Наша еженедельная подборка "Выбор редакции" и оригинальные материалы, которые необходимо прочитать.
Что вы делаете, когда дела идут не так, как вы надеялись? Будь то модель машинного обучения, требующая слишком много усилий, предложение о работе, которое так и не было реализовано, или просто мимолетное выражение подождите, уже почти июнь?! В момент ужаса мы все время от времени сталкиваемся с неудачами (или того хуже). Мы нашли вдохновение в нашем недавнем разговоре с аналитиком данных и автором TDS Каролиной Бенто, чей прагматичный подход к решению проблем может найти отклик у вас: Иногда, когда я застреваю, я думаю о как я могу подойти к проблеме под другим углом .
Совет Каролины содержит гораздо более подробные сведения, от разбивки проблемы на мельчайшие атомы до разговора с доверенным лицом (прочтите - вы не пожалеете!), Но общая идея применима ко многим трудным ситуациям в наши дни. -сегодняшний опыт. Переосмысление нашей точки зрения может быть трудным, но это часто окупается - будь то новое решение, более глубокое понимание или неожиданная возможность.
Если вы нам не верите, прочитайте сообщение Майка Бостока о перспективах JavaScript для будущего анализа данных. После многих лет непрекращающихся споров об относительных достоинствах и недостатках Python, R и Julia Майк задается вопросом, не настало ли время для больших ярких изменений и обратиться к самому распространенному языку программирования среди разработчиков.
Аналогичным образом Дэниел Маркус предлагает новые способы расширения операций с данными по мере роста компаний. Он синтезировал их в подробном отчете о своей структуре науки о данных полного цикла, а также обсуждает, как он реализовал ее в своей собственной работе. Еще одна область, изобилующая перспективным сдвигом? Для нашего последнего гостя подкаста TDS, Элиано Маркеса, это конфиденциальность AI. Элиано побеседовал с ведущим Джереми Харрисом о насущной необходимости информировать конечных пользователей о компромиссах предоставления наших данных и сосредоточить внимание на безопасности алгоритмов.
Разумеется, изменения не должны быть масштабными и яркими. Кумулятивные итерации и эксперименты могут быть столь же эффективными; Ярким примером является последнее глубокое погружение Ханны Винендт, посвященное ее приключениям в тестировании кода и ее возможному успеху в повышении скорости вычислений для анализа данных в R. Ребекка Викери тем временем отмечает, что иногда не наши процессы, а наши инструменты сдерживают нас, поэтому, возможно, пришло время изучить новые возможности. По мнению Ребекки, это включает в себя дополнение неизменно популярного Jupyter Notebook четырьмя дополнительными инструментами, которые помогают рабочим процессам оставаться плавными и эффективными.
Для многих из нас, чтобы выйти из кризиса, требуется толчок извне - что-то, что избавит наш разум от мрачных мыслей. Что может быть лучше, чем научиться чему-то новому? Если вы тоже используете этот метод, вам понравится наша последняя подборка практических руководств и руководств.
- Начните с последней серии учебных пособий на простом английском языке от Кетана Доши, который поделился не менее чем тремя новыми обновлениями своей текущей серии. Изучите создание подписей к изображениям с помощью Attention в TensorFlow, перейдите к двум важным метрикам НЛП (оценка Bleu и WER) или, если у вас день глубокого обучения, перейдите к визуальному объяснению Кетана. Нормы замеса ».
- Клемен Котар, ставший передовым научно-исследовательским центром компьютерного зрения, размышляет о некоторых проблемах, с которыми сталкивается эта область, и о том, как новая статья, в которой он является автором, направлена на их решение.
- Завершите свое еженедельное чтение вводным руководством Васнецова Андрея по метрическому обучению, в том числе о том, как обучать метрические модели обучения без помеченных вручную данных.
Если ваша неделя до сих пор была фантастической, мы надеемся, что она останется такой же! Если это не так, мы надеемся, что углубленное изучение науки о данных помогло. В любом случае, мы благодарны за то, что были его частью, и за все, что вы делаете для поддержки этого сообщества - от того, чтобы делиться нашей работой с друзьями и коллегами, до поддержки нас, становясь членами Medium.
До следующей переменной
Редакторы TDS
Последние добавления к нашим избранным темам:
Начиная
- Деконструкция процесса поиска работы: личная перспектива Джесси Руис (она / они)
- Лучший способ визуализировать деревья решений с помощью библиотеки dtreeviz от Парул Пандей
- Ясно объясненные обобщенные линейные модели Лили Чен
Практические руководства
- Трансформеры: реализация моделей НЛП в трех строках кода Фернандо Лопес
- Как прогнозировать отток клиентов по журналам вашего веб-сайта, Сухонг Ким
- Моделирование реальных событий в Python с помощью SimPy, автор Хуен Тран
Глубокие погружения
- Случайное машинное обучение для науки о данных: глубокое обучение с инструментальными переменными от Хаая Наушан
- Как автоматизировать сегментацию трехмерного облака точек и кластеризацию с помощью Python Флоран По, доктор философии
- Основы аналитики для науки о данных Мэтт Сосна