现实世界中的数学：测试、模拟和更多
Real-world Math Testing, Simulation, and More
在数学和统计的最佳写作中，成功地完成了一项困难的任务：它将高深的概念和复杂的公式与数据专业人员在日常工作中面临的实际挑战联系起来。
一些数据科学家喜欢深入研究新的数学主题，而其他人在这个领域中则持谨慎态度，甚至不情愿。无论您在这个领域的哪个位置上，我们认为您会喜欢本周的文章选择。从A/B测试的内部工作到图论和统计实验，它们毫不费力地融合了理论和实践，抽象和具体。让我们开始吧。
- 无论您是新手蒙特卡罗模拟的还是需要一个扎实的复习，悉尼·奈的首次TDS文章是一种可行的深入研究统计技术的方法，它“使我们能够在面对不确定性时进行战略性投注，对复杂的确定性问题进行概率上的理解。”
- 图论在机器学习研究中已经有一段时间了，但对于那些不属于该社区的人来说，它可能仍然看起来令人望而却步。Hennie de Harder提供了一个适合初学者的入门指南，介绍了图论是什么、它们如何运作以及数据科学家如何利用它们的力量来解决复杂的现实世界问题。
- 如果您自高中以来没有多想微分方程，那么现在有机会从一个新的角度重新审视它们：Shuai Guo关于物理信息神经网络（PINN）的系列文章回归了，其中一篇专门讨论微分方程以及它们如何“提供对系统动力学的洞察，并允许我们对系统的未来行为进行预测。”
- 对于关于排列检验及其如何取代更传统的基于公式的统计方法的实际操作，跟随 Pan Cretan 的说明，了解如何设计具有重抽样的实验。（从不太注重数学的背景转入数据科学的读者会发现这个特别有用！）
- 我们最后一个每周亮点回到了我们最开始的蒙特卡罗模拟，但它们将其能力用于不同的目标。Ida Johnsson博士分享了关于A/B测试的有用介绍：它清晰地定义了涉及的统计概念，并侧重于使用蒙特卡罗模拟评估测试性能的过程。
本周我们推荐的其他阅读虽然不完全没有与数学相关的内容，但它们仍然为其他重要主题引发了引人入胜的讨论。
- 在一项有条理而及时的研究中，Yennie Jun探讨了大型语言模型内置的历史知识中的性别偏见。
- 错过了ICML 2023吗？Michael Galkin在详细回顾了最新进展和新兴趋势，帮助我们赶上。
- 每个人都喜欢抱怨数据清理，但Vicky Yu的简明指南可以帮助您简化这个过程，使其变得不那么乏味。
- 在Francesco Foscarin的首个TDS帖子中，变压器与爵士和弦相结合，呈现了一种基于数据驱动的树状音乐分析方法。
- Hans van Dam将移动应用程序开发和LLMs结合到一起，通过一个实际教程，利用GPT-4功能来导航应用程序的图形用户界面（GUI）。
感谢您对我们作者的支持！如果您喜欢在TDS上阅读的文章，请考虑成为VoAGI会员——它将解锁我们的整个存档（以及VoAGI上的每篇文章）。
在下一个变量之前，
TDS编辑
