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.

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

Практические руководства

Глубокие погружения

Мысли и теория