Ежедневный информационный бюллетень — 17 декабря 2020 г.

Auto Summarizer Extention для строки документации Python с использованием CodeBERT, инструкций по успешной реализации ИИ и пользовательских визуализаций для машинного обучения в сегодняшнем выпуске Data Science Daily 📰

Auto Summarizer для строки документации Python с использованием CodeBERT (VS Code)

Это расширение Visual Studio Code быстро генерирует строки документации для функций Python, используя искусственный интеллект с технологией обработки естественного языка. Этот проект разветвлен для autoDocstring. Раньше описание функции должен был писать пользователь, а здесь ИИ обобщает код.

Функции

  • ИИ Быстро сгенерируйте фрагмент строки документации, который можно открывать с помощью вкладок.
  • Выберите между несколькими различными типами форматов строк документации.
  • Выводит типы параметров с помощью подсказок типа pep484, значений по умолчанию и имен переменных.
  • Поддержка аргументов, kwargs, декораторов, ошибок и типов параметров.

Форматы строк документации

  • Гугл (по умолчанию)
  • docBlockr
  • Нампи
  • Сфинкс
  • PEP0257 (скоро)

Установить здесь: https://marketplace.visualstudio.com/items?itemName=graykode.ai-docstring

GitHub: https://github.com/graykode/ai-docstring

Этот проект находится под лицензией Лицензия Apache 2.0, основанной на лицензии MIT.

Как успешно внедрить ИИ

Джонатан Вайнберг пишет о разработке стратегий надежных данных и их реализации для обеспечения успешной работы ИИ. Он считает, что разрозненные хранилища данных серьезно ограничивают способность ИИ влиять на цифровую экосистему вокруг него, превращая его в нечто большее, чем дорогой мозг в коробке.

Он также подробно рассказывает о том, как бизнес-решения и процессы должны адаптироваться, научиться адаптироваться, чтобы обеспечить здоровый рабочий процесс и чистые, высококачественные данные. имеет решающее значение для проектов ИИ. ИИ требует, чтобы организация имела инфраструктуру, процессы и людей, прежде чем приступать к любому серьезному проекту.

Джонатан Вайнберг – независимый журналист, писатель и медиа-консультант/тренер, специализирующийся на технологиях, бизнесе, социальном влиянии и будущем работы и общества.

Статья: https://www.raconteur.net/technology/artificial-intelligence/ai-implementation-data/

Панели: пользовательские визуализации для машинного обучения

Comet Panels, которая в прошлом году находилась в стадии разработки и тестирования. Начиная с сегодняшнего дня вы можете подключаться к экосистемам JS/HTML/CSS и создавать новые виджеты с собственными стилями и поведением или добавлять новые визуализации и типы диаграмм.

Ключевыми принципами при разработке панелей Comet были следующие:
1. Динамичность —панели должны быть динамичными и обновляться в соответствии с новыми экспериментами и результатами по мере их поступления. Нет ничего хуже, чем устаревшая и вводящая в заблуждение визуализация.
2. Гибкость — пользователи должны иметь возможность создавать и настраивать все, что угодно. без ограничений графического интерфейса или конкретной зависимости
3. Многократное использование — товарищи по команде и члены сообщества должны иметь возможность совместно использовать и повторно использовать панели друг друга.

Блог: https://www.comet.ml/site/introduction-panels-custom-visualizations-for-machine-learning

Связаться с нами

Свяжитесь с нами по адресу [email protected], чтобы получить информацию здесь. Изучите науку о данных и машинное обучение на бесплатных практических курсах по науке о данных на Jovian.

Подпишитесь на нас в Twitter, LinkedIn и YouTube, чтобы оставаться в курсе.