我们精选出十篇数据干货，助你圆满收官2017！
回顾2017，始终紧跟历史进程的DT君，带大家用数据视角探索世界：从人工智能到共享经济，从影视热点到古典文学，我们探索过新零售的“门店秘密”，也挖掘过城市空间的“可视化创新”；我们讨论过科技圈最前沿的算法，也揭示过潜藏在人际关系数据中的社会价值……今天DT君精选出年度十篇数据侠好文回馈各位新老粉丝，祝你们携满干货跨入2018年。
下一家星巴克在哪？看AI破译选址秘诀
对生意人来说，店铺的选址一向是个颇为“考究”的事情。在大数据和算法的帮助下，这件事今后或许可以交给机器和模型来完成。在本文中，美国的一位数据侠Mario Aksiyote以纽约为例，为我们演示了一套咖啡店选址的科学姿势。
扒完社交网络才知道，《权力的游戏》凭什么是神作
数据侠联盟盟主大作：作为一个《冰与火之歌》的资深迷弟，在看冰火的时候，我并不只是看打仗、香艳、CG的镜头，更吸引我的是这一整个充满血和肉的史诗故事。那么问题来了，冰火作为一个公认的“好故事”，它的秘诀究竟在哪里呢？我主要从文本数据挖掘入手，用已出版的五本英文《冰与火之歌》小说作为数据源，使用了“社交网络分析”的模型和方法，扒了扒故事中哪些纷繁复杂的人物社交网络。
用Python分析《红楼梦》：见证了贾府的兴衰，你是否还能笑道世事无常
没读过《红楼梦》也能知道前后四十回是不是一个作者写的？很久以前，数据侠黎晨，用机器学习的算法分析了《红楼梦》，认为后四十回和前八十回内容上有明显差距。不过，数据侠楼宇却不这么认为，他觉得原先的判定方法不够严谨，于是他使用了无字典分词的方式，剔除了情节对分析的影响，再次用机器学习的算法分析了这部文学名著。
560万Facebook人际关系数据，揭秘家庭职业传承真相
当你走出校门迈向职场，择业时也许很难完全避免来自父母的影响。而这种影响甚至还不是一时，而是打你一出生就已经开始了。“龙生龙凤生凤”，父母的职业在多大程度上会影响子女的职业呢？来自Facebook的两位数据科学家通过分析Facebook社交平台上的数百万条职业和人际关系数据，为我们揭示了父母和子女的职业代际传承关系的“真相”。
共享单车到底抢了公交车多少生意？
2015年6月，ofo首批2000辆单车在北大投放，2016年4月，摩拜在上海上线。短短两年时间，各式共享单车迅速占领了全国各大城市的街头。共享单车的出现，究竟给城市的公共交通带来哪些影响？美国两位学者针对当地“共享单车和公交车”的研究，提供了一个数据观察角度。
当城市数据和社会关系被可视化，每个人都可能是福尔摩斯
现代城市是由人、机、物等组成的繁复的生活系统，其间产生的数据可用巨量来形容。要对这些宏大的数据进行收集、梳理并作分析，难度有之。在云栖大会上，浙江大学计算机学院副院长陈为教授为我们分享了其团队近几年在城市大数据、可视化方面的部分科研成果，并探讨了机器学习等在城市数据研究中的重要性。
英国测绘局是如何玩转地理空间数据的？
全球很多城市都在打造“智慧城市”，但很多人不会意识到：城市要想变智慧，如果没了地理空间数据的支撑，绝无可能。从道路管理、商业选址、解决城市拥堵等，地理空间数据的价值无处不在。最近在上海举行的“国际开放数据与城市创新峰会”上，英国地理测绘局国际政策与合作总监John Kedar为我们分享了他们的创新尝试，干货满满，DT君这就送上实录。
一场危险的手机WiFi连接数据实验：世界之大，你无所遁形！
人人“机不离手”的这个时代，你能想象下一旦没了WiFi世界会怎样吗？WiFi使用越来越普遍，基于WiFi使用相关的数据研究也多了起来。
来自美国麻省理工学院（MIT）的大一学生Moin Nadeem和他的3位同学，就获得了MIT校园内的357万条手机WiFi“连接请求”数据，并在此基础上展开了一个敏感的“试验”：如何追踪乃至预测大学生们的出行轨迹~
让数据讲故事：如何在8秒内抓住你的用户
当数据遇上设计师，会给品牌内容营销带来怎样的生机？7月15日的数据侠实验室第15期活动上，DT君请到了DT设计师小哥哥小姐姐们的大BOSS——第一财经商业数据中心（CBNData）视觉创意总监赵亮，他从视觉的角度为大家讲述，在这个信息趋于泛滥的时代，如何才能借可视化让品牌脱颖而出。
谷歌大神带你十分钟看懂TensorFlow
TensorFlow 是世界上最受欢迎的开源机器学习框架，它具有快速、灵活并适合产品级大规模应用等特点，让每个开发者和研究者都能方便地使用人工智能来解决多样化的挑战。
今天DT君给大家推荐的这个视频（及文字实录），是2017年谷歌开发者大会欧洲站上，谷歌研究院工程师Andrew Gasparovic所做演讲。他用深入浅出、妙趣横生的方式，给大家分享了TensorFlow的发展情况与最新成果。
编辑 | 赵楠：zhaonan@dtcj.com
题图 | 站酷海洛