使用云端的指南，适用于数据科学工作流的每个步骤
数据科学是全球增长最快的行业之一，利用现代、前沿的技术改善数据使用方式。然而，如果你在数据科学领域工作过，你可能知道总有一天你会发现自己盯着一个Excel表格。Excel没有错，只是它不是你在这个最现代化的行业工作时所期望使用的工具。
很多组织已经开始利用现代云基础设施，但并没有充分发挥其作用。因此，很多数据科学家会发现自己只是从云数据仓库中提取数据，然后在本地系统上训练模型。这种方法也没有问题，但如果我们能将整个数据科学工作流程迁移到云端会怎样呢？我们是可以的！
从数据清理到模型部署，都有基于云的工具可供您使用，以使您的工作流程现代化。在本文中，我将逐步介绍数据科学工作流程的每个步骤，并展示您如何将其迁移到云端，并提供一些实例。如果您已经将工作流程的部分现代化，可以随意跳过一些内容，但如果您希望获得百分之百基于云的数据科学体验，请继续关注！
在云端进行数据收集和存储
大概率你已经熟悉将数据存储在云端的好处，但以防万一你还没有听说过：它非常棒！将数据存储在云端可以让您通过任何互联网连接的地方访问数据，轻松集成其他云服务，根据需要扩展存储容量，创建备份以便进行恢复，以及许多其他非常有用的功能。
无论您是否需要数据仓库、数据湖还是对象存储，如果您希望将数据部署到其他应用程序中，您的数据将必须存储在某个地方。有很多云端数据存储服务可供选择，其中一些比较流行的包括：
- AWS S3
- Azure Blob Storage
- Google Cloud Storage
- Hadoop