数理统计（英语：Mathematical statistics）是统计学的数学基础，从数学的角度去研究统计学，为各种应用统计学提供理论支持。

数理统计是将概率论（数学的一个分支）应用于统计，而不是用于收集统计数据的技术。用于此目的的特定数学技术包括数学分析，线性代数，随机分析，微分方程和测度理论。

斯坦福大学发布了“2019年人工智能指数报告”（Artificial Intelligence Index Report 2019）。

报告显示，欧洲一直是最大的AI论文出版源，2018年Scopus追踪的人工智能出版物中，欧洲的论文比例上升到27%以上。中国发表的论文占全球人工智能文章的比例从2000年的10%增长到2018年的28%。

Microsoft Excel是Microsoft为使用Windows和Apple Macintosh操作系统的电脑编写的一款电子表格软件。Excel最基础的功能是运算和图表的制作，进一步的数据分析功能是函数和数据透视表，还包括VBA和宏等高级数据分析功能。

高级的数据分析，也就是涉及统计学的专业分析方法（如回归分析、方差分析和T检验等）和原理的时候，可以求助于SPSS、SAS这类专业的分析工具，但在实际工作中，Excel仍旧可以胜任。

刚入行数据分析的朋友吐槽，自己入门到现在只会用excel做做分析图表，但是感觉越做越没有价值，数据分析似乎就是业务数据的分析员，不知道该如何提升自己。

这是因为他没有完全把数据分析的价值挖掘出来，数据分析是为了通过对数据现象的查看来完成对产品、营销策略、运营策略的优化，不仅是对业务，更重要的是要掌握数据分析的各种技能，从能力增长上突破职业的天花板。

数据科学家是21世纪的热门工作。工欲善其事必先利其器。数据分析工具何其多，究竟用哪样才合适？Lewis Chou在Medium上分析了3类6种工具的特点和适用场景，看完这篇文章，相信你就可以知道了。原文标题是：Top 6 Data Analytics Tools in 2019

说到数据分析工具，我们总是有疑问。那么多的数据分析工具，它们之间究竟有什么区别？哪个更好？我应该学习哪一个？

机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。

机器学习是人工智能的核心，深度学习是主要的机器学习算法。

每年的这个时候，我们都会回顾过去，展望未来。对于数据科学、机器学习和人工智能来说，则是看看什么趋势会加快、什么事情会真正发生、什么事情在未来一年不会发生。

我们一整年都在观察和报道这些趋势，并且我们搜索了网络，咨询了我们的一些专家以了解其他人的想法。

商业智能（Business Intelligence, BI），又称商业智能或商务智能，指用现代数据仓库技术、在线分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

商业智能一词最早出现在 Richard Millar Devens 的《商业和商业轶事百科全书》（1865 年）一书中。该书描述了银行家Henry Furnese 爵士如何通过对其收集的数据进行结构化分析来击败竞争对手。1958 年，IBM 计算机科学家 Hans Peter Luhn 撰写了一篇文章，描述了通过使用技术收集商业智能的潜力。

商业智能的概念经由Howard Dresner（1989年）的通俗化而被人们广泛了解。当时将商业智能定义为一类由数据仓库（或信息市集）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。