，是ggfortify，lfda，metric-learn等包的作者，也是 xgboost，caret，pandas等包的贡献者。（喜欢爬山和烧烤）ggfortify是一个简单易用的R软件包，它可以仅仅使用一行代码来对许多受欢迎的R软件包结果进行二维可视化，这让统计学家以及数据科学家省去了许多繁琐和重复的过程，不用对结果进行任何处理就能以ggplot的风格画出好看的图，大大地提高了工作的效率。 ...继续阅读 (8)

本文作者： 唐源，目前就职于芝加哥一家创业公司，曾参与和创作过多个被广泛使用的 R 和 Python 开源项目，是 ggfortify，lfda，metric-learn 等包的作者，也是 xgboost，caret，pandas 等包的贡献者。（喜欢爬山和烧烤）ggfortify是一个简单易用的R软件包，它可以仅仅使用一行代码来对许多受欢迎的R软件包结果进行二维可视化，这让统计学家以及数据科学家省去了许多繁琐和重复的过程，不用对结果进行任何处理就能以ggplot的风格画出好看的图，大大地提高了工作的效率。ggfortify 已经可以在CRAN上下载得到，但是由于最近很多的功能都还在快速增加，因此还是推荐大家从Github上下载和安装。library(devtools) install_github('sinhrks/ggfortify') library(ggfortify)接下来我将简单介绍一下怎么用ggplot2和ggfortify来很快地对PCA、聚类以及LFDA的结果进行可视化，然后将简单介绍用ggfortify来对时间序列进行快速可视化的方法。PCA (主成分分析)ggfortify使ggplot2知道怎么诠释PCA对象。加载好ggfortify包之后, 你可以对stats::prcomp和stats::princomp对象使用ggplot2::autoplot。lib ...继续阅读 (4)

主题：基于时空数据的复杂系统量化分析，从科学界到工业界（spatial-temporal big data: from science to industry）嘉宾：吴海山主办：统计之都场地：中国人民大学组织：冯璟烁 邓金涛 张心雨纪要：张心雨 ...继续阅读 (10)

主题：基于时空数据的复杂系统量化分析，从科学界到工业界（spatial-temporal big data: from science to industry）嘉宾：吴海山主办：统计之都场地：中国人民大学组织：冯璟烁  邓金涛  张心雨纪要：张心雨简介：第32期沙龙（北京）于2015年11月8日在中国人民大学顺利举办。本期嘉宾为吴海山，百度研究院大数据实验室（Big Data Lab)资深数据科学家。研究兴趣主要是通过不同的手段进行复杂系统的量化建模。本次沙龙在科学研究和工业应用两个层面对时空数据和复杂系统展开讨论。在科学研究层面，主要介绍了如何利用计算机视觉、机器学习等技术来测量并获取细尺度的时空数据并对复杂系统进行量化建模；在工业应用层面，介绍了如何通过利用百度的时空数据（定位数据、轨迹数据等)，来从不同尺度分析和建模用户的移动行为、群体行为和城市群网络，并将其应用与不同的商业和社会学应用。本次沙龙的主要内容：首先，吴海山先生从自然界中的集群行为（collective behavior）引入，以鸟群、鱼群、羊群、丝蛋白、大肠杆菌等举例，说明这些集群行为是有背后规律存在的。吴海山先生对这样有规律的集群行为的产生根源进行了介绍，主要有“自然选择”和“基因、神经影响”这两种理论。另外，在集群运动中，个体也遵循诸如“与邻近个体方向一致（In the same direction as ...继续阅读 (7)

更新：点击下载会议手册，包括所有演讲摘要。中国R语言会议自2008年以来，已经办到了第八届。2015年，在统计之都和各地高校的支持下，已经成功举办了西安、广州、北京、南昌、武汉的会场，创造了会场数和参会人数的新纪录。上海会场，作为中国R语言会议2015年的收官之作，将于11月21日和22日在华东师范大学中山北路校区举办。我们已做好最充分的准备，热诚欢迎各界朋友的到来。希望大家一同享受这场R语言与大数据的盛宴！会议的相关情况如下： ...继续阅读 (3)

中国R语言会议自2008年以来，已经办到了第八届。2015年，在统计之都和各地高校的支持下，已经成功举办了西安、广州、北京、南昌、武汉的会场，创造了会场数和参会人数的新纪录。上海会场，作为中国R语言会议2015年的收官之作，将于11月21日和22日在华东师范大学中山北路校区举办。我们已做好最充分的准备，热诚欢迎各界朋友的到来。希望大家一同享受这场R语言与大数据的盛宴！会议的相关情况如下：一、会议时间2015年11月21日~22日注：会议将于11月21日上午9:00正式开幕，请注册报名了的参会者提前半小时进场，签到并领取资料（包括胸牌、会议手册、纸、笔等）二、会议地点华东师范大学中山北路校区地址：上海市中山北路3663号（地铁3,4,13号线金沙江路站）具体地点：11月21日：华东师范大学大礼堂11月22日：华东师范大学逸夫楼一楼报告厅（分会场1）、科学会堂报告厅（分会场2）、华师大出版社2楼会议室（分会场3，会场如有变动，以会前最后一轮通知为准）注：分会场3将举行第一届DSFA2015，这是与本次中国R语言会议联合举办的一个邀请制会议，感兴趣的朋友可以访问其主页：http://www.huaat.net/meeting/index.html 三、会议演讲演讲嘉宾及其主题将会持续更新：宣晓华，华院数据，董事长姚远，北京大学，教授陈为，浙江大学，教授邹庆士，中华R软体学会，理 ...继续阅读 (11)

主题：Dato：从数据科学到智能应用（Dato: From Data Science to Intelligent Applications）嘉宾：顾海杰主办：统计之都场地：北京大学组织：张心雨、王健桥、冯璟烁、魏太云纪要：冯璟烁 ...继续阅读 (11)

主题：Dato：从数据科学到智能应用（Dato: From Data Science to Intelligent Applications）嘉宾：顾海杰主办：统计之都场地：北京大学组织：张心雨、王健桥、冯璟烁、魏太云纪要：冯璟烁简介：第31期沙龙（北京）与2015年10月31日在北京大学顺利举办。本次嘉宾是Dato的联合创始人兼首席数据科学家顾海杰先生，研究方向主要为大规模图的机器学习问题（machine learning on big graph）以及大规模图的表示与分割（big graph representation and partitioning）。Dato公司原名GraphLab，成立于2013年。Dato公司的目标是加速智能应用的普及，大幅度提高生产力。本次沙龙主要分享了智能应用（Intelligent Applications）的应用领域与创建过程，并基于Dato的实践介绍了Dato产品在智能应用创建中的能力与SFrame等创新。本次沙龙的主要内容：顾海杰先生首先展示了一项来自O’Reilly的调查。调查显示了2015年Data Science产业在全球的薪资水平，Data Science的平均薪资已经超过Programming与Computer Science。原因在于各类著名的大型公司（LinkedIn，Uber等）背后，都拥有一套智能的应用（Intellig ...继续阅读 (4)

王汉生@北大光华最近被刺激了！有人被刺激后的反应是以头抢地尔，而教授被刺激的第一反应是：写Paper！故事的发生是这样的。一天组会，大家东拉西扯，也不知怎么就扯到个人征信上去了。于是突发奇想，我请大家把自己的手机掏出来，每个人查一下自己的“芝麻信用”分是多少。王老师的芝麻信用分高居630之多，心想：这么高的芝麻信用分，可以秒杀众多学生，然后可以得意地哈哈大笑。对，就是上面这个样子：哈，哈，哈，哈。额，噢？Hold on，怎么回事，你的得分居然更高？啊，你也更高？What，你们都这么高？天啊！你们每个人的芝麻信用分都比我高！同学们的芝麻信用分最高的有730，紧跟着一个700+，剩下的虽然不到700，但是无一例外，全部比我高。王老师是整个组里芝麻信用分最低的，木有之一，太丢人了！我这下子才醒悟过来，630不是高考得分，是芝麻信用分。630是一个不怎么乐观的得分。还亏的我自己研究个人征信呢，结果被芝麻信用秒成渣！瞬间，王老师的心情变成 ...继续阅读 (7)

王汉生@北大光华最近被刺激了！有人被刺激后的反应是以头抢地尔，而教授被刺激的第一反应是：写Paper！故事的发生是这样的。一天组会，大家东拉西扯，也不知怎么就扯到个人征信上去了。于是突发奇想，我请大家把自己的手机掏出来，每个人查一下自己的“芝麻信用”分是多少。王老师的芝麻信用分高居630之多，心想：这么高的芝麻信用分，可以秒杀众多学生，然后可以得意地哈哈大笑。对，就是上面这个样子：哈，哈，哈，哈。额，噢？Hold on，怎么回事，你的得分居然更高？啊，你也更高？What，你们都这么高？天啊！你们每个人的芝麻信用分都比我高！同学们的芝麻信用分最高的有730，紧跟着一个700+，剩下的虽然不到700，但是无一例外，全部比我高。王老师是整个组里芝麻信用分最低的，木有之一，太丢人了！我这下子才醒悟过来，630不是高考得分，是芝麻信用分。630是一个不怎么乐观的得分。还亏的我自己研究个人征信呢，结果被芝麻信用秒成渣！瞬间，王老师的心情变成如前所述，教授被惹毛后的第一反应是：写Paper！而且必须遵循按照严格的学术规范，先从背景介绍开始。为此，我们首先需要科普一下“芝麻信用”是个啥子东东。假设你有一个手机APP，叫做“支付宝”。没有？赶紧安装，要不让你会比王老师还惨。打开支付宝APP的主界面，在左侧居中的地方，有一个按钮“芝麻信用分”。轻轻点开，你就会看到自己的芝麻信用分。而上图中间这个展示的 ...继续阅读 (10)

R语言作为一种用于数据分析和图形展示的语言，是受S语言和Scheme语言影响发展而来，具有免费、开源及统计模块齐全的特性。其应用范围涵盖了数据挖掘、机器学习、计量经济学、实证金融学、生物统计、气象学、电子商务等诸多领域。R语言的官方机构每年都会举办useR!会议，各个国家及地区也定期会有R的交流活动。中国的R语言会议从2008年开始已经成功举办到了第八届，之前在北京、上海、广州、杭州等地举办的会议都非常成功，大力推动了R语言在国内的蓬勃发展，促进了R语言乃至数据科学在中国的推广和发展。为了让更多的人认识和熟悉R，华中地区将首次迎来中国R语言会议。2015年11月7日在湖北经济学院和统计之都等的共同努力下，R语言会议将在江城武汉举办。本次会议旨在搭建各行各业R用户技术交流的平台，拓宽R语言与数据科学、金融学、统计学、机器学习等领域结合的新视角，吸引越来越多的华中地区人士关注R语言和数据科学。 ...继续阅读 (4)

R语言作为一种用于数据分析和图形展示的语言，是受S语言和Scheme语言影响发展而来，具有免费、开源及统计模块齐全的特性。其应用范围涵盖了数据挖掘、机器学习、计量经济学、实证金融学、生物统计、气象学、电子商务等诸多领域。R语言的官方机构每年都会举办useR!会议，各个国家及地区也定期会有R的交流活动。中国的R语言会议从2008年开始已经成功举办到了第八届，之前在北京、上海、广州、杭州等地举办的会议都非常成功，大力推动了R语言在国内的蓬勃发展，促进了R语言乃至数据科学在中国的推广和发展。为了让更多的人认识和熟悉R，华中地区将首次迎来中国R语言会议。2015年11月7日在湖北经济学院和统计之都等的共同努力下，R语言会议将在江城武汉举办。本次会议旨在搭建各行各业R用户技术交流的平台，拓宽R语言与数据科学、金融学、统计学、机器学习等领域结合的新视角，吸引越来越多的华中地区人士关注R语言和数据科学。一、会议时间2015年11月07日二、会议地点武汉市江夏区藏龙岛开发区杨桥湖大道8号，湖北经济学院大学生活动中心二号报告厅，届时校内会有指示牌三、会议主题本次会议的主题是：R Running the world 意指R的发展正在全球化，最初R会议只在欧美地区举行，从2008年中国第一届R会议在北京举行后，R会议已先后在北京、上海、广州、杭州等地举行，R正在不断地发展壮大。四、会议演讲谢军（上海雅捷 ...继续阅读 (5)

周静、朱雪宁北京大学光华管理学院营销系、商务统计与经济计量系根据最近的一份调查数据显示，美国互联网媒体的市值已达10890亿美元，是传统媒体的3倍，类似的在中国，根据艾瑞咨询发布的2014年第二季度网络经济核心数据显示，截止2014年6月30日，中国主要上市互联网公司市值前五的为腾讯（1405.6亿美元）、百度（654.5亿美元）、京东（389.7亿美元）、奇虎360（120.9亿美元）、唯品会（111.9亿美元）。与此同时，以Facebook，Twitter，微博，微信等为代表的社交网络应用正蓬勃发展，开启了互联网时代的社交概念。据全球最大的社会化媒体传播咨询公司We Are Very Social Limited分析指出，目前社交类软件使用的人数已达25亿——占世界总人数约的35%，另据艾瑞咨询发布的2014年第二季度社区交友数据显示，2014年5月，社区交友类服务月度覆盖人数达到4.7亿，在总体网民中渗透率为92.5%；2014年5月社交服务在移动App端月度覆盖人数为1.9亿人，其中微博服务在移动端优势较为明显，月度覆盖人数达到1.1亿人；互联网媒体和社交网络是Web2.0时代两个非常重要的应用，那么一个自然的问题是这两个领域将会如何互动发展？本报告主要从数据分析（非财务、非战略）的角度尝试探讨网络结构会给互联网媒体带来什么样的机遇和挑战。具体而言，我们根据自己的研究经验只 ...继续阅读 (1)

周静、朱雪宁北京大学光华管理学院营销系、商务统计与经济计量系根据最近的一份调查数据显示，美国互联网媒体的市值已达10890亿美元，是传统媒体的3倍，类似的在中国，根据艾瑞咨询发布的2014年第二季度网络经济核心数据显示，截止2014年6月30日，中国主要上市互联网公司市值前五的为腾讯（1405.6亿美元）、百度（654.5亿美元）、京东（389.7亿美元）、奇虎360（120.9亿美元）、唯品会（111.9亿美元）。与此同时，以Facebook，Twitter，微博，微信等为代表的社交网络应用正蓬勃发展，开启了互联网时代的社交概念。据全球最大的社会化媒体传播咨询公司We Are Very Social Limited分析指出，目前社交类软件使用的人数已达25亿——占世界总人数约的35%，另据艾瑞咨询发布的2014年第二季度社区交友数据显示，2014年5月，社区交友类服务月度覆盖人数达到4.7亿，在总体网民中渗透率为92.5%；2014年5月社交服务在移动App端月度覆盖人数为1.9亿人，其中微博服务在移动端优势较为明显，月度覆盖人数达到1.1亿人；互联网媒体和社交网络是Web2.0时代两个非常重要的应用，那么一个自然的问题是这两个领域将会如何互动发展？本报告主要从数据分析（非财务、非战略）的角度尝试探讨网络结构会给互联网媒体带来什么样的机遇和挑战。具体而言，我们根据自己的研究经验只 ...继续阅读 (8)

看这题目，多吓唬人。又是方向，又是选择。一看就是知道作者是一个深受商学院教育毒害的砖家！但是，想跟大家说的是，我真心想把这个题目整小点，但是困难。为什么？因为接下来跟大家瞎聊的故事，确实关乎发展方向，确实关乎取舍。或者，至少关乎我自己的研究团队（小二十号兄弟姐妹）的方向和选择！ ...继续阅读 (10)

看这题目，多吓唬人。又是方向，又是选择。一看就是知道作者是一个深受商学院教育毒害的砖家！但是，想跟大家说的是，我真心想把这个题目整小点，但是困难。为什么？因为接下来跟大家瞎聊的故事，确实关乎发展方向，确实关乎取舍。或者，至少关乎我自己的研究团队（小二十号兄弟姐妹）的方向和选择！首先给大家简单介绍一点背景知识，小小吐槽一下现在统计学正面临的挑战。先从方法论说起。统计学的方法论主要依赖数学，尤其是概率论。其中又以大数定理和中心极限定理被使用的最为广泛。值得一提的是，统计学用数学做工具，但不是数学。这就像物理学会用到很多数学工具，但物理学不是数学。这还可以从国外成熟大学的学科设置来看，统计学很少跟数学系待在一起。数学家追求的是数学逻辑上的优美，以及挑战性。从这个角度看，统计学实在不优美，也没啥挑战性。整来整去，不就是大数定理跟中心极限定理吗？所以，统计学家的工作，数学家会欣赏的可能性不大。我想，这是可以理解的，毕竟大家的关注点不一样。那统计学家关注什么呢？统计学家说：我们关注实际应用！这句话理直气壮地说了几十年。直到最近，好像受到一点挑战(°_°)…之前我的一篇文章提到，统计学的发展主要受到：产业变革，技术进步，以及制度环境驱动。这是统计学应用的沃土！但是最近，当这些沃土出现的时候，发现有一批人，他们比统计学工作者更早更快滴开垦了这片沃土。他们是谁？他们是一批实干的计算机工作者。计算机工 ...继续阅读 (5)

【COS编辑部按】 受访者：张志华采访者：常象宇   文字整理：王莉晶 朱雪宁张志华， 博士，上海交通大学计算机科学与工程系教授，上海交通大学数据科学研究中心兼职教授，计算机科学与技术和统计学双学科的博士生指导导师。在加入上海交通大学之前，是浙江大学计算机学院教授和浙江大学统计科学中心兼职教授。主要从事人工智能、机器学习与应用统计学领域的教学与研究。迄今在国际重要学术期刊和重要的计算机学科会议上发表70余篇论文。是美国“数学评论”的特邀评论员，国际机器学习旗舰刊物Journal of Machine Learning Research 的执行编委。其公开课《机器学习导论》和《统计机器学习》受到广泛关注。 ...继续阅读 (4)

【COS编辑部按】 受访者：张志华采访者：常象宇   文字整理：王莉晶 朱雪宁张志华，博士，上海交通大学计算机科学与工程系教授，上海交通大学数据科学研究中心兼职教授，计算机科学与技术和统计学双学科的博士生指导导师。在加入上海交通大学之前，是浙江大学计算机学院教授和浙江大学统计科学中心兼职教授。主要从事人工智能、机器学习与应用统计学领域的教学与研究。迄今在国际重要学术期刊和重要的计算机学科会议上发表70余篇论文。是美国“数学评论”的特邀评论员，国际机器学习旗舰刊物Journal of Machine Learning Research 的执行编委。其公开课《机器学习导论》和《统计机器学习》受到广泛关注。张志华教授和他的学生们2015年9月19日晚，在美丽的古都西安，张志华接受了常象宇博士(西安交通大学管理学院助理教授)的采访，王莉晶、朱雪宁对采访稿进行了一些文字上的整理和修改，全文最终由采访人常象宇和被采访人张志华审核定稿。下面是访谈的全部内容。常象宇：请您简单介绍一下您博士期间的研究和促使您出国求学的原因。张志华：当时在国内读博士的时候，我的研究主要是集中在利用模糊数学，神经网络与遗传算法、并利用它们解决图像处理、计算机视觉等中的问题。当时做这些方法还是发表一些论文，毕业条件也很容易达到的，但是自己隐隐约约总觉得这个领域不太对自己胃口。而且博士读了4年，之前博士论文基本完成。最后一 ...继续阅读 (5)

主题：漫谈大数据下的中文分词嘉宾：孙健主办：统计之都场地：中国人民大学组织：蔡占锐、魏太云、邓金涛、冯璟烁纪要：邓金涛简介：第30期沙龙（北京站）于2015年9月20日在中国人民大学顺利举行，本次嘉宾是来自北京英富森软件股份有限公司旗下的凌云实验室的孙健先生，是ANSJ分词的创始人，研究方向是情感分析和倾向性分析。 ...继续阅读 (9)

 主题：漫谈大数据下的中文分词嘉宾：孙健主办：统计之都场地：中国人民大学组织：蔡占锐、魏太云、邓金涛、冯璟烁纪要：邓金涛简介：第30期沙龙（北京站）于2015年9月20日在中国人民大学顺利举行，本次嘉宾是来自北京英富森软件股份有限公司旗下的凌云实验室的孙健先生，是ANSJ分词的创始人，研究方向是情感分析和倾向性分析。本次沙龙的主要内容：孙健先生首先幽默风趣地解释了ANSJ分词的名字来历，并对中文分词的概念进行了初步的解释。接下来又利用PPT对中文分词的应用范围进行了简单的介绍，让来宾们都对中文分词的用途有了一个比较清晰的认识。在介绍完中文分词的一些概念性元素后，孙健先生将重点转移到了目前中文分词在应用过程中遇到的一些困难，其中就包括中文歧义的识别(包含交叉歧义、组合歧义、真歧义)、实体名识别、人名识别和机构名识别。在这几种难题中，又以机构名识别最为困难，据孙健先生介绍，这主要是因为一般来说机构名的词长都是不固定的。紧接着孙健先生又对颗粒度进行了一个比较详细的解释，如下：颗粒度问题是最难的问题，颗粒度的大小很难把握，颗粒度越小歧义越高，歧义多召回率高；颗粒度越大准确度越低，召回率低；系统不同需要的平衡点不同。孙健先生还用了一些有趣的案例，来为大家生动的解释了分词的难度所在。最后在介绍完大量的案例后，孙健先生介绍了ANSJ中文分词的主要功能，以及其工作原理和分词顺序，并且对N ...继续阅读 (6)

【COS编辑部按】考普斯总统奖（The Committee of Presidents of Statistical Societies Awards，简称 COPSS 奖）是国际统计学领域的最高奖项，被誉为“统计学的诺贝尔奖”，每年只颁奖 ...继续阅读 (7)

【COS编辑部按】本译文得到了原英文作者的授权同意，翻译：冯俊晨、王小宁， 审校：邱怡轩、朱雪宁、蔡寒蕴，编辑：王小宁。Hadley Wickham是 RStudio 的首席科学家以及 Rice University 统计系的助理教授。他是著名图形可视化软件包ggplot2的开发者，以及其他许多被广泛使用的软件包的作者，代表作品如plyr、reshape2等。本文取自PRICEONOMICS.通过数据从根本上了解世界真的是一件非常，非常酷的事情。~多产的R开发者Hadley Wickham***如果你不花很多时间在开源统计编程语言R中写代码的话，他的名字你可能并不熟悉——但统计学家Hadley Wickham用他自己的话说是那种“以书呆子出名”的人。他是那种在统计会议上人们排队要和他拍照，问他要签名的人，并且人们对他充满了尊敬。他也承认“这种现象实在太奇特了。因为写R程序而出名？这太疯狂了。”R 是一种为数据分析而设计的编程语言，Wickham正是因为成为了卓越的R包开发者而赢得了他的名声。R包是用于简化诸如整合和绘制数据等常见任务代码的编程工具。Wickham已经帮助了数以万计的人，使他们的工作变得更有效率，这使得大家都很感激他，甚至为之而欣喜若狂。他开发的R包的用户包括众科技巨头，例如Google，Facebook和Twitter，新闻巨擘诸如纽约时报和FiveThirtyEi ...继续阅读 (8)

R是用于统计分析、绘图的语言和操作环境，是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具，其官方机构每年都会举办useR!会议，各个国家及地区也定期有R用户的交流活动。在国内，自2008年以来，统计之都已经在北京、上海、杭州、广州等地成功举办了八届R语言会议，促进了R语言乃至数据科学在中国的推广和发展。2015年10月，在江西财经大学金融管理国际研究院以及统计之都等的多方努力下， R语言会议将首次在华中地区主办。本次R语言会议将同江西财经大学第一届金融大数据论坛一同举办，旨在吸引更多人关注R语言与金融学、数据科学、统计与机器学习、业界应用与可视化等多领域的结合与碰撞。 ...继续阅读 (8)

王汉生@北大光华作为一个在商学院工作了十多年的统计学教员，一天到晚为自己，为学生，或者年轻合作伙伴多写俩Statistical Paper绞尽脑汁，也是无聊透顶，不知道多少脑细胞因此牺牲。难得空闲的时候，就瞎琢磨几个深刻的问题。当然，我也不知道这么深刻的问题，该不该我来琢磨。但是既然琢磨了，就不如写下来跟大家分享探讨。这几个问题就是：中国统计学未来发展的大方向是什么？背后的逻辑是什么？套用一句时髦的互联网语言就是：中国统计学的风口在哪里？ ...继续阅读 (6)

【COS编辑部按】本文作者是美国统计协会（ASA）的会员、莫纳什大学教授Dianne Cook。她的研究方向包括数据可视化，探索性数据分析，多元方法，数据挖掘和统计计算。曾参与制作软件XGobi，ggobi，cranvas和几个R包。原文发表在The R journal，本文由陈妍翻译，高涛、肖楠和谢益辉审校，王小宁编辑。摘要随着国际R用户会议“user!2011”的临近，许多与会者可能正在思考如何通过演讲集中展现自己的一些想法，本文便为大家就演讲和制作海报等问题提供了一些建议。背景在即将到来的几次学院工作面试中，我准备介绍我的博士研究项目，就在我刚完成一次面试的演练时，我的导师安德烈·布加(Andreas Buja)让我坐下来：重新起草我的讲稿！我本初是参照罗格斯大学每周一次的研讨会上许多演讲者那样做的——通过幻灯片一张接一张的展示自己研究工作的细节，但安德烈说，那可能很适合论文的展示，但并不是作为讲稿的最佳选择。我们列出了我的研究中的重点问题，然后插入了一张幻灯片简单的写道“欲知后事如何，请听下回分解”。我们在之后的几张幻灯片中阐述了研究方法，在报告临近结束时才给出了问题的答案。 ...继续阅读 (5)