核心内容摘要
颠覆视界，极速无界：XXXXXL19D18-19D18的性能革新之旅
原文towardsdatascience.com/llms-ai-agents-the-economics-of-generative-ai-and-other-august-must-reads-33f2112a5cdf?sourcecollection_archive---------6-----------------------#
https://towardsdatascience.medium.com/?sourcepost_page---byline--33f2112a5cdf--------------------------------https://towardsdatascience.com/?sourcepost_page---byline--33f2112a5cdf-------------------------------- TDS 编辑·发表于Towards Data Science ·发送为新闻通讯 ·4 分钟阅读·2024 年 8 月 29 日–想要写你的
TDS 文章吗我们始终欢迎新作者的投稿。
由于我们许多读者正准备告别夏天重新进入正常的工作节奏我们希望你们仍能为长期成长腾出一些时间——无论是开始一个副项目探索前沿的机器学习研究还是仅仅是刷新一下你的数据科学作品集。
无论未来几个月带你走向何方我们也希望 TDS 能继续成为你学习旅程的一部分。
从早期职业建议到 LLM 驱动的数据分析和编程技巧我们上个月最受欢迎的文章涵盖了广泛的内容——这意味着无论你当前的兴趣是什么你都可能在这里找到能激发你好奇心的内容。
这里是我们八月的必读文章——祝你阅读愉快我给想成为数据科学家的人的诚恳建议如果你刚刚迈出数据科学职业生涯的第一步并且对如何开始以及从哪里开始感到不确定Egor Howell的真诚建议——从一个已经走得稍远的人的角度出发——或许正是你今天需要阅读的那篇文章。
它无疑与我们许多读者产生了共鸣requirements.txt 已过时“尽管标准库功能强大但现代 Python 应用程序通常需要更先进的功能超出了标准库所包含的范围。
” 聚焦、可操作且对广泛的数据专业人士具有相关性Giorgos Myrianthous 提供了一份广受好评的指南讲解如何使用 Poetry 管理 Python 项目的依赖关系和元数据。
**ChatGPT vs. Claude vs. Gemini数据分析对决
分**随着基于大型语言模型LLM的工具在日常数据科学工作流中变得越来越普及了解它们的表现以及不同模型之间的比较比以往任何时候都更加重要。
Yu Dong 的热门系列正是为了实现这一目标评估了三种流行工具在多种数据分析任务中的表现。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/9b6074d78e9c1c08a071172d854aeefd.png图片由 Annie Spratt 提供来源于 UnsplashAI 代理 — 从概念到 Python 中的实际实现“与其让一个单一的大型语言模型LLM处理复杂任务我们可以结合多个 LLM 或 AI 代理每个代理专注于某个特定领域。
” Zoumana Keita 的易懂入门书籍清晰地解释了什么是 AI 代理为什么在实际应用中应考虑使用它们以及如何从零开始创建一个 AI 代理系统。
成功进入科技行业的最有用的高级 SQL 技巧如果你已经掌握了基础的 SQL 查询并且觉得是时候提升你的技能水平Jiayan Yin 的实用指南适合你从窗口函数到子查询和公用表表达式CTEs它提供了具体的示例和代码片段鼓励你卷起袖子将你的知识应用到自己的数据中。
关于 RAG 的那些事增强检索生成RAG可能不再是优化 LLM 输出最具话题性的技术但从业者们仍在不断发现并更好地理解它的优势以及局限性。
Ahmed Besbes的全面概述详细解答了后者“让一个 RAG 系统准备投入生产不仅仅是将一些代码拼凑在一起。
这关乎如何应对杂乱的数据、预料之外的用户查询以及始终存在的交付实际业务价值的压力。
”使用 Python 和 SQL 自动化 ETL 到 SFTP 服务器对于那些对数据工程和数据处理有兴趣的从业者换句话说你们中的大多数人Mary Ara的新教程耐心且清晰地讲解了一个基本工作流跟随教程学习如何自动化数据在不同位置之间的转移甚至可以包括 SFTP安全文件传输协议上传的额外步骤。
生成式 AI 的经济学“当我们回顾十年后的今天我怀疑我们认为在生成式 AI 商业领域‘大赢家’的公司是否是那些真正开发出底层技术的公司。
”为了
总结本月内容我们邀请你退后一步回顾Stephanie Kirmer对生成式 AI 工具商业案例的深刻分析探索它推动的创新以及那些被抛在后头的创新。
我们最新一批的新作者每个月我们都很高兴看到一批新作者加入 TDS他们每个人都将自己独特的声音、知识和经验与我们的社区分享。
如果你在寻找新的作家来探索和关注可以浏览我们最新加入的作者们的作品包括Yury Kalbaska、Jose Parreño、Pablo Merchán-Rivera, Ph.D.、Conal Henderson、Mehdi Mohammadi、Mena Wang, PhD、Juan Hernanz、Dylan Anderson、Armin Catovic、Louis Wang、Diana Morales、Chris Lydick、Lakshmi Narayanan、Anindya Dey, PhD、Marius Steger、Muhammad Ardi、Stefan Pietrusky、Leonardo A. ( panData)、Szymon Palucha、Nikolai Potapov、Mathew Wang、Arthur Cruiziat、Umair Ali Khan、Matt Fitzgerald、Samy Baladram、Saman (Sam) Rajaei、Phanuphat (Oad) Srisukhawasu、Rishabh Misra、Marcos Santiago、David Wells、Mary Ara、Tarik Dzekman、Ng Wei Cheng、James F. O’Brien、Jurgita Motus、Gary George、James Wilkins、Daniel Kharitonov、Ozgur Guler以及Shrey Pareek, PhD等人。
感谢您支持我们作者的工作我们喜欢发布新作者的文章因此如果您最近写了一篇有趣的项目教程、教程或关于我们核心主题的理论反思欢迎不要犹豫与我们分享。
直到下一个变量TDS 团队