夏日必读：数据科学版
原文：
towardsdatascience.com/summer-must-reads-the-data-science-edition/不要错过我们的每周通讯《Variable》的新一期，它包含编辑精选、深度分析、社区新闻等内容，内容优质。
立即订阅
也许你现在正在沙滩上阅读 Variable 的这期内容。也许你只是从发送一批数据科学职位申请中短暂休息一下。无论如何，我们坚信你本周应得到一些引人入胜、发人深省的阅读材料。
在最好的情况下，夏日阅读会让我们从日常琐事中抽身，探索新的主题和问题。理想情况下，它还应该是有趣的。我们为您精选的文章涵盖了所有这些方面，无论您对数据的历史感兴趣，还是对生成人工智能的下一个前沿领域感到好奇。
在我们深入探讨之前，我们还想提前通知您：我们刚刚重新推出了我们的作者聚焦系列，我们的社区成员将在这里谈论他们在数据科学和 AI 领域的职业道路。不要错过我们的首次问答，与 Mauro Di Pietro，我们在这里讨论了开源的力量和从头开始构建（以及其他话题）。
数据的历史能告诉我们关于人工智能未来的哪些信息？
Steve Hedden对过去 40 年数据、商业模式和智能系统的全景式审视，对于任何想要理解我们当前时刻并洞察我们可能走向何方的人来说都是必读之作。（是的，这是一篇长读——但也许在几天的时间里你会更加喜欢它。）
数据的历史能告诉我们关于人工智能未来的哪些信息？
多臂老丨虎丨机简单指南：强化学习前的关键概念
人工智能如何学会做出更好的决策？Sarah Schürch 提供了一个对经典模型的易于理解的介绍。
多臂老丨虎丨机简单指南：强化学习前的关键概念
工作数据是通用人工智能的下一个前沿领域
“工作数据，知识工作者的工作产出，是 LLM 训练中最有价值的单一数据来源。”Zsombor Varnagy-Toth 为数据、AI 和产品领导者分享了一个令人信服的行动呼吁。
工作数据是通用人工智能的下一个前沿领域
这周最受欢迎的文章
查看我们社区最近热议的文章：
《使用 Cython 库将 Python 代码运行速度提高 80 倍》，作者 Thomas Reid
使用 Cython 库将 Python 代码运行速度提高 80 倍
《如何通过强化学习微调小型语言模型进行思考》，作者 Avishek Biswas
如何通过强化学习微调小型语言模型进行思考
《我在作为自由数据科学家的前 18 个月中学到了什么》，作者 CJ Sullivan
我在作为自由数据科学家的前 18 个月中学到了什么
其他推荐阅读
为了探索更多关于时事和永恒主题的夏季友好文章，我们邀请您探索这些最近的亮点：
- 《轻松构建算法无关的 ML 管道》，作者 Mena Wang
轻松构建算法无关的 ML 管道
- 《让 AI 调整您的语音助手》，作者 Heiko Hotz
让 AI 调整您的语音助手
- 《构建自定义 MCP 聊天机器人》，作者 Mariya Mansurova
构建自定义 MCP 聊天机器人
- [Shor 算法的现状如何？]，作者 Benjamin Assel
Shor 算法的现状如何？
- [RAG 的旅行指南：从 OpenAI 的 API 和 LangChain 的 Tiny Files 到托尔斯泰]，作者 Maria Mouschoutzi
RAG 的旅行指南：从 OpenAI 的 API 和 LangChain 的 Tiny Files 到托尔斯泰
欢迎回归，老作者们！
当我们一如既往地致力于寻找新的和令人兴奋的声音时，分享我们已久未出版的长期作者的作品总是令人高兴。以点为例：
- Subha Ganapathi 编写了一篇关于数据“悖论”的实用指南，帮助从业者避免误导性指标的陷阱。
指标（和 LLM）如何欺骗你：悖论指南
- 在对动态库存优化进行深入研究时，Mert Ersoz 解构了具有贝叶斯学习的顺序决策框架的内部运作。
使用有界需求进行动态库存优化
- Andrea D’Agostino 仔细研究了 POSET（部分有序集）指标及其潜在的商业影响。
Python 中的 POSET 表示可以对企业产生巨大影响
我们喜欢发布新作者的文章，所以如果你最近写了一个有趣的项目教程、教程或对我们核心主题的理论反思，为什么不 与我们分享？