Воскресный брифинг D4S №198

Еженедельный информационный бюллетень с последними разработками в области науки о данных, машинного обучения и искусственного интеллекта.​​​​​​​​​​​​​

16 апр. 2023 г.

​Дорогие друзья,
​
Добро пожаловать на 198-й выпуск воскресного брифинга. На этой неделе у нас перерыв в ведении блога. Пока мы работаем над нашим следующим постом, вы можете наверстать упущенное в последнем посте из серии Viz4Sci: Диаграмма водопада. Последний пост Среднего 10 лучших книг, которые мы прочитали в 2022 году и самый свежий пост из серии G4Sci: Сетевые атаки: Взлом сети без полного наблюдения за ней.

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:

  1. Платная подписка на Графики для науки или Визуализация для науки, которая дает вам полный доступ к архиву предыдущих сообщений.
  2. Подпишитесь на Medium по нашей реферальной ссылке без дополнительной оплаты для вас
  3. Напрямую через разовое пожертвование PayPal.

Самый первый выпуск полностью переработанного Вероятность и статистика для всех выйдет 25 апреля. Это будет ваш шанс освоить основы вероятности и статистики с нуля. Есть еще несколько слотов, поэтому Зарегистрируйтесь сейчас, чтобы не пропустить!

Мы также с гордостью объявляем о первом выпуске совершенно новой серии вебинаров Графики для науки о данных, которая состоится 10 мая. Регистрация только что открылась, и вы можете стать одним из первых, кто зарегистрируется!

В нашем регулярном расписании есть Введение в машинное обучение с нулевым разглашением (ZKML), курс Нейронные сети: от нуля до героя и обзор 137 возникающих способностей больших языковых моделей.

На академическом фронте мы изучаем статистическую механику логического вывода при распространении эпидемий, как мы можем научить большие языковые модели самоотладке и как неупорядоченные топологические графы усиливают нелинейные явления.

Книга по науке о данных на этой неделе — Рекурсивная книга рекурсии Эла Свейгарта. Как всегда, вы можете найти все рекомендации предыдущих книг на нашем веб-сайте. В видео недели у нас есть точка зрения Янн ЛеКун и Эндрю Нг о том, почему 6-месячная пауза в работе ИИ — плохая идея.

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 — Рекурсивная книга рекурсии Эла Свейгарта, очень рекомендуемая книга для программистов всех уровней. Книга объясняет рекурсию ясным и доступным способом. Он начинается с того, что закладывает важную основу и объясняет функции, их работу и особенности. Автор тратит значительное время на объяснение стека вызовов, его функций, структуры и работы, что приводит к обсуждению переполнения стека — одного из рисков использования рекурсии. Затем он посвящает целую главу сравнению рекурсии и итерации, демонстрируя, что в подавляющем большинстве случаев рекурсивные функции не нужны и в некоторых случаях работают хуже, чем их итерационные аналоги.

Тем не менее, книга также показывает, где рекурсия на самом деле является хорошей идеей, а где она подходит. Свейгарт исследует обход древовидных структур и демонстрирует, как мемоизация может повысить эффективность некоторых рекурсивных функций. Книга заканчивается несколькими проектами, основанными на концепциях, появившихся ранее, включая эффект Дросте, метод рекурсивного искусства, который создает подобное рекурсивное изображение из любой фотографии или рисунка с использованием изображений.

В целом, Recursive Book of Recursion отлично подходит как для начинающих, так и для программистов среднего уровня. Книга учит о рекурсии и побуждает читателя думать по-другому, уверенно показывая, что, казалось бы, возвышенные концепции находятся в пределах досягаемости.

Учебники и сообщения в блогах, которые попались нам на стол на этой неделе.

  1. ​Нейронные сети: от нуля до героя [karpathy.ai]
  2. ​Практическое глубокое обучение для программистов [course.fast.ai]
  3. ​Введение в машинное обучение с нулевым разглашением (ZKML) [worldcoin.org]
  4. ​137 эмерджентных способностей больших языковых моделей [jasonwei.net]
  5. ​Все, что вам нужно, это данные и функции [mckayla.blog]
  6. ​Что такое модели-трансформеры и как они работают? [txt.cohere.ai]
  7. ​91% моделей машинного обучения со временем устаревают [nannyml.com]

Некоторые из самых интересных научных статей, опубликованных за последнее время

​Янн ЛеКун и Эндрю Нг: Почему шестимесячная пауза в работе ИИ — плохая идея

Все видео недели теперь доступны в нашем плейлисте Youtube.

Предстоящие События

Возможности учиться у нас:

  1. 25.04.2023 — Вероятность и статистика для всех 🆕 [Регистрация]
  2. 10 мая 2023 г. — Графики для науки о данных 🆕 [Регистрация]

Видео по запросу

Подробные руководства:

  1. Обработка естественного языка 5,5 часов, охватывающая базовые и продвинутые техники с использованием NLTK и Keras.
  2. 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.