Mark Weiser是一位美国计算机科学家，曾担任施乐帕洛阿尔托研究中心（Xerox PARC）的首席技术官（CTO） 。Weiser被广泛认为是“普适计算之父” ，他于 1988 年创造了“普适计算”（Ubiquitous Computing，简称ubicomp）一词。

最早的网站数据采集形式可能是离线浏览器，通常可能叫Website Ripper、Website Downloader、Website Copier或者Website Grabber，给定一个站点链接，就可以下载有链接关系的所有页面和附件，并保持原始网站的相对链接结构。

抓取一个网站的所有内容既不厚道（未经许可制作镜像站点）、不现实（大多动态内容不能下载）也不实用（下载了许多对自己没有价值的内容），于是进化成为网页采集器。网页采集器使用正则表达式制定路径和过滤规则，轻松地批量获取目标内容的文章内容，却不带任何代码和样式，有利于制作看起来是自己原创的东西。

本文是《5 Solved end-to-end Data Science Projects in Python》的节选，介绍 5 个优秀的数据科学项目，既有适合初学者的项目，也有高级项目，它们都是运用Python实现的，通过这些项目你可以充分了解数据科学对于企业的价值所在。

量化投资就是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。量化投资的优势在于提高了我们分析的广度和深度，通过历史回测获取概率优势，同时自动交易过程可以规避人性中的诸多弱点。随着大数据和人工智能的发展，量化投资将成为市场的主流投资工具，并且将与传统的基本面分析和技术分析深度结合。

许多量化投资入门教程通常教授用 Python 通过爬虫从网络接口爬取股票数据，用 matplotlib 绘制 K 线和均线，基于 Numpy+Pandas+Matplotlib 进行数据分析，并用 sklearn 库的机器学习方法预测股票后市价格（如《基于股票大数据分析的Python入门实战》），但我们从 Python 使用现成数据源入手。以下主要介绍新浪财经的金融数据源，以及在 Python 中使用数据 API 和独立数据库的简要步骤。

迈入网络时代，数据增长迅速，几乎每个网络平台或机构都在收集数据，以从中找出解决问题的方案或洞悉未来趋势，并应用在各个领域，如商业、医疗、生产等，进而也产生了新的相关职业，就像数据科学家。

究竟数据的用处是什么？为什么数据变得越来越重要？而数据科学家的工作职责又是什么？不妨通过本期〈教育导航〉来了解数据科学的潜力。

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。

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。