再好的数据，也离不开可视化 — David 9
最近David 9翻看以前收藏，发现一篇关于python可视化库的文章，现在忍不住想分享给大家。以下是改编和翻译：
从专注研究眼睛移动的GazeParser项目到可视化神经网络实时训练的pastalog项目，优秀的python可视化的项目非常多，是时候我们总结一下10个超实用的python可视化库，相信总有一款适合你~ 而且，这些库可以在jupyter python notebook中直接运行显示。
上图是两个柱状图 (matplotlib)
matplotlib 是经典老牌的Python数据可视化库了。在Python社区里几乎无人不知。而且它模仿了1980年代的MATLAB可视化库。
又因为matplotlib是第一个Python数据可视化库，许多优秀的可视化库是基于matplotlib的，比如 pandas 和 Seaborn。 继续阅读10个超实用的python可视化库，总有一款适合你~
2016 年已经过去，BEEVA Labs 数据分析师 Ricardo Guerrero Gomez-Ol 近日在 Medium 上发表了一篇文章，盘点了目前最流行的深度学习框架。为什么要做这一个盘点呢？他写道：「我常听到人们谈论深度学习——我该从哪里开始呢？TensorFlow 是现在最流行的吧？我听说 Caffe 很常用，但会不会太难了？在 BEEVA Labs，我们常常需要应对许多不同的深度学习库，所以我希望能够将我们的发现和感想分享出来，帮助那些刚刚进入深度学习这一美丽世界的人。」
TensorFlow
链接：https://www.tensorflow.org/
对于那些听说过深度学习但还没有太过专门深入的人来说，TensorFlow 是他们最喜欢的深度学习框架，但在这里我要澄清一些事实。
在 TensorFlow 的官网上，它被定义为「一个用于机器智能的开源软件库」，但我觉得应该这么定义：TensorFlow 是一个使用数据流图（data flow graphs）进行数值计算的开源软件库。在这里，他们没有将 TensorFlow 包含在「深度学习框架」范围内，而是和 Theano 一起被包含在「图编译器（graph compilers）」类别中。 继续阅读深度 | 对比深度学习十大框架：TensorFlow最流行但并不是最好
如果不再假设一个分布的参数是固定的，而是去寻找这个参数可能的分布，就可以理解超参数的意义 — David 9
A/B测试一直是David 9想cover的知识点，今天又邂逅一篇相关文章：“tl;dr Bayesian A/B Testing with Python”。于是今天决定讲解一下如何“用python做贝叶斯A/B测试”。所以，现在，两个重要的知识点是 A/B 测试 和 “共轭先验”。
关于A/B测试，其实概念非常简单，简单来说，就是为同一个目标制定两个方案（比如两个页面），让一部分用户使用 A 方案，另一部分用户使用 B 方案，记录下用户的使用情况，看哪个方案更符合设计。A/B测试已经在Web上得到广泛的应用，可以用于增加转化率注册率等网页指标[3].
很显然，A方案的转化率可以看作一个二项分布：
