这是一封来自的变量,由欧宝全站登录 .
从实际项目中学习数据科学
现在是理论的时代——崇高的概念、复杂的方程和仔细的推测——也是卷起我们众所周知的袖子,构建一些可能行得通也可能行不通的东西的时候。
这些天来,我们都沉浸在一种修修修补的情绪中,所以本期《变量》集中了我们最近发布的一些最令人难忘的实践项目和案例研究。准备好了吗?
- 医疗人工智能正在变得非常非常真实.ML在医学上的应用前景广阔,但也面临着巨大的挑战。Harmke AlkemadeAndreas Kopp介绍了几个医学成像的用例,并展示了Azure机器学习如何支持从脑肿瘤分类到肺炎检测等关键诊断流程。
- 计算机视觉能帮助城市优化街道清洁吗?一开始是一个休闲,有趣的项目罗德里戈·富恩特斯他五年级的女儿成为了概念的有力证明。两人合作开发了一种工具,可以检测和定位街道垃圾,让城市官员更容易决定哪些地区需要更多的卫生资源。
- 讨厌等医生?混合整数编程拯救了这一天.从消费者供应链和数据驱动的进步中得到启示,这些进步在最近几十年给供应链带来了革命性的变化,加布Verzino向我们介绍一个日程安排程序,该程序将使患者和医疗保健提供者更有效地利用他们的时间。
- 通过分析网站流量,掌握贝叶斯推理.贝叶斯定理听起来,理论上的。作为Khuyen Tran在她最近的教程(基于她自己网站的流量模式)中显示,它也可以是一个强大的工具,用于检测和分析数据中的变化点。
- 一杯完美的浓缩咖啡要经过一个很多的数据.尝试和错误、迭代以及对不同变量的不懈关注是让游戏变得更好的关键。在我们最近的问答节目中罗伯特•麦肯芦荟,我们讨论了他的咖啡数据科学系列,以及他在苹果产品上的工作如何帮助他追求优质的浓缩咖啡,以及他即将出版的书的写作。
- 人工智能是否将使哲学家们的工作自动化?也许不是——但如果你阅读的话马克斯·布劳恩在他最近的一个项目中,他训练GPT-3模仿路德维希·维特根斯坦的签名写作风格,尽管如此,你仍然可以更好地理解大型语言模型是如何工作的,以及它们的“创造力”的局限性。
我们希望我们这周的选择能够激励你去运用你的知识去创造一些新的东西。谢谢你花时间和我们在一起,还有你持续的支持我们作者的作品。
直到t他的下一个变量,
TDS编辑