Машинное обучение хитрости, обучение с ChatGPT и другие недавние обязательные к прочтению материалы
Материалы по машинному обучению, ChatGPT и другие актуальные темы для изучения
Как август подходит к концу, многие из наших читателей возвращаются в школу (будь то университет, буткэмп или онлайн), тогда как другие расставляют последние признаки медленного летнего графика. Какое лучшее время, чтобы подготовиться к следующей главе вашего обучения в области науки о данных?
Если вы только снова настраиваетесь на темы, связанные с данными и машинным обучением, вас ждет настоящий праздник: многие из наших авторов определенно не замедлялись в прошлом месяце, и на самом деле работали над некоторыми из своих самых сильных статей на сегодняшний день. Чтобы начать новый месяц (и коротко приветствовать предыдущий), мы собрали наиболее популярные статьи августа для вас, чтобы вы могли просмотреть, добавить в закладки и, мы надеемся, углубиться в них. Приятного чтения!
Наши самые популярные статьи
Мудрость толпы может быть не всегда безошибочной, но вы не можете ошибиться с любой из самых популярных статей на TDS в этом месяце – из сотен статей, которые мы опубликовали, это те, которые наиболее сильно затронули наших (крайне) опытных читателей.
- 130 приемов и ресурсов машинного обучения, тщательно подобранных за 3 года – массовый сборник полезных, усваиваемых знаний, тщательно составленный Бекcом Т..
- Как бы я изучал науку о данных с помощью ChatGPT (если бы мог начать сначала) – от Натассы Сельвараджа, практический план обучения науке о данных самостоятельно с помощью определенного чатбота.
- Как общаться с любыми PDF-файлами и изображениями, используя модели больших языковых моделей – с кодом – для тех, кто хочет получить практический опыт работы с LLM, учебник Зумана Кейта является отличным выбором.
- Графовые сверточные сети: введение в GNN – если вам хочется прочитать статью с идеальным балансом теории и практики, то обратитесь к доступному введению Максима Лабонна в GNN.
- Овладение Монте-Карло: как моделирование помогает улучшить модели машинного обучения – доказательство того, что хорошо выполненная статья не может быть слишком длинной, глубокое исследование в Монте-Карло-симуляциях Сидни Най стало немедленной сенсацией среди наших читателей.
Темы для разговора
Нам нравятся статьи, которые запускают живые дебаты или добавляют интересный угол к существующим разговорам. Вот три недавние статьи, которые отлично справились с этой задачей.
- Шаровое стекло управления данными 2024 года Топ 4 новых тренда
- Введение в структуру данных Куча
- Регрессия и Байесовские методы в современном определении предпочтений
- Решение науки тихо становится новой наукой о данных? – Если вы задавались вопросом, чем занимаются специалисты по принятию решений и в чем отличие их роли от роли традиционных аналитиков данных, обязательно ознакомьтесь с мнением Мэтта Чапмана (и множеством живых комментариев, которые оно вызвало).
- Инженеры машинного обучения – что они на самом деле делают? – Благодаря публикации Стефани Кирмер о МЛИ, у нас был шанс увидеть еще одну отличную дискуссию о развитии названий и описаний должностей – и, в данном случае, о том, как последние иногда отражают предубеждения и напряженность, которые мы должны преодолеть.
- Ваши данные (наконец) в облаке. Теперь перестаньте вести себя так, как будто они на месте – Быстрая эволюция инфраструктуры данных в последние годы заставила многие команды застрять где-то на спектре от облака до внутренних систем. К счастью, Барр Мозес предлагает острые идеи о том, как двигаться в сторону более эффективного будущего.
Наша последняя группа новых авторов
Каждый месяц мы с восторгом наблюдаем, как новая группа авторов присоединяется к TDS, каждый из них делится своим уникальным голосом, знаниями и опытом с нашим сообществом. Если вы ищете новых писателей для изучения и подписки, просто просмотрите работы наших последних добавлений, включая Джонатана Эппла, Джарома Хьюлета, Сергея Вилова, Дэвида Рубио, Сидни Най, Рюдигера Бухкремера, доктора наук, Михала Шудейко, Ванминг Хуанга, Джона Ленехана, Франсуа Поршера, Тингсонга Оу, Ле Нгуена, Суян Ли, Иды Йонссон, доктора наук, Майкла Сегнера, Радмилы М., Чена Маргалит, Пратика Ахера, Габриэля Л. Сены, Стэна Пагсли, Кэролайн Арнольд, Джеффа Брауна, Джанпи Колонны, Ярослава Драпалы, Ахмада Альбаркави, Матеуша Праски, Джули Чжан, Джозефа Джорджа Льюиса, Тао Ву, Стефана Беркнера, Райана Шротта, Мэри М, Эрика Жу, Стефана Сувелака, Махам Харун, Джеффа Чоу, Беркана Зорлубаса, Мариано Кэмпа, Дугласа Бланка, доктора наук, Гамзе Зорлубас, Фатиха Демирчи, Джерри Ку и Даниэля Фриса.
Спасибо за поддержку работы наших авторов! Если вам нравятся статьи, которые вы читаете на TDS, рассмотрите возможность стать участником VoAGI — это дает доступ ко всему нашему архиву (и ко всему остальному на VoAGI тоже).
До следующей переменной,
Редакция TDS