这是一封来自的变量,由欧宝全站登录 .
如果我们可以通过对工作方式的一些调整来赢回一些时间和一些平静,为什么要满足于单调和沉闷的过程呢?我们在TDS上发表的作者在工业、学术界和其他领域都有深刻而广泛的经验,并且乐于分享他们的见解。在本期的《变量》中,我们重点介绍了最近的三篇文章,它们聚焦于一个特定的数据科学工作流程,并展示了我们如何有效而顺利地处理它。享受吧!
- 定制图像数据集是可以实现的.可定制的数据集对于许多类型的ML项目都是非常有用的。Draelos瑞秋的全面和可访问的教程展示了如何在PyTorch中创建图像数据集,以满足您的特定需求,最好的部分是,同样的方法也可以应用于文本和结构化表格数据集。
- 选择正确的指标来确定可解释性.机器学习从业者已经越来越意识到模型可解释性的重要性,但有时很难决定哪种方法适合您的生产模型。弗朗西斯科·马里尼向我们介绍他和他的团队开发的用于评估解释质量的(开源)度量标准。
- 探索性数据分析(EDA)做得不错.塔拉波义耳这本书的深度剖析了求职者如何在“带回家的挑战”中表现出色,而“带回家的挑战”已成为招聘过程中的一个标准步骤。现实生活中的EDA可能更混乱,结构也更松散,但是Tara对数据集的简化方法在许多其他上下文中都很有用。
寻找伟大的r还有其他话题吗?你绝对选对了地方——这里只是过去几周的一些优秀文章的例子:
- Felix Hofstatter共用一个对反事实的长期沉浸式探索在强化学习的背景下,他正在进行的系列的第二部分。
- 对于一个清晰、直观地介绍线性回归,直接去安吉拉·史讲解员。
- 方法Magdaci继续他关于数据科学和足球交叉的迷人研究,使用Elo算法来评估球员的带球技术.
- 我们喜欢对有影响力的文章进行深刻的分析Maja Pavlovic的敏锐的贯通客户生命周期价值预测的深度概率模型
- 展示了人工智能对抗气候变化影响的潜力,西奥Jaquenoud’的项目汇聚在一起预测野火风险的地理空间数据和遥感在美国
- 人工智能即将引起轰动的另一个领域是什么?基因组学.在最近的TDS播客中,杰雷米哈里斯与Tali Raveh谈论了人工智能驱动的单细胞免疫学的前景。
感谢您本周探索我们作者的作品,以及您的持续支持我们的出版物.
直到下一个变量,
TDS编辑