Обучение мягким навыкам в области науки о данных с использованием симуляций реальной жизни подход с использованием двухчатботов в ролевой игре

Обучение мягким навыкам в науке о данных через симуляции жизненных ситуаций с помощью двухчатботов в ролевой игре.

Полное описание проекта LLM с реализацией кода

Когда я изучал науку о данных и машинное обучение в университете, программа была сильно ориентирована на алгоритмы и техники машинного обучения. Я все еще помню те дни, проведенные в расчетах математических формул, не совсем забавных, но тем не менее, наградительного процесса, который обеспечил мне прочное основание.

Когда я закончил университет и начал работать как научный сотрудник в области данных, я скоро понял сложность: в реальной жизни проблемы редко представляют себя таким образом, чтобы их можно было легко решить с помощью техник машинного обучения. Задача научного сотрудника – первым делом определить, ограничить и преобразовать проблему реальной жизни в проблему машинного обучения, прежде чем говорить о алгоритмах. Этот этап является ключевым, поскольку в зависимости от того, как сформулирована проблема, какой желаемый результат, какие данные доступны, время, бюджет, вычислительная инфраструктура и множество других факторов могут быть приняты совершенно разные подходы. Словом, это больше не простая математическая задача.

Этот пробел в моем обучении по науке о данных заставил меня чувствовать себя растерянным и ощущать давление в начале пути. К счастью, у меня был наставник и коллеги по проекту, которые очень помогли мне освоить основы и научили задавать правильные вопросы. Шаг за шагом я стал увереннее в управлении проектами по науке о данных.

Основываясь на своем личном опыте, я очень хотел бы иметь возможность научиться таким мягким навыкам в науке о данных, чтобы лучше подготовиться к профессиональной жизни. Теперь я прошел через трудности, но есть ли что-то, что я могу сделать для только что выпускников науки о данных?

• Хотите стать специалистом по обработке данных? Часть 1 10 трудных навыков, которые вам понадобятся
• Исследователи Amazon представили метод HandsOff, который устраняет необходимость вручную аннотировать синтетические изображения.
• Введение в Numpy и Pandas

Известной книгой для подготовки к интервью в консалтинге является “Case in Point”. Эта книга содержит множество практических кейс-стади, охватывающих широкий спектр тем и отраслей. Наблюдая и понимая, как решаются эти кейс-стади, кандидаты могут узнать многое о практических процессах решения проблем и быть готовыми к реальным вызовам.

Вдохновленный этим форматом кейс-стади, у меня возникла мысль: можем ли мы использовать последние большие модели языка (LLM), чтобы генерировать соответствующие, разнообразные…