Побаловались своими угощениями? Пора провести фокусы в области Data Science

Утомились от своих угощений? Пора освежиться с трюками в Data Science

У нас есть слабость к длинным и глубоким руководствам здесь, в TDS, но мы также ценим посты, сосредоточенные на конкретных проблемах и трудностях, с которыми сталкиваются специалисты по обработке данных в своей повседневной работе.

Чтобы отметить эти чрезвычайно полезные и практические статьи, на этой неделе в разделе Variable мы обратим внимание на последние достижения в колонке советов и хитростей: они предлагают конкретные советы, проверенные на практике, которые могут помочь вам сэкономить время и усилия и добиться лучших результатов в ваших проектах. Независимо от того, насколько много лакомств вы уже получили на этой неделе (счастливого опоздавшего Хэллоуина тем, кто празднует!), мы надеемся, что эти трюки вдохновят вас найти новый подход или инструмент для экспериментов.

• Оптимизация повторяющихся задач при проведении исследовательского анализа данныхЭтому этапу EDA иногда приписывают плохую репутацию как утомительному этапу, через который нужно пройти, чтобы добраться до более интересных этапов моделирования и предсказательной работы. Christabelle Pabalan недавно поделилась умным подходом, добавляющим слой автоматизации к процессу, но без ущерба точности и внимательности.
• Изучение возможностей улучшенной валидации данных в Pydantic V2Pydantic, “наиболее популярная библиотека валидации данных для Python”, является основным инструментом для многих специалистов по обработке данных. Обзор Pydantic V2 от Lynn Kwong предлагает конкретные советы по оптимальному использованию его последних улучшений, которые включают поддержку строгого режима и возможность валидации данных без модели.

• 6 распространенных операций, связанных с индексами, о которых нужно знать в PandasУчитывая всеобщее использование Pandas в рабочих процессах по обработке данных, никогда не помешает более глубокое понимание его возможностей и расширение знаний о эффективных способах работы со структурами данных. Новая статья Yong Cui сфокусирована на операциях, связанных с индексами, и дает простые примеры из реальной жизни для их иллюстрации.
• Как использовать цвет в визуализации данныхЕсли вы пренебрегали выбором цветов в ваших графиках и диаграммах, сборник советов Michal Szudejko по правильному использованию цвета, безусловно, заставит вас пересмотреть свой подход. От доступности до палитр выбора, вы узнаете, как небольшие корректировки могут сделать ваши визуализации более понятными и помочь им стать сильными инструментами для повествования.
• Раскрытие возможностей супертипов в JuliaДля все большего числа поклонников Julia Emma Boudreau предлагает практическое руководство по абстрактности и эффективному внедрению ее в ваш код – это обязательное чтение, где подробно рассматриваются способы создания собственных супертипов с минимальными усилиями.

Мы надеемся, что у вас еще осталось немного места для нескольких дополнительных лакомств, потому что мы не хотим, чтобы вы пропустили эти отличные материалы по другим темам:

• Как пролиферация AI-генерируемого контента повлияет на качество обучения LLM в долгосрочной перспективе? Aicha Bokbot исследует возникающую проблему в связи с устойчивым развитием AI-инструментов.
• Музыка встречает машинное обучение в увлекательном проекте Emmanouil Karystinaios, который пытается автоматизировать гармонический анализ.
• Хотите создать и опубликовать пакет данных R? Deepsha Menghani предлагает пошаговое руководство с использованием devtools для достижения этой цели.
• Путем использования гибридного поиска, иерархической ранжировки и встраивания инструктора, Agustinus Nalwan пытается решить главную проблему в использовании RAG в поиске по специфической области.
• В своем недавнем исследовании текущего состояния стартап-экосистемы AI Clemens Mewald объясняет, почему LLM стали популярны, а инструменты MLOps – нет.
• Сомнительные практики манипулирования данными, к сожалению, окружают нас повсюду; Hennie de Harder подробно разбирает концепции статистики, лежащие в их основе.

Спасибо за поддержку работы наших авторов! Если вам нравятся статьи, которые вы читаете на TDS, рассмотрите возможность стать участником VoAGI – это откроет доступ ко всему нашему архиву (и ко всем другим публикациям на VoAGI тоже).

• Внедрение обнаружения мошеннических транзакций с использованием MLOPs
• Alluxio запускает оптимизированную для искусственного интеллекта платформу данных для ускорения конвейеров машинного обучения.
• SQL для визуализации данных как подготовить данные для диаграмм и графиков

До следующей переменной,

Редакторы TDS