这是一封来自的变量，由欧宝全站登录 ．
要提高你的数据技能，找一个有激情的项目
不管你把它称为“修修补补”、“动手学习”，还是“我真的不知道我在做什么，但它很有趣”，找到一个你感兴趣的话题，收集一些相关数据，然后看看接下来会发生什么，都是非常有价值的。本周，我们将重点介绍四个奇妙的激情项目，这些项目将帮助你学习一些新技巧，同时也可能激发你的创造力。
- 我们能否利用数据来告诉我们哪个欧洲足球联赛最有竞争力?就像许多足球(或者，好吧，足球)的粉丝,约翰Ade-Ojo他会发现自己经常陷入关于英超联赛、意甲联赛、德甲联赛等等的比较优劣的辩论中。与大多数粉丝不同，约翰可以很好地利用他的数据科学技能来解决这个问题。
- 关于女性的进化，数据向我们展示了什么表现在电影里？艾莉森女士么最新文章,首先,详细,以数据为中心的分析一个ever-timely问题:电影得到更好地代表女性,和屏幕吗?它也是一个全面和耐心的指南，通过API收集数据，分析和可视化它-技能是至关重要的开发，无论您正在从事的主题。
- 回到《办公室》学习逻辑回归．不管你是dunder - mifflin的超级粉丝还是从没看过一集办公室，将克罗利’的新教程向我们展示了，通过正确的框架设计，任何话题都可以变得有趣而引人入胜。在这里，Will使用虚构的(但仍然传奇的)纸业公司来解释领先分数和二元逻辑回归模型的来由。
- 通过骰子游戏的机制学习强化学习．作为托马斯Dybdahl Ahle他在《TDS》的首篇文章中告诉我们，《Liar’s dice》是一款看似简单的游戏。教AI玩这款游戏促使他探索反事实的遗憾最小化概念，以及在浏览器中提供PyTorch模型等技术挑战。
我们每天都会发布新的和优秀的动手教程，所以如果你有心情浏览，请查看我们的专题专栏我们在那里收集了一些最好的。
作为一个这里总是有很多好书可以与你分享，但我们不能不推荐一些最近的亮点:
- 在2021年对几何图形ML来说是激动人心的一年之后，迈克尔·布罗斯特Petar Veličković采访了领先的专家看看2022年的现场会发生什么．
- 随着深度学习中使用的数据集的规模不断增长，从业者面临着新的挑战。Suneeta购物中心分享一个最近进展的全面概述这使得数据科学家和ML工程师可以扩大他们的操作规模。
- 我们喜欢将数据、机器学习和环境影响结合在一起的深度潜水。丹尼尔·加西亚最新的帖子讨论了垃圾分类技术他的工作是建立一个分类器，以帮助当局改善分类和回收工作。
如果你最近在做一个令人兴奋的项目——一些激励你推动你的工艺和尝试新的方法的事情——我们很想知道(我们的读者也会如此)。
谢谢你抽出时间你的支持，直到下一个变量，
TDS编辑
