특징

• Python으로 자동화 할 5 가지 작업, 딜런 로이
• 데이터 과학 및 기계 학습으로 수입을 두 배로 늘리는 방법, 테렌스 신
• 향후 5 년 동안 데이터 과학 일자리가 부족할까요?, 작성자 : Pranjal Saxena
• Python 코드를 매우 빠르게 실행하는 방법, 작성자 : Pralabh Saxena
• 데이터 과학자 고용 중지 (및 시작), 이안 샤오

 제품, 서비스

• 유사성 검색 : 알렉산드리아의 유클리드가 신발 쇼핑을갑니다., Pinecone
• SAS® Viya® 기반 SAS® Visual Data Science Decisioning : 무료 평가판, SAS
• 수학적 최적화 현황 보고서, 2021, 구로비
• AIRSIDE LIVE는 빅 데이터, 데이터 보안 및 데이터 거버넌스가 융합되는 곳입니다., 오케라
• AI 훈련 데이터 예산 : 다음 3 가지 요소 고려, 샤이프

 튜토리얼, 개요

• API를 통해 단순 감성 분석 앱을 만들고 배포하는 방법, Matthew Mayo 저
• 기계 학습 모델 해석, 히만 슈 샤르마
• 기능 저장소를 통해 브레인리스 AI를 넘어서, 짐 다울링
• 기여해야 할 5 가지 데이터 과학 오픈 소스 프로젝트, 작성자 : Sara Metwalli
• 머신 러닝 모델 훈련의 10 가지 대죄, Sandeep Uttamchandani, Ph.D.
• 데이터 과학자가 이해 관계자와 소통하는 방법, 네이선 로시디
• PyCaret 101 : 초보자를위한 소개작성자 : Moez Ali
• spaCy 3을 사용하여 BERT Transformer를 미세 조정하는 방법, 작성자 : Walid Amamou
• 진정으로 필요한 유일한 Jupyter 노트북 확장 프로그램, 작성자 : Olga Chernytska
• 이 데이터 시각화는 효과적인 기능 선택을위한 첫 번째 단계입니다., 벤자민 오비 타요
• PyPolars로 Pandas를 3 배 더 빠르게 만들기, 사티얌 쿠마르
• 상위 4 가지 데이터 추출 도구, 졸탄 베텐부크
• PyCaret 및 Gradio로 기계 학습 실험을 강화하십시오작성자 : Moez Ali
• 데이터 과학을위한 필수 수학 : 기초 및 기초 변경, Hadrien Jean
• NLP 프로젝트를위한 데이터 세트 큐 레이션을위한 4 가지 팁, 폴 바바
• 자연어 처리 연구 및 응용을위한 새로운 리소스, Matthew Mayo 저
• 2021 년에 읽어야 할 AI 책, 작성자 : Przemek Chojecki
• Streamlit을 사용한 주제 모델링, 브라이언 패트릭 우드 지음
• 최고의 프로그래밍 언어와 그 용도, Claire D. Costa
• 필수 기계 학습 알고리즘 : 초보자 가이드, 작성자 : Ria Katiyar

 의견

• BigQuery와 Snowflake : 거대 데이터웨어 하우스 비교, 안지 벨라가나
• 데이터 마이그레이션으로 단순성 환상 극복, 얀시 블룸
• Edge AI Platform 선택을위한 5 가지 팁, 에릭 오템-카첸고 저
• 비즈니스에 적합한 BI 도구 선택, Angshuman Guha 작성
• 주요 데이터 및 분석 동향, 시그모이드

 주요 뉴스

• 주요 기사, 31 월 6 일 – XNUMX 월 XNUMX : 데이터 과학자가되는 방법에 대한 가이드 (단계별 접근 방식); 데이터 과학 및 머신 러닝으로 수입을 두 배로 늘리는 방법, KDnuggets 제작
• 주요 기사, 24 월 30 일 ~ XNUMX 일 : 데이터 과학자가되는 방법에 대한 가이드 (단계별 접근 방식), KDnuggets 제작

 작업

• 최근 참조 AI, 애널리틱스, 데이터 과학, 기계 학습 분야의 직업
• AI, 빅 데이터, 데이터 과학 또는 머신 러닝, 이메일과 관련된 산업 또는 학업 분야에 대한 KDnuggets 채용 페이지에 무료 짧은 항목을 게시 할 수 있습니다. 자세한 내용은 kdnuggets.com/jobs

 주의 이미지

데이터 과학 및 기계 학습으로 수입을 두 배로 늘린 방법