这是一封来自的变量,由欧宝全站登录 .
10个帖子帮助你在2022年启动数据科学学习
大家新年快乐!一月初是采取大胆行动、制定雄心勃勃的计划、跳入新的挑战和兴趣的好时机。为了帮助你做到这一切,我们今年的第一个变量版包含了10个我们发现特别有活力和有用的最近的帖子。让我们开始吧!
- 你是刚刚开始研究数据科学吗?成为一名全职数据科学家是你2022年待办事项清单上的一个关键项目,但你不知道从哪里开始?帮你走出第一步,我们为初学者和学习者汇编了一些最受欢迎的资源在我们最新的月刊中。
- 提高你的沟通技巧.数据科学家经常在技术和非技术利益相关者之间架起桥梁增加一天这正是他们应该专注于有效的、情境驱动的沟通的原因。
- 充分利用未标记的数据.如果你想进行一次将理论与实际应用相结合的深入探索,那就去看看吧贝蒂LD这篇文章的主题是不确定性、智能抽样以及如何最大限度地利用现有数据。
- 跟上图机器学习的最新趋势.作为机器学习研究中最动态的领域之一,图ML的最新发展很容易让人迷失方向。迈克尔Galkin在这里对救援现场的现状进行了全面、稳健的概述。
- 更“富有表现力”的gnn应该是什么样的呢?说到图形ML,如果您想在这个不断增长的子领域中放大一个更具体的主题,不要错过迈克尔·布罗斯特这篇文章涵盖了在一组子图上应用图神经网络(gnn)的几种最新方法。
- 探索支持像BERT这样的大型语言模型的理论.法学硕士风行一时,但培训他们需要耗费大量资源。在他最新的帖子中,雷米Ouazan Reboul向我们介绍了为DistilBERT提供动力的蒸馏技术,并减轻了与bert类模型相关的一些时间和成本。
- 在求职过程中脱颖而出.在接下来的几个月里,您是否在路线图上找到了一个新的或更好的数据科学角色?艾玛叮最近,她分享了在产品案例面试阶段应该做什么和不应该做什么,你现在就想读一下(并保存起来以备将来参考)。
- 向工具箱中添加另一个可视化资源.如果你想在新的一年开始的时候有更多的实践经验,那么这是绝对不会错的Parul Pandey该教程解释了如何使用开源包Pybaobabdt可视化决策树并解释你的模型。
- 提高你的算法驱动的预测游戏.在实践学习的领域,克利斯朵夫布朗的最新文章介绍了支持向量机算法,并展示了如何在NBA比赛还在进行时使用它来(尝试)预测比赛结果。
- 增进您对ML可解释性的理解.到2022年,模型可解释性将继续是数据科学家和ML实践者工作中的一个关键因素;阅读(罗伯特Kubler的最新文章将帮助你使用PyTorch构建设计可解释的前馈神经网络。
感谢您在短暂的假期结束后再次加入我们的节目,我们希望您的一年有一个好的开始!
加入TDS make它甚至更好?如果你对数据科学充满热情,写作能力也不错,那就看看我们目前的职位空缺吧:我们正在寻找一个完全远程,加拿大的高级编辑,如果你认为自己适合这个职位,我会很乐意收到你的来信。
直到下一个变量,
TDS编辑