在当今这个大数据的时代，越来越多的领域需要通过数据分析及科学方法来提取出有价值的信息，帮助我们理解问题、突破瓶颈。对于互联网公司而言，数据更是他们的立足之本。Kotlin 做为一门新兴编程语言，是否也适用在据科学领域呢？答案是肯定的，虽然目前仍处于早期发展阶段，但社区已经开始采用 Kotlin 进行数据科学，且正在快速发展中。在这一篇观影指南里，将为同学们整理出 KotlinConf 2019 演讲里，跟数据科学有关的内容。 别忘了我们已经将所有 KotlinConf 2019 的录影上传到腾讯视频及哔哩哔哩，并依据不同主题写了这一系列的观影指南。每一篇指南都会给出几个关键字，并依关键字抓出 3-5 部精选，还会再列出其他值得一看的相关视频清单，表示若你对这个些关键字有兴趣的话，不可错过这些视频。 此系列其他主题的观影指南: KotlinConf 2019 观影指南 - Kotlin 语言篇 KotlinConf 2019 观影指南 - 安卓开发篇 KotlinConf 2019 观影指南 - 多平台开发篇 KotlinConf 2019 观影指南 - 前端与Web开发篇   关键字：数据科学（Data Science）、大数据（Big Data）、机器学习（Machine Learning）、Jupyter、Zeppelin、

今年在 2019 年 KotlinConf 上，Roman Belov 概述了 Kotlin 的数据科学方法。既然该演讲现在已公开，我们决定重述一下，并分享一些有关 Kotlin 数据科学工具和库的当前状态。 Kotlin 如何适应数据科学？由于需要分析大量数据，最近几年为数据科学学科带来了真正的复兴。没有适当的工具就不可能实现所有这些数据科学复兴。以前，您需要一种专门为数据科学设计的编程语言，但是今天，您已经可以使用通用语言了。当然，这需要通用语言做出正确的设计决策，更不用说获得社区的帮助了。这使某些语言（例如 Python ）比其他语言更受数据科学欢迎。 借助 Kotlin Multiplatform 的概念，Kotlin 旨在复制其开发人员的经验并将其互操作性扩展到其他平台。Kotlin 的主要设计品质包括简洁性、安全性和互操作性。这些基本的语言特征使其成为用于各种任务和平台的出色工具。数据科学当然是这些任务之一。 好消息是，社区已经开始采用 Kotlin 进行数据科学，并且这种采用正在快速进行。以下简短报告概述了 Kotlin 对数据科学的准备情况，包括 Kotlin 库和用于数据科学的 Kotlin 工具。 Jupyter 首先，由于其交互性， Jupyter Notebook非常便于转换、可视化和呈现数据。凭借 Jupyter 的可扩展性和开源性质，它

万岁！今天我们有令人兴奋的消息要宣布。毕竟，JetBrains 并不常推出新开发者工具。今天我们非常高兴地宣布 Big Data Tools - 一个集成 Spark 且支持编辑和运行 Zeppelin Notebooks 的 IntelliJ IDEA 新插件。现在，因为有了 Big Data Tools 插件，无需离开自己喜欢的 IDE 就可以创建、编辑或运行 Zeppelin 笔记本。该插件提供了智能导航，代码完成，检查和快速修复以及在笔记本内部进行重构的功能。 这个插件到底支持哪些特性？ 浏览、创建和删除 Notebook Scala 段落的编码辅助 代码补全 重命名重构 提取变量、方法或参数 转到声明 显示用例 创建和删除段落 运行段落 游览段落的输出 支持基本的可视化 注意：编码帮助当前仅限于 Scala 代码。其他语言将稍后发布。另外，我们将来计划不仅 Zeppelin Notebook，并添加更多功能，以简化数据工程师、数据科学家和其他与大数据合作的专业人员的开发经验。 如果您更喜欢看到它的实际效果，请务必观看以下短片： 或者直接去尝试一下！这里有一些如何入门的简短介绍。 如何使用插件

您好！ 您试过集成到 PyCharm 2019.2 中的 Jupyter Notebook 吗？ 还没有？ 那么我向您介绍一下吧！ 在本文中，我们将使用 PyCharm 及其 Jupyter Notebook 集成来研究一些数据。 首先，当然，我们需要上述数据。每当我需要使用新数据集时，一般会转到 Kaggle，在这里肯定能找到一些有趣的东西。这次，一个名为 “披萨餐馆和他们卖的披萨” 吸引了我的注意。谁不爱吃披萨呢？我们分析一下这些披萨餐馆，试试从中学到一些东西。 由于此数据不属于我现有任何 PyCharm 项目的一部分，我将新建一个。 确保使用 PyCharm 专业版，社区版没有集成 Jupyter Notebook。 提示：在浏览器中使用 Jupyter notebook 时，我一般会新建多个临时 notebook 用于实验目的。  为它们每个都新建一个 PyCharm 项目非常乏味，因此，可以只建一个项目用于这种实验。我喜欢事情井井有条，因此，一旦建好项目，我会在其中添加一些结构 – 一个数据文件夹，我把下载的数据集放到里面，还有另一个文件夹用于 notebook。 新建第一个 pizza.ipynb notebook 后，PyCharm 建议安装 Jupyter 包，并且在右上角提供其链接。 安装 Jupyter 包后，我们就准备好了！

我们欣喜地向您推荐Datalore，这是一款数据分析并且在 Python 中可视化显示结果的智能web应用程序，正式版本 1.0!  自去年二月发布测试版以来，我们已经在您的建议的基础上做出了改进。 测试版提供核心应用程序功能：智能代码编辑器，且提供上下文建议，增量重新计算，以及用于机器学习的内置工具和库。  以下是 Datalore 为数据科学家提供的功能： 智能 Python 代码编辑器借助自动补全、检查和语法突出显示，帮助您编写更好的代码 意图、输入块中的上下文建议、建议可能的下一步分析步骤，并自动生成相关代码，以节省日常工作时间 增量重新计算帮助 Datalore 遵循多个计算之间的依赖关系，这样您就不必跟踪受最近编辑影响的代码 协作功能实现共享和实时远程访问工作簿，这样您和同事可以一起编写代码 版本控制系统保存所有变更，并确保轻松回滚到早期版本 作为愉快编程的坚定信徒，我们引入并优化了这些选项，以帮助分析师在探索数据时保持心情舒畅。 我们挑战自我，不断改进工具。今天，我们正式发布 Datalore 1.0，并且介绍三个主要更新。 首先，您可以选择移动的或用户控制的代码执行，后者使您能够完成主要的代码编辑工作且只运行更新的块。 其次，可以垂直和水平重新排列编辑器布局，具体取决于您是

2018年数据科学调查结果 数据分析、机器学习和 AI 迅速普及，在科技新闻中越来越受到关注。 数据科学世界的现状如何，这个行业的发展如何？ 数据科学家主要参与什么类型的活动？ 使用了什么编程语言和工具？ 为了回答这些问题和很多其他重要问题，去年春天 JetBrains 进行了一次数据科学调查，收集了1600多名来自美国、欧洲、日本和中国的数据科学家的回复。我们非常兴奋地与您分享我们的一些令人难以置信的发现，以及您可以用来得出自己结论的原始调查数据！ 您是否知道 Python 现在已经是在数据分析师和工程师中最流行的语言？  您是否还知道大多数人认为 Python 在未来5年中仍会是数据科学的主要编程语言？ 在调查信息图中了解有关这些和其他见解的更多信息： 查看2018年数据科学调查结果 重要发现 数据处理、数据可视化和基本统计是数据科学家参与的三大活动。 Python 是数据分析的主要编程语言，大多数用户不愿意迁移到其他语言。 大多数受访者认为，Python 在未来5年内仍将名列前茅。 为数7%的受访者是非专业数据科学家，他们希望在不久的将来采用 Kotlin。 排名前三的数据工具是 Apache Spark、Apache Hadoop 和 Apache Hive。 Jupyter