什么是实践中真正在用的数据科学系统- .docVIP

什么是实践中真正在用的数据科学系统? 　　在过去的几年间，数据科学这个概念已经被非常多的行业所接受。数据科学（源自于一个科学研究课题）最早是来自于一些试图去理解人类的智能并创造人工智能的科学家，但现在它已经被证明是完全可以带来真正的商业价值。 例如，我所在的公司：Zalando（欧洲最大的时尚品零售店）。在这里，数据科学和其他工具一起被用来提供数据驱动的推荐。推荐本身作为后端服务，被提供给很多地方，包括产品页面、分类目录页面、通讯电邮以及重新定位目标客户等。 产生推荐 实际上，有非常多的方法可以由数据驱动产生推荐。例如在所谓的协同过滤里，所有用户的行为（比如浏览商品、对想买商品列表的操作、以及购买行为）都可以被收集起来作为推荐的基础，然后分析发现哪些商品有相似的用户行为模式。这种方法的优美之处在于计算机根本不用知道这些商品是什么。而它的缺点则是商品必须要有足够多的用户行为信息数据才能保证这个方法起作用。另外一类产生推荐的方法是只看商品的属性。例如，推荐具有相同品牌的或者相同颜色的商品。当然，对这些方法还有非常多的扩展或者组合。 更简单一些的方法就是只通过计数来做推荐。但这种方法在实践里会有非常多的复杂的变形。例如，对个性化推荐，我们曾使用过学习排序的方法，即对商品集做个性化的排序。上图里所显示的就是这个方法需要最小化的损失函数。不过，这里画出这个图的主要目