Verpassen Sie keine neue Ausgabe von Die Variableunser wöchentlicher Publication mit einer erstklassigen Auswahl an Empfehlungen der Redaktion, ausführlichen Einblicken, Neighborhood-Neuigkeiten und mehr.

Wie so viele LLM-basierte Workflows zuvor hat Vibe Coding starken Widerstand und scharfe Kritik auf sich gezogen, nicht weil es keinen Mehrwert bietet, sondern aufgrund unrealistischer, auf Hype basierender Erwartungen.

Die Idee der Hebelwirkung leistungsstarke KI-Instruments Mit der App-Erstellung zu experimentieren, schnelle Prototypen zu erstellen und schnell zu iterieren, scheint unumstritten. Die Probleme beginnen normalerweise, wenn menschliche Praktiker die vom Modell erzeugten Ergebnisse davon ausgehen, dass sie strong und fehlerfrei sind.

Um die guten, schlechten und mehrdeutigen Aspekte der Vibe-Codierung zu klären, wenden wir uns an unsere Experten. Die Aufstellung, die wir diese Woche für Sie vorbereitet haben, bietet differenzierte und pragmatische Einblicke in die Funktionsweise von KI-Code-Assistenten und wann und wie sie eingesetzt werden.

---

Die unerträgliche Leichtigkeit des Codierens

„Die Menge an technischen Zweifeln lastet schwer auf meinen Schultern, viel mehr als ich es gewohnt bin.“ In ihren kraftvollen, brutal ehrlichen „Geständnissen eines Vibe-Coders“ Elena Jolkver wirft einen unbeirrbaren Blick darauf, was es bedeutet, im Zeitalter von Cursor, Claude Code und anderen Entwickler zu sein. Sie argumentiert außerdem, dass der Weg nach vorne darin besteht, sowohl die Geschwindigkeits- als auch die Produktivitätsvorteile von Vibe Coding anzuerkennen Und seine (vielen) potenziellen Fallstricke.

So führen Sie Claude Code kostenlos mit lokalen und Cloud-Modellen von Ollama aus

Wenn Sie vom Versprechen der KI-gestützten Codierung bereits überzeugt sind, sich aber Sorgen über die nicht trivialen Kosten machen, sollten Sie sich das neue Tutorial von Thomas Reid nicht entgehen lassen.

Wie Cursor Ihre Codebasis tatsächlich indiziert

Neugierig auf das Innenleben eines der beliebtesten Vibe-Coding-Instruments? Kenneth Leung präsentiert einen detaillierten Blick auf die Cursor-RAG-Pipeline, die sicherstellt, dass Codierungsagenten beim Indizieren und Abrufen effizient sind.

---

Die meistgelesenen Geschichten dieser Woche

Falls Sie sie verpasst haben, finden Sie hier drei Artikel, die in der vergangenen Woche bei einem breiten Publikum Anklang fanden.

Über das Kontextfenster hinausgehen: Rekursive Sprachmodelle in Aktion, von Mariya Mansurova

Entdecken Sie einen praktischen Ansatz zur Analyse großer Datenmengen mit LLMs.

Kausales ML für den angehenden Datenwissenschaftler, von Ross Lauterbach

Eine leicht zugängliche Einführung in kausale Schlussfolgerungen und ML.

Optimierung der Vektorsuche: Warum Sie strukturierte Daten verflachen sollten, von Oleg Tereshin

Eine Analyse, wie die Glättung strukturierter Daten die Präzision und Erinnerung um bis zu 20 % steigern kann.

---

Weitere empfohlene Lektüre

Python-Kenntnisse, MLOps und LLM-Bewertung sind nur einige der Themen, die wir mit der Auswahl erstklassiger Geschichten dieser Woche hervorheben.

Warum SaaS-Produktmanagement im Jahr 2026 die beste Domäne für datengesteuerte Fachleute ist, von Yassin Zehar

Erstellen einer Etch A Sketch-App mit Python und Turtle, von Mahnoor Javed

Maschinelles Lernen in der Produktion? Was das wirklich bedeutet, von Sabrine Bendimerad

Evaluierung mehrstufiger LLM-generierter Inhalte: Warum Buyer Journeys strukturelle Metriken erfordern, von Diana Schneider

Google Traits führt Sie in die Irre: Wie man maschinelles Lernen mit Google Traits-Daten durchführt, von Leigh Collier

Lernen Sie unsere neuen Autoren kennen

Wir hoffen, dass Sie sich die Zeit nehmen, die hervorragende Arbeit von TDS-Mitwirkenden zu entdecken, die kürzlich unserer Neighborhood beigetreten sind:

• Luke Stuckey untersuchte, wie neuronale Netze die Frage nach musikalischer Ähnlichkeit im Kontext von Empfehlungs-Apps angehen.

• Aneesh Patil führte uns durch ein Geodatenprojekt, das darauf abzielte, das Fußgängerrisiko auf Nachbarschaftsebene abzuschätzen.

• Tom Narock argumentiert, dass der beste Weg, die „Identitätskrise“ der Datenwissenschaft zu bewältigen, darin besteht, sie als Ingenieurspraxis neu zu definieren.

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, warum nicht? Teilen Sie es mit uns?

---

Abonnieren Sie unseren Publication

Verpassen Sie keine neue Ausgabe von Die Variableunser wöchentlicher Publication mit einer erstklassigen Auswahl an Empfehlungen der Redaktion, ausführlichen Einblicken, Neighborhood-Neuigkeiten und mehr.

Da das Jahresende nur noch wenige Wochen entfernt ist, zeigen weder unsere Autoren noch unsere Leser Anzeichen einer Entschleunigung.

Wir freuen uns, im vergangenen Monat einige unserer stärksten Artikel des Jahres veröffentlicht zu haben: praktische Leitfäden zu LLM-Workflows und Ressourcen dazu Karrierewachstumauf Python ausgerichtete Tutorials und ausführliche Einblicke in kürzlich eingeführte Instruments, neben anderen herausragenden Themen. Lesen Sie weiter, um die meistgelesenen Geschichten vom November nachzulesen (oder noch einmal zu lesen).

---

Diagramm RAG vs. SQL RAG

Welches Datenbankparadigma liefert genauere und aufschlussreichere Ergebnisse? Reinhard Sellmair Ziel ist es, die Leistung von zwei Arten von RAG-Systemen zu bewerten, indem GraphRAG und SQL RAG unter Verwendung desselben Datensatzes und derselben Fragen gegeneinander antreten.

LLM-gestützte Zeitreihenanalyse

Im zweiten Teil der beliebten Serie von Sara Nobrega lernen wir die Eingabeaufforderungen kennen, die wir für die fortgeschrittene Modellentwicklung benötigen (denken Sie an ARIMA und LSTM).

So erstellen Sie maschinelle Lernprojekte, die Ihnen bei der Einstellung helfen

Nicht alle ML-Portfolios sind gleich. Egor Howell teilt bewährte Erkenntnisse darüber, was funktioniert – und was nicht.

---

Weitere November-Highlights

Verpassen Sie nicht unsere anderen Prime-Lesungen des letzten Monats zu NumPy, Multimodal RAG, Marimo-Notizbüchern und vielen anderen Themen – sowohl immer aktuell als auch aktuell.

NumPy für absolute Anfänger: Ein projektbasierter Ansatz zur Datenanalyse, von Ibrahim Salami

Convolutional Neural Networks (CNNs) mithilfe von Excel verstehen, von Angela Shi

Führen Sie Python mit C bis zu 150-mal schneller aus, von Thomas Reid

Wie man ein überentwickeltes Abrufsystem aufbaut, von Ida Silfverskiöld

Aufbau eines multimodalen RAG, das mit Textual content, Bildern und Tabellen aus Quellen reagiert, von Partha Sarkar

Warum ich auf Marimo-Notizbücher umsteige, von Parul Pandey

Ihr nächstes „großes“ Sprachmodell ist vielleicht doch nicht groß, von Moulik Gupta

---

Falls Sie es verpasst haben: Unsere neuesten Fragen und Antworten zu Autoren

Wir lieben es, das Fachwissen, die Karriereeinblicke und Ansichten unserer Autoren zu den jüngsten Entwicklungen in der Welt der Datenwissenschaft und KI zu teilen. Hier sind unsere aktuellsten Autoren-Spotlights.

• „Systemdenken hilft mir, das große Ganze in den Mittelpunkt zu stellen“
  Shuai Guo über Deep-Analysis-Agenten, analytische KI vs. LLM-basierte Agenten und Systemdenken.

• „Der Erfolg eines KI-Produkts hängt davon ab, wie intuitiv Benutzer mit seinen Fähigkeiten interagieren können.“
  Janna Lipenkova über KI-Strategie, KI-Produkte und wie Domänenwissen die gesamte Type einer KI-Lösung verändern kann.

---

Lernen Sie unsere neuen Autoren kennen

Wir hoffen, dass Sie sich die Zeit nehmen, die hervorragende Arbeit der neuesten Kohorte von TDS-Mitwirkenden zu erkunden:

• Jure Leskovecein Stanford-Professor für Informatik und Unternehmer, erklärt, warum LLMs keine Einheitslösung für Unternehmen sind.

• Sherin Sunnyein leitender Ingenieur bei Walmart, führte uns durch die Entwicklung eines Pc-Imaginative and prescient-Projekts zur Erkennung von Blättern.

• Manuel Franco de la Peña stellte uns ShaTS vor, eine neuartige Shapley-basierte Erklärbarkeitsmethode, die speziell für Zeitreihenmodelle entwickelt wurde und die er mitentwickelt hat.

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, warum nicht? Teilen Sie es mit uns?

---

Wir würden uns über Ihr Suggestions freuen, Autoren!

Sind Sie bereits TDS-Autor? Wir laden Sie dazu ein Füllen Sie eine 5-minütige Umfrage aus So können wir den Veröffentlichungsprozess für alle Mitwirkenden verbessern.

---

Abonnieren Sie unseren Publication

Verpassen Sie keine neue Ausgabe von Die Variableunser wöchentlicher E-newsletter mit einer erstklassigen Auswahl an Empfehlungen der Redaktion, ausführlichen Einblicken, Neighborhood-Neuigkeiten und mehr.

Wenn wir auf eine neue Technologie stoßen – sagen wir: LLM-Anwendungen — Einige von uns neigen dazu, mit hochgekrempelten Ärmeln direkt loszulegen und es kaum erwarten zu können, mit dem Basteln anzufangen. Andere bevorzugen einen vorsichtigeren Ansatz: Lesen Sie ein paar relevante Forschungsarbeiten oder stöbern Sie durch eine Reihe von Blogbeiträgen, mit dem Ziel, den Kontext zu verstehen, in dem diese Instruments entstanden sind.

Die Artikel, die wir diese Woche für Sie ausgewählt haben, enthalten ein klares „Warum nicht beides?“ Einstellung gegenüber KI-Agenten, LLMs und ihren alltäglichen Anwendungsfällen. Sie betonen, wie wichtig es ist, komplexe Systeme von Grund auf zu verstehen, bestehen aber auch darauf, abstrakte Theorie mit umsetzbaren und pragmatischen Erkenntnissen zu verbinden. Wenn eine hybride Lernstrategie für Sie vielversprechend klingt, lesen Sie weiter – wir glauben, dass sie sich für Sie lohnen wird.

---

Agentische KI von First Ideas: Reflection

Für ein solides Verständnis der Agenten-KI: Mariya Mansurova schreibt eine gründliche Untersuchung ihrer Schlüsselkomponenten und Entwurfsmuster vor. Ihr leicht zugänglicher tiefer Einblick geht auf die Reflexion ein und geht von bestehenden Frameworks zu einer völlig neuen Implementierung eines Textual content-zu-SQL-Workflows über, der robuste Feedbackschleifen beinhaltet.

Es muss kein Chatbot sein

Für Janna Lipenkova unterscheiden sich erfolgreiche KI-Integrationen in einem wesentlichen Punkt von gescheiterten: Sie basieren auf einem konkreten Verständnis des Mehrwerts, den KI-Lösungen realistischerweise bieten können.

Was „Denken“ und „Argumentation“ in KI und LLMs wirklich bedeuten

Für einen prägnanten Einblick in die Funktionsweise von LLMs – und warum es wichtig ist, ihre Grenzen zu verstehen, um ihren Einsatz zu optimieren – sollten Sie sich Maria Mouschoutzis neueste Erklärung nicht entgehen lassen.

---

Die meistgelesenen Geschichten dieser Woche

Verpassen Sie nicht die Artikel, die in der vergangenen Woche in unserer Neighborhood für großes Aufsehen gesorgt haben.

Deep Reinforcement Studying: 0 bis 100, von Vedant Jumle

Verwendung von Claude Expertise mit Neo4j, von Tomaz Bratanic

Die Macht der Framework-Dimensionen: Was Datenwissenschaftler wissen sollten, von Chinmay Kakatkar

Weitere empfohlene Lektüre

Hier sind ein paar weitere herausragende Geschichten, die wir auf Ihren Radar bringen wollten.

• Von klassischen Modellen zur KI: Vorhersage der Luftfeuchtigkeit für Energie- und Wassereffizienz in Rechenzentren, von Theophano Mitsa

• Bringen Sie mit ColPali Imaginative and prescient-Language Intelligence zu RAG, von Julian Yip

• Warum sollten wir uns mit Quantencomputing in ML beschäftigen?, von Erika G. Gonçalves

• Empfehlungstransformatoren auf eine Milliarde Parameter skalieren, von Kirill Кhrylchenko

• Datenvisualisierung erklärt (Teil 4): Eine Rezension von Python Necessities, von Murtaza Ali

---

Lernen Sie unsere neuen Autoren kennen

Wir hoffen, dass Sie sich die Zeit nehmen, die hervorragende Arbeit der neuesten Kohorte von TDS-Mitwirkenden zu erkunden:

• Ibrahim Salami hat mit einer hervorragenden, einsteigerfreundlichen Reihe von NumPy-Tutorials den Anfang gemacht.

• Dmitri Lesnik teilte einen auf Algorithmen fokussierten Erklärer zur Aussagenlogik und wie sie in den Formalismus von Zustandsvektoren umgewandelt werden kann.

Unabhängig davon, ob Sie bereits Autor sind oder ein neuer Autor, würden wir uns über Ihren nächsten Artikel freuen. Wenn Sie additionally kürzlich eine interessante Projektdurchführung, ein Tutorial oder eine theoretische Reflexion zu einem unserer Kernthemen geschrieben haben, warum nicht? Teilen Sie es mit uns?

---

Abonnieren Sie unseren E-newsletter

Verpassen Sie keine neue Ausgabe von Die Variableunser wöchentlicher Publication mit einer erstklassigen Auswahl an Empfehlungen der Redaktion, ausführlichen Einblicken, Group-Neuigkeiten und mehr.

Es struggle aufregend zu sehen, wie sich so viele TDS-Autoren kopfüber in den Herbst stürzten und praktische Erfahrungen austauschten. umsetzbare Erkenntnisse zu Themen, die von hochaktuell (Agenten, MCP …) bis zu immer neuen Themen (Python-Kenntnisse und maschinelles Lernen, um nur einige zu nennen) reichen.

Ebenso spannend? Zu sehen, wie unsere September-Artikel bei so vielen Lesern Anklang finden, die sie dann weit und breit teilen. Feiern Sie mit uns unsere meistgelesenen Geschichten des letzten Monats – sie decken ein breites Spektrum an Themen aus den Bereichen Datenwissenschaft, ML und KI ab, sodass Sie bestimmt etwas entdecken werden, das Ihren aktuellen Interessen entspricht.

---

So werden Sie ein Machine-Studying-Ingenieur (Schritt für Schritt)

Egor Howell hat es sich zur Aufgabe gemacht, Leitfäden für angehende Daten- und ML-Praktiker zu erstellen – und ihr Erfolg beweist, wie sehr Arbeitssuchende ehrliche, pragmatische und detaillierte Ratschläge wünschen. Sein neuestes Werk auf dem (immer beliebter werdenden) Karriereweg „Ingenieur für maschinelles Lernen“ ist eine weitere Ressource, die direkt in Ihren Lesezeichen landen sollte.

Implementierung der Kaffeemaschine in Python

Programmiergrundlagen mit einer spannenden Wendung erklärt? Ja, bitte! Mahnoor Javeds neuestes Python-Tutorial behandelt bedingte Anweisungen, Schleifen und Wörterbücher.

Python kann jetzt Mojo aufrufen

Ein zweiter Python-Beitrag landete ganz oben auf unserer Liste der leistungsstärksten Artikel dieses Monats: Thomas Reids umfassender, mit Beispielen gefüllter Leitfaden zur Steigerung Ihrer Laufzeit mit einer gesunden Portion Mojo-Code.

---

Autoren-Spotlights

TDS-Mitwirkende sind branchen-, disziplin- und organisationsübergreifend tätig, so dass der Chat mit ihnen uns – und Ihnen – einen ungefilterten Einblick in das Leben an der Spitze von Datenwissenschaft und KI verschafft. Hier sind zwei aktuelle Fragen und Antworten, die Sie nicht verpassen sollten.

Weitere September-Highlights

Verpassen Sie nicht unsere anderen High-Lesungen vom September, in denen wir uns mit einigen der derzeit aufsehenerregendsten Instruments, Konzepte und Arbeitsabläufe befassen.

• Mit LangGraph und MCP-Servern meinen eigenen Sprachassistenten erstellen, von Benjamin Lee

• Das Immediate Playbook des Finish-to-Finish Knowledge Scientist von Sara Nobrega

• Erstellen und Bereitstellen eines MCP-Servers von Grund auf, von Vyacheslav Efimov

• Constructing Analysis Brokers for Tech Insights, von Ida Silfverskiöld

• Meine Experimente mit NotebookLM für den Unterricht, von Parul Pandey

• Warum Kontext die neue Währung in der KI ist: Von RAG zu Context Engineering, von Sudheer Singamsetty

---

Lernen Sie unsere neuen Autoren kennen

Die neueste Kohorte von TDS-Mitwirkenden hat fantastische Arbeit geleistet und progressive Arbeiten in ansprechende und leicht zugängliche Artikel übersetzt.

• Iva Pezo untersucht das Potenzial von KI, den ressourcenintensiven Prozess der Faktenprüfung schneller, skalierbarer und zuverlässiger zu machen.
• Sruly Rosenblatt und die Co-Autoren Ilan Strauss, Isobel Moure und Tim O’Reilly werfen einen genauen Blick auf das aufstrebende KI-Entwickler-Ökosystem und den Aufstieg von MCP.
• Karol Struniawski (zusammen mit Antoni Olbrysz und Tomasz Wierzbicki) präsentiert ein Bilderkennungsprojekt an der Schnittstelle von Pc Imaginative and prescient, Ökologie und Biotechnologie.

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, warum nicht? Teilen Sie es mit uns?

---

Abonnieren Sie unseren Publication