Fühlen Sie sich inspiriert, Ihren ersten TDS-Beitrag zu schreiben? Wir sind immer offen für Beiträge neuer Autoren.
Wenn wir den Kalender auf September umdrehen, liegt immer etwas Aufregendes und Anregendes in der Luft, und dieses Jahr bildete da keine Ausnahme. Sicher, der Abschied von langen, sonnigen Tagen und einem etwas langsameren Tempo kann jeden ein wenig wehmütig machen, aber nicht lange – nicht, wenn in der ML- und KI-Szene so viel passiert, so viele neue Instruments und Innovationen zu lernen sind und vieles mehr neue Fähigkeiten zu entwickeln.
Wir freuen uns, unsere meistgelesenen und geteilten Artikel des letzten Monats mit Ihnen zu teilen, falls Sie einen davon verpasst haben (oder einfach nur einen oder zwei Favoriten noch einmal besuchen möchten). Noch mehr als üblich repräsentieren sie die gesamte Bandbreite der Themen, die unsere Autoren abdecken, von grundlegenden Programmierkenntnissen bis hin zu modernsten LLM-Techniken. Daher sind wir sicher, dass Sie in unseren September-Highlights etwas finden werden, das Ihr Interesse weckt. Viel Spaß beim Lesen und auf eine neue Saison voller Lernen und Wachstum!
Monatliche Highlights
- So implementieren Sie Graph RAG mithilfe von Wissensgraphen und Vektordatenbanken
Unsere High-Lektüre des Monats kam von Steve Hedden: eine klare und leicht zugängliche Schritt-für-Schritt-Anleitung zur Implementierung von Retrieval-Augmented Era (RAG), semantischer Suche und Empfehlungen. - Datenwissenschaftler können in Python keine Excel-Leistungen erbringen, ohne diese Funktionen zu beherrschen
Es gibt immer Platz für ein weiteres solides Python-Tutorial – und Jiayan YinDas Kompendium der Schlüsselfunktionen für Datenwissenschaftler erwies sich für unsere Leser als besonders hilfreich. - Python QuickStart für Menschen, die KI lernen
Mehr Python! Shaw TalebiDer einsteigerfreundliche Leitfaden konzentriert sich auf die Programmierthemen, die Sie beherrschen müssen, wenn Ihr Endziel die Entwicklung benutzerdefinierter KI-Projekte und -Produkte ist. - Automatisiertes Immediate Engineering: Der ultimative praktische Leitfaden
Möchten Sie erfahren, wie Sie Immediate Engineering automatisieren und erhebliche Leistungsverbesserungen in Ihrem LLM-Workload erzielen können? Nicht verpassen Heiko Hotz’s praktischer Leitfaden.
- GenAI mit Python: Agenten von Grund auf erstellen (vollständiges Tutorial)
Nutzung der kombinierten Leistung von Ollama, LangChain und LangGraph, Mauro Di Pietro führte uns durch den gesamten Workflow zur Erstellung benutzerdefinierter KI-Agenten. - SQL: Beherrschung der Grundlagen des Information Engineering (Teil I)
Ganz gleich, ob Sie SQL-Neuling sind oder eine gute Auffrischung gebrauchen könnten, Leonardo AnelloDie umfassende Einführung von , die sich speziell an Dateningenieure richtet, ist eine leistungsstarke Ressource aus einer Hand. - Auswahl zwischen LLM-Agent-Frameworks
Welche Kompromisse gibt es zwischen der Entwicklung maßgeschneiderter codebasierter Agenten und der Verwendung der wichtigsten Agenten-Frameworks? Aparna Dhinakaran teilt praktische Erkenntnisse und Empfehlungen zu einer Schlüsselfrage. - Analytics-Frameworks, die jeder Datenwissenschaftler kennen sollte
Basierend auf ihrer bisherigen Erfahrung als Beraterin Tessa Xie bietet Datenexperten hilfreiche Hinweise, „wie man ein abstraktes Geschäftsproblem in kleinere, klar definierte Analysen zerlegt“. - Jenseits von Linien- und Balkendiagrammen: 7 weniger verbreitete, aber leistungsstarke Visualisierungstypen
Von Bump-Diagrammen bis hin zu kreisförmigen Balkendiagrammen und Sankey-Diagrammen, Yu Dong lädt uns ein, unser visuelles Designvokabular zu erweitern und mit weniger verbreiteten Visualisierungsansätzen zu experimentieren. - 5 Tipps, damit Ihr Lebenslauf in FAANG-Bewerbungen *wirklich* hervorsticht
In einem wettbewerbsintensiven Markt zählt jedes Element, und kleine Anpassungen können einen großen Unterschied machen – deshalb sollten Sie sich informieren Khouloud El AlamiUmsetzbare Ratschläge für aktuelle Arbeitssuchende.
Unsere neueste Kohorte neuer Autoren
Jeden Monat freuen wir uns, wenn eine neue Gruppe von Autoren TDS beitritt, von denen jeder seine eigene einzigartige Stimme, sein eigenes Wissen und seine Erfahrungen mit unserer Group teilt. Wenn Sie auf der Suche nach neuen Autoren sind, die Sie entdecken und denen Sie folgen können, stöbern Sie einfach in der Arbeit unserer neuesten Neuzugänge, darunter Alexander Poljakow, Hartes Trivedi, Jinhwan Kim, Lenix Carter, Gilad Rubin, Laurin Brechter, Shirley Bao, Ph.D., Iqbal Rahmadhan, Jesse Xia, Sezin Sezgin-Rummelsberger, Reinhard Sellmair, Yasin Yousif, Hui Wen Goh, Amir Taubenfeld, Sébastien Saurin, James Gearheart, Zackary Nein, Jens Linden, PhD, Eyal Kazin, Dan Beltramo, Sabrine Bendimerad, Niklas von Moers, Milan Tamang, Abhinav Prasad Yasaswi, Abhinav Kimothi, Miguel Otero Pedrido, Oliver Ma, Hamza Farooq, Shanmukha Ranganath, Maarten Sukel, Murilo Gustineli, Luiz Venosa, Saankhya Mondal, David Vaughn, Prasad Mahamulkar, Federico Rucci, Philippe Ostiguy, M. Sc., Anurag BhagatUnd Megan Grantunter anderem.
Vielen Dank, dass Sie die Arbeit unserer Autoren unterstützen! Wir veröffentlichen gerne Artikel von neuen Autoren. Wenn Sie additionally kürzlich eine interessante Projektdurchführung, ein Tutorial oder eine theoretische Reflexion zu einem unserer Kernthemen geschrieben haben, zögern Sie nicht, dies zu tun Teilen Sie es mit uns.
Bis zur nächsten Variable,
TDS-Workforce
Graph RAG, Automated Immediate Engineering, Agent Frameworks und andere Should-Reads im September wurde ursprünglich veröffentlicht in Auf dem Weg zur Datenwissenschaft auf Medium, wo die Leute das Gespräch fortsetzen, indem sie diese Geschichte hervorheben und darauf reagieren.