机器学习必备手册
机器学习正处在其“人生巅峰”，对于很多人来说，在人工智能时代转型机器学习无疑是最佳的选择。本文通过系统的分析上百篇翻译博客，制成了机器学习必备手册，对于想要学习的你来说，一定会有很大的帮助。
Kibana：数据分析的可视化利器
阿里云Elastisearch集成了可视化工具Kibana，用户可以使用Kibana的开发工具便捷的查询和分析存储在Elastisearch中的数据。除了柱状图、线状图、饼图、环形图等经典可视化功能外，还拥有地理位置分析、数据图谱分析、时序数据分析等高级功能。
详解阿里云数据中台，一篇文章全面了解大数据“网红”
一直想写一篇关于数据中台正面文章，现在有闲时做些总结，想充分诠释一下DT内部人如何看待数据中台。 数据中台的概念是最早由阿里巴巴首次提出，是为了应对内部众多业务部门千变万化的数据需求和高速时效性的要求而成长起来的，它既要满足业务部门日常性的多个业务前台的数据需求，又要满足像双十一，六一八这样的业务高峰、应对大规模数据的线性可扩展问题、应对复杂活动场景业务系统的解耦问题，而在技术、组织架构等方面采取的一些变革。
诠释数据降维算法：一文讲尽t-分布邻域嵌入算法(t-SNE)如何有效利用
t-分布领域嵌入算法(t-SNE, t-distributed Stochastic Neighbor Embedding )是目前一个非常流行的对高维度数据进行降维的算法, 由Laurens van der Maaten和 Geoffrey Hinton于2008年提出。这个算法已经在机器学习领域
如何快速搭建一个数据分析平台？
基本上，通过基于日志服务的数据采集、基于阿里云数加ODPS的数据计算和运维、QuickBI的报表制作，小规模的初创工具可以在2天左右快速的搭建完一个适合业务的、可以扩展的数据分析平台（你也可以基于这个平台搭建出一个商用的推荐系统），当然，这一切的前提是你的BOSS能知道数据分析的价值。
品《阿里巴巴大数据实践-大数据之路》一书(下)
今天继续谈阿里的这本书，包括数据服务平台、数据挖掘平台、数据建模、数据管理及数据应用，希望于你有启示。
1、数据服务平台
数据服务平台可以叫数据开放平台，数据部门产出海量数据，如何能方便高效地开放出去，是我们一直要解决的难题，在没有数据服务的年代，阿里的数据开放的方式简单、粗暴，一般是直接将数据导出给对方，我想，现在大多公司的开放应该也是如此吧，虽然PaaS喊了这么多年，但真正成就的又有几个？
即使如阿里，在数据开放这个方向上的探索和实践，至今也有7个年头了，任何关于数据开放毕其功于一役的做法都将失败，任何一次数据开放的改进都是伴随着对于业务理解的深入而成长起来的。
Python知识梳理
这是个人学习笔记，非教程，内容会有些混乱
极简教程
数据类型
我们可以使用type()函数类获取对象的类型，Python3中内置数据类型包括:None,int,float,complex,str,list,dict,tuple,set,frozenset,range等，Python2中还有long类型，Python中并没有内置数组类型。
