此前，跨象乘云 发布了《Python 知识卡片：Pandas》。Pandas 是一个强大的分析结构化数据的工具集；它的使用基础是 NumPy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。学习 Pandas 最好的方法就是看 Pandas 官方教程，日前，国内学习小组发布了 Pandas 官方教程的中文版，包括：《十分钟搞定 pandas》，《Pandas 秘籍》，《学习 Pandas》。
《Pandas 中文官方教程》PDF 下载。[……]
继续之前的《Python 知识卡片：数据科学入门》，Pandas 最初由 AQR Capital Management 于 2008 年 4 月开发，并于 2009 年底开源出来， 有 NumPy 的加持，让 Pandas 拥有了大量库和一些标准的数据模型，快速便捷地处理数据的函数和方法，可以让我们利用 Python 高效地操作大型数据集，使 Python 成为强大而高效的数据分析环境。Pandas 为了使实际的数据分析更加简单，设计出了快速、灵活而可读性高的数据结构。但可能对于那些刚刚接触 Pandas 的科研人员与学生来说，Pandas 并不是那么容易掌握，尤其是面对这个包里那么多的功能、[……]
当科研项目达到使用 100 多 TB 生物数据规模的时候，数据科学库的一些局限性会先露出来。面临这种规模的数据时，Pandas 成了最受喜爱的工具；然而，当你开始处理 TB 级别的基因数据时，单核运行的 Pandas 就会变得捉襟见肘。如果我们拥有更多的处理器核，或者要打开数十 TB 规模的文件时，我们希望 Pandas 运行得更快。目前，Apache Spark 是最高性能的分布式选择了，但是如果未对 Pandas 代码做出足够多的修改，你无法使用 Apache Spark 运行 Pandas 代码。
正因如此，来自 UC Berkeley 的 Devin Petersohn 发布文章[……]
Pandas 是一个 Python 软件库，可用于数据操作和分析，是数据科学领域中的核心组件之一。数据科学博客 Dataquest.io 发布了一篇关于如何优化 Pandas 内存占用的教程：仅需进行简单的数据类型转换，就能够将一个棒球比赛数据集的内存占少了近 90%。
当使用 Pandas 操作小规模数据（低于 100 MB）时，性能一般不是问题。而当面对更大规模的数据（100 MB 到数 GB）时，性能问题会让运行时间变得更漫长，而且会因为内存不足导致运行完全失败。
尽管 Spark 这样的工具可以处理大型数据集（100 GB 到数 TB），但要完全利用它们的能力，往往需要更加[……]
Pandas 是 Python 生态系统中最流行的数据分析库，并作为核心组件被跨象乘云公司集成至：数据科学与大数据分析科研教学实践环境中。Pandas 能够完成许多任务，通常用于快速简单的数据操作、聚合和可视化，具体包括：
尽管 Pandas 功能强大，但它并不为整个数据科学流程提供完整功[……]
自动化机器学习 (AutoML) 可以帮助机器学习管道中的某些关键组件实现自动化。其中机器学习管道包括数据理解、数据工程、特征工程、模型训练、超参数调整、模型监控等。
在这篇文章中，分享 8 个开源的 autoML 框架：
Auto-sklearn 是基于 scikit-learn 软件包构建的开源 AutoML 库。它为给定的数据集找[……]
Coursera 是一个高等教育的在线平台。近日，Coursera 发布了《2019 年 AI 技能指数报告》，Coursera 全球技能指数（Global Skills Index）利用这一丰富的数据（Coursera-ai-global-skills-index-2019-data），对 60 个国家和 10 个行业的商业、技术和数据科学技能进行了基准测试，以揭示世界各地的技能发展趋势。Cousera 全面衡量了各国在人工智能以及数学、机器学习、统计、统计编程和软件工程等相关技能方面的技能熟练程度。这些相关技能涵盖了在组织和社会中构建和部署新一代人工智能（AI）技术所需的知识范围 ——[……]
作为首个直接以『人工智能』命名的专业，080717T 的专业目标，是培养适应国民经济与科技发展的需求，具备较好的科学素养、扎实的人工智能基本理论和专业知识、较强的工程实践能力，掌握智能信息化技术基础知识与方法，能够在人工智能及其相关应用领域从事新技术和新产品研发、系统设计、管理，以及解决复杂工程问题的高级工程技术人才。
人工智能专注于理解视觉，语音，语言，决策等复杂任务的核心能力，并设计机器和软件来模拟这些过程。人工智能具有悠久而丰富的历史，尽管许多工具和技术已经存在数十年（即多层感知器，卷积神经网络，强化学习），然而，高性能计算的最新进展，分布式方法的发展以及大数据产业的发展，[……]
Python是一种面向对象、直译式计算机程序设计语言，由 Guido van Rossum 于 1989 年底发明。由于他简单、易学、免费开源、可移植性、可扩展性等特点，Python 又被称之为胶水语言，是目前『云计算』 Openstack 的标准开发语言。同时，Python 拥有非常丰富的库，使其在数据分析领域也有广泛的应用。本课程涵括 Python 在大数据分析领域中的五大核心应用：
