Google Career Certificates

谷歌推出了一项新的职业证书项目（Google Career Certificates），关注三个高薪、高成长的职业领域——数据分析、项目管理和用户体验设计。这些课程不需要先前的学位或经验，将由专门研究这三个领域的Google员工设计和教授。谷歌还宣布将开始承认谷歌学习证书的地位，用来代替入门级职位的四年制大学学位。

计算机科学在商业上的应用蓬勃发展，掩盖了其在大众眼中竞争情报上重要历史和现实意义。恰好接触到一篇Vannevar Bush于1945年7月发表于大西洋月刊（The Atlantic Monthly）的文章《As We May Think》（广泛翻译为诚若所思），关于信息的内容深刻的影响了情报学科。

文章基于科学技术文献的爆炸式增长以及国家、社会、公众及科研本身对科技文献的大量个性化需求的背景，作者构想了 “memex”的概念，被视为当前数字图书馆的起源和雏形，提出了信息采集、信息存储以及信息检索的新方案，对后来信息系统的设计提供了参考，同时也为后来超链接产生提供模型。

什么是BA

商业分析（Business Analytics）作为大数据分析衍生出的热门留学专业，通常下设在各大院校的商学院。BA本质上是一个交叉学科，是统计学，计算机科学和商科三者的结合。它主要的责任就是从杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的，对公司来说是有价值、有意义的数据，用统计学的思想作指导，然后用具体的软件进行分析，最后把结果提炼，翻译成商业语言。

企业使用AI的一个复杂因素是，这个主题包含了多个不同的底层技术。这些技术中大多数都能够完成很多替代功能。技术和功能的组合非常复杂，表中列出了7项关键技术，包括每项技术的简要描述，以及它们可以实现的一些典型功能或应用程序。

本文摘编自《数字时代的企业AI优势：IT巨头的商业实践》，将简要介绍这个表中的每种技术及其功能。本文作者托马斯·H. 达文波特（Thomas H. Davenport）是巴布森学院（Babson College）的信息技术与管理教授，同时也是德勤战略和分析实践部门的高级顾问。

Sharan 是一位数据科学专业人士，在高级分析和应用机器学习方面拥有十年的经验。他写了两本书。《掌握社交媒体挖掘》（Mastering Social Media Mining with R）是关于使用各种社交媒体API来获取数据并开发有趣的分析用例的，而《数据科学要领》（R Data Science Essentials）则是关于数据分析中必不可少的概念和技术的。How to Learn Data Science (A Step-by-Step Guide) 介绍学习数据科学的分步指南。

生物信息学（Bioinformatics）是利用应用数学、信息学、统计学和计算机科学的方法研究生物学问题的学科。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索、处理及利用。当前主要的研究方向有：序列比对、序列组装、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及创建进化模型。

2020年9月16日，Nature 发表了 NumPy 团队撰写的一篇综述文章《Array programming with NumPy》（使用NumPy进行数组编程），介绍 NumPy 的发展过程、主要特性和数组编程等。

因为新冠疫情宅家无事可做，毕业于印度尼西亚Universitas Pelita Harapan的应用数学本科学生 Grady Matthias Oktavian 在从未用过 Python 编程的情况下，仅用不到两个月时间就拿到了谷歌 TensorFlow 开发者证书，并在Medium撰文《How to go from a Python newbie to a Google Certified TensorFlow Developer under two months》介绍这励志故事。