¿Te sientes inspirado para escribir tu primer artículo de TDS? Siempre estamos abiertos a contribuciones de nuevos autores..
Parece que estamos en ese punto ideal del calendario entre el final del verano y el último pico antes de que las cosas se desaceleren para la temporada navideña. En otras palabras, es la época perfecta del año para aprender, crear y explorar.
Nuestros artículos más leídos de octubre reflejan este espíritu de energía concentrada y cubren una multitud de temas prácticos. Desde ideas prácticas de proyectos de IA hasta flujos de ingresos de ciencia de datos, pasando por guías accesibles, análisis de series temporales y LLM, estas historias hacen un gran trabajo al representar la amplitud de la experiencia de nuestros autores y la diversidad de sus intereses (y los de nuestros lectores). Si aún no los has leído, ¿qué mejor momento que ahora?
Lo más destacado del mes
- 5 proyectos de IA que puedes crear este fin de semana (con Python)
Si aún no está arremangado, lo estará pronto: nuestro artículo más leído en octubre, de Shaw Talebipresenta varias ideas de proyectos convincentes para cualquiera que esté considerando poner en práctica sus conocimientos de IA. Desde organizadores de currículums hasta una herramienta de búsqueda multimodal, proporcionan una puerta de entrada perfecta al mundo en constante expansión del desarrollo de productos impulsado por IA. - ¿A quién pertenecen realmente los Airbnb que reservas? — Percepción del marketing versus realidad del análisis de datos.
Si desea embarcarse en un estudio de caso interesante sobre análisis de datos, Anna Gordún PeiróEl último artículo funciona. Basado en datos disponibles públicamente, examina los patrones de propiedad de Airbnb y muestra a los lectores cómo pueden realizar una investigación similar para la ciudad de su elección. - Las habilidades de evaluación de LLM son fáciles de aprender (pero costosas de practicar)
La creación de soluciones LLM requiere una gran inversión de tiempo y recursos, lo que hace que sea fundamental que los gerentes de producto y los ingenieros de ML tengan una idea clara y precisa de su desempeño. Murallie Thuwarakesh nos guía a través de los detalles esenciales del uso de múltiples enfoques y herramientas de evaluación para lograr este objetivo a menudo difícil de alcanzar.
- Los 5 principios principales para crear tablas de datos fáciles de usar
«A menudo me pregunto: ‘¿Qué significa esta columna?’ » ‘¿Por qué hay dos columnas con el mismo nombre en la tabla A y en la tabla B? ¿Cuál debería usar? » yu dong presenta cinco reglas útiles que garantizarán que sus tablas de datos sean accesibles, utilizables y fácilmente interpretables para los compañeros de equipo y otras partes interesadas. - Cómo estudié LLM en dos semanas: una hoja de ruta completa
Si bien puede pensar que los LLM son imprescindibles en los últimos años, muchos profesionales (nuevos y experimentados) recién están comenzando a interesarse en este tema candente; Para obtener un enfoque estructurado para aprender todos los conceptos básicos (y más), diríjase directamente a Hesam SheikhEl plan de estudios fue bien recibido. - Comprender los LLM desde cero utilizando las matemáticas universitarias
Si pudiera utilizar un método más guiado para aprender sobre los principales modelos de lenguaje, proporcione Rohit PatelPruebe la primera contribución de TDS: es una explicación completa de 40 minutos del funcionamiento interno de estos modelos y no requiere conocimientos avanzados de matemáticas o aprendizaje automático. - 5 técnicas esenciales para dominar el análisis de series temporales
Desde la división de datos y la validación cruzada hasta la ingeniería de funciones, Sara NóbregaEl reciente análisis en profundidad de se centra en los flujos de trabajo fundamentales que debe dominar para realizar un análisis de series de tiempo eficaz. - Agentes de IA: la intersección de la llamada de herramientas y el razonamiento en la IA generativa
Pocos temas han generado tanto revuelo en los últimos meses como los agentes de IA; Si quieres profundizar tu comprensión de su potencial (y limitaciones), no te pierdas Maestro de TulaLa lúcida descripción general de, que se centra en cómo se expresa el razonamiento de los agentes a través de la invocación de herramientas, explora algunos de los desafíos que enfrentan los agentes al usar herramientas y cubre formas comunes de evaluar su capacidad para llamar a herramientas. - Mis 7 fuentes de ingresos como Data Scientist
La mayoría (¿todos?) de los profesionales de datos conocen los beneficios de trabajar a tiempo completo en un gigante tecnológico, pero las opciones para monetizar sus habilidades son mucho más amplias que eso. Egor Howell proporciona una descripción sincera de las diferentes fuentes de ingresos que ha cultivado en los últimos años desde que se convirtió en científico de datos a tiempo completo.
Nuestra última cohorte de nuevos autores
Cada mes, nos entusiasma ver un nuevo grupo de autores unirse a TDS, cada uno de los cuales comparte su propia voz, conocimiento y experiencia con nuestra comunidad. Si está buscando nuevos escritores para explorar y seguir, simplemente explore el trabajo de nuestras últimas incorporaciones, incluido David Foutch, Robin von Malottki, Ruth Crasto, Stéphane Dérosiaux, Rodrigo Nader, Tezan Sahu, Tigre Robson, Carlos Ide, Aamir Mushir Khan, Aneesh Naik, Alex Held, caleb lee, Benjamín Bodner, Vignesh Baskaran, Ingo Nowitzki, Trupti Bavalatti, Sara Lea, Félix Germaine, Marc Polizzi, Aymeric Floyrac, Bárbara Cancino, Hattie Biddlecombe, Carlos Perón, Minda Myers, Marc Linder, Akash Mukherjee, Jake Minnes, Leandro Magga, Jack Van Lightly, Rohit Patel, Ben Hagag, lucas ver, Forma máxima, Filipus Mahendra, Prakhar GaneshY Maxime Jabarian.
¡Gracias por apoyar el trabajo de nuestros autores! Nos encanta publicar artículos de nuevos autores, así que si recientemente has escrito una presentación de proyecto interesante, un tutorial o una reflexión teórica sobre uno de nuestros temas principales, no dudes en escribirnos. compártelo con nosotros.
Hasta la siguiente variable,
Equipo TDS
Evaluación de LLM, proyectos paralelos de IA, tablas de datos fáciles de usar y otras lecturas obligatorias de octubre se publicó originalmente en Towards Data Science en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia.
