Learn more about Data Science - Section 13

复古数据科学：测试 YOLO 的第一个版本

数据科学的世界在不断变化通常情况下，我们看不到这些变化，只因为它们变化得很缓慢，但是过了一段时间，回头看就很容易发现...

在生成式人工智能时代，数据科学家是否仍然需要？

ChatGPT的兴起

要真正学习一门新主题，需要花时间

在一个将速度视为（几乎）一切的文化中，“快速行动并打破一切”是一种很好的提醒，让我们意识到有时放慢脚步才是最有效的捷径...

META的Hiera：减少复杂性以提高准确性

卷积网络在计算机视觉领域占据主导地位已经超过二十年随着transformers的出现，人们认为它们会被抛弃然而，许多从业者...

结构方程建模中的多组分析

多组分析（MGA）是一种统计技术，它允许研究人员通过结构规范来调查亚群差异，或人口统计学分段差异

说一次就好了！重复的话不会帮助人工智能

大型语言模型（LLMs）已经展示了它们的能力，并席卷了世界现在每个大公司都有一个带有花哨名称的模型但是，在引擎盖下，它们...

使用ggvanced包在R中绘制蜘蛛图和平行坐标图

一个用于在 ggplot2 包的基础上生成高级多变量数据可视化的包，例如蜘蛛图和平行坐标图

线性回归与梯度下降

线性回归是机器学习中存在的基本算法之一了解其内部工作流程有助于掌握数据科学中其他算法的主要概念...

无监督学习系列：探索层次聚类

在我上一篇无监督学习系列的文章中，我们探讨了最著名的聚类方法之一——K均值聚类在这篇文章中，我们将讨论另一种方法的背后…

需要作为数据科学家成功的软技能

当你在成为一名数据科学家的职业道路上努力时，很容易将注意力集中在硬技能上你可能想学习一个新的机器学习算法，比如带有非...

6 个 Python 中使用 * 和 ** 的场景

如果你曾经查看过 Python 库的文档，不可避免地会注意到在多个地方使用了 * 或 **我们将学习七种使用情况，其中 * 和 ** 很方...

如何利用数据科学进行营销？

数据科学是当今数字化时代营销专业人员的改变者。随着大量数据的可用性，营销人员现在有能力揭示有价值的洞见并做出数据驱动...

选择正确的模型：流失模型 vs. 提升模型

让我们想象一下，我们在电子商务领域工作，产品经理来找我们，要求我们构建流失模型嗯，这就是要了解特定客户离开我们的可能...

通过对数据进行对话式访问，创造信息优势

随着我们的世界变得越来越全球化和动态化，企业越来越依赖数据来做出明智、客观和及时的决策然而，目前为止，要充分发挥数据...

小心模型评估中的不可靠数据：Flan-T5的LLM提示选择案例研究

可靠的模型评估是MLops和LLMops的核心所在，它指导着诸如部署哪个模型或提示（以及是否部署）等关键决策在本文中，我们推介FL...

如何识别你的业务关键数据

并非所有的数据都是平等的如果你在数据团队工作，你就知道如果某个仪表板出现问题，你会放下手头的一切去解决它，而其他问题...

Plotly和Python：为岩石物理和地质数据创建交互式热力图

解释地下需要了解地质和岩石物理数据在一个区域内的变化这通常涉及处理测井测量和解释属性...

5种高效的方法来查找和解决数据问题

根据Gartner的一项调查，近60%的组织不衡量低质量数据的年度财务成本我认为另外的40%在说谎根据我的经验，…

机器学习中的前4个图表

在机器学习这个充满活力的领域中，可视化起着至关重要的作用它们是数据所讲述的复杂故事的无声叙述者特别是在机器学习的世界...

10个适用于数据科学备忘单的ChatGPT插件

要了解我们认为的最适合数据科学的10个最佳ChatGPT插件的概述，请查看我们的最新备忘单