Воскресный брифинг D4S №189
Еженедельный информационный бюллетень с последними разработками в области науки о данных, машинного обучения и искусственного интеллекта.
5 февраля 2023 г.
Дорогой Бруно,
Добро пожаловать на 189-й выпуск воскресного брифинга. Последние несколько недель мы были не в сети из-за смерти члена семьи, но теперь мы вернулись к нашему обычному графику.
У нас перерыв в ведении блога, но вы можете наверстать упущенное в нашем последнем посте Средний «10 лучших книг, которые мы прочитали в 2022 году», последнем посте из серии G4Sci: Сетевые атаки: сеть, не наблюдая за ней полностью или последний Viz4Sci в серии: Цветовая схема фото.
В последние недели некоторые из вас обратились к нам с вопросом, как они могут помочь в работе, которую мы делаем здесь, в Data For Science. Несмотря на то, что воскресный брифинг — это труд любви, и он всегда останется бесплатным, он не обходится без затрат, и любая помощь приветствуется.
Если вы хотите поддержать нашу работу, есть несколько вариантов:
- Платная подписка на Графики для науки или Визуализация для науки, которая дает вам полный доступ к архиву предыдущих сообщений.
- Подпишитесь на Medium по нашей реферальной ссылке без дополнительной оплаты для вас
- Напрямую через разовое пожертвование PayPal.
В нашем регулярно запланированном контенте мы узнаем, как использовать Векторизацию, чтобы попрощаться с циклами в Python, Как создать инструмент парсинга для Linkedin за 7 минут и Некоторые замечания о больших языковых моделях.
На академическом фронте мы погружаемся в Технологии децентрализованных финансов (DeFi), ChatGPT: пять приоритетов для исследований и как Шаблоны более высокого порядка раскрывают причинно-следственные масштабы сложной системы.
Книга по науке о данных на этой неделе — Практическая линейная алгебра для науки о данных М. К. Коэна. Как всегда, вы можете найти все рекомендации предыдущих книг на нашем веб-сайте. В видео недели у нас «Python для линейной алгебры (для абсолютных новичков)»
Данные показывают, что лучший способ распространения информационного бюллетеня — это распространение из уст в уста, поэтому, если вы думаете, что кому-то из ваших друзей или коллег понравится этот информационный бюллетень, просто перешлите ему это письмо. Это поможет нам распространить информацию!
Всегда разбирайтесь,
Команда D4S
Книга по науке о данных на этой неделе — Практическая линейная алгебра для науки о данных М. X. Коэна, книга, написанная для самостоятельных учащихся, которым необходимо научиться применять линейную алгебру в своей работе. Книга самодостаточна и может использоваться как самостоятельный ресурс, а также как дополнение к лекционному курсу. Если вы пытаетесь улучшить свое понимание линейной алгебры или изучаете предмет с нуля, это ценный ресурс, который обеспечивает четкий и практичный подход к предмету.
Автор — отличный преподаватель, который признает, что традиционные учебники по линейной алгебре могут разочаровать тех, кто хочет использовать этот предмет в качестве инструмента для понимания данных, статистики, глубокого обучения, обработки изображений и других технических областей. Вместо заучивания уравнений и абстрактных доказательств автор дает четкие пояснения и практические примеры, чтобы помочь читателю понять, как думать о матрицах, векторах и операциях. Цель книги — помочь читателю развить визуальное, геометрическое интуитивное представление о линейной алгебре и о том, как реализовать эти концепции в коде Python, особенно для приложений в машинном обучении и науке о данных.
Учебники и сообщения в блогах, которые попались нам на стол на этой неделе.
- Векторизация: попрощайтесь с циклами в Python [medium.com/@matteo.bernard]
- Наконец-то быстрый алгоритм поиска кратчайших путей на отрицательных графах [quantamagazine.org]
- Новый ИИ-классификатор для обозначения текста, написанного ИИ [openai.com]
- Некоторые замечания о больших языковых моделях [gist.github.com/yoavg]
- Построение эффективных коэффициентов для моделей машинного обучения [soliduslabs.com]
- Другой путь Джона Кармака к общему искусственному интеллекту» [dallasinnovates.com]
- Как создать инструмент парсинга для Linkedin за 7 минут [blog.devgenius.io]
Некоторые из самых интересных научных статей, опубликованных за последнее время
- Технология децентрализованных финансов (DeFi) (Р. Ауэр, Б. Хаслхофер, С. Китцлер, П. Саггезе, Ф. Виктор)
- Сети деятельности определяют эффективность проекта (А. Васкес, И. Поццана, Г. Калогридис, К. Эллинас)
- Изучение данных со структурированным отсутствием (Р. Митра, С. Ф. Макгоф, Т. Чакраборти, К. Холмс, Р. Коппинг, Н. Хагенбух, С. Бидерманн, Дж. Нунан и др.)
- ChatGPT: пять приоритетов для исследований (Э. А. М. ван Дис, Дж. Боллен, В. Зуидема, Р. ван Ройдж, К. Л. Боктинг)
- Адаптация инфраструктуры и появление петель в маршрутизации сети с нестационарной нагрузкой (А. Лонарди, Э. Факка, М. Путти, К. Де Бакко)
- Точная и быстрая линейная кластеризация сетей с помощью динамического программирования (А. Патания, А. Аллард, Дж.-Г. Янг)
- Влияние чемпионата Евро-2020 на распространение COVID-19 (Дж. Денинг, С. Б. Мор, С. Контрерас, П. Донгес, Э. Н. Ифтехар, О. Шульц, П. Бехтле, В. Приземанн)
- Модели высшего порядка раскрывают причинно-следственные масштабы сложных систем (Л. В. Петрович, А. Вегнер, И. Шолтес)
Python для линейной алгебры (для начинающих)
Все видео недели теперь доступны в нашем плейлисте Youtube.
Предстоящие События
Возможности учиться у нас:
- 21 февраля 2023 г. — НЛП для всех 🆕 [Регистрация]
Видео по запросу
Подробные руководства:
- Обработка естественного языка 5,5 часов, охватывающая базовые и продвинутые техники с использованием NLTK и Keras.
- Анализ временных рядов для всех 6 часов, охватывающий предварительную обработку данных, визуализацию, модели ARIMA, ARCH и глубокого обучения.
Благодарим вас за подписку на нашу еженедельную рассылку с кратким обзором мира наук о данных и машинного обучения. Пожалуйста, поделитесь своими контактами, чтобы помочь нам расти!
Публикуется в воскресенье.
Читайте все истории на Medium и помогите поддержать мою работу, подписавшись по моей ссылке: https://bgoncalves.medium.com/membership.