امکانات

• تفاوت بین دانشمندان داده و مهندسان ML، توسط کورتیس پایکس
• MLOps و نقشه راه یادگیری ماشین، توسط بن روگوجان
• چگونه یک مدل BERT را از ابتدا آموزش دهیم، نوشته جیمز بریگز
• مقدمه ای بر یادگیری آماری ویرایش دوم، توسط متیو مایو
• Prefect: چگونه اولین خط لوله ETL خود را با پایتون بنویسید و برنامه ریزی کنید، نوشته داریو رادچیچ

 محصولات و خدمات

• رهبران Allstate، eBay و Red Bull موافقند: اجلاس Rev 3 Enterprise MLOps Summit را از دست ندهید، توسط دومینو
• بررسی یادگیری ماشینی وضعیت تولید 2021توسط Anyscale

 آموزش، مروری

• جبر خطی برای پردازش زبان طبیعیتوسط Taaniya Arora
• دریفت مدل در یادگیری ماشین - نحوه مدیریت آن در داده های بزرگ، توسط سای گیتا
• برچسب گذاری اطلاعات چابک: چیست و چرا به آن نیاز دارید، توسط جنیفر پرندکی
• نوشتن اولین برنامه پایتون توزیع شده با Ray، توسط مایکل گالارنیک
• جست‌وجو درباره مجموعه داده‌های دموگرافیک دقیق، توسط متی گروتیر
• نحوه تشخیص و غلبه بر دریفت مدل در MLO، توسط Bhaskar Ammu
• سوپر مدل جدید DeepMind: Perceiver IO یک ترانسفورماتور است که می تواند هر مجموعه داده ای را مدیریت کند، توسط ژسوس روریگز

 دیدگاه ها

• آنچه از کنفرانس های "زنان در علم داده" آموختم، توسط ویدی چوغ
• 3 تغییر ذهنیت برای تبدیل شدن به یک تحلیلگر بهتر، توسط بابی پینرو
• برای SQL، یا اینکه چرا من بیش از حد از افراد داده‌ام محافظت می‌کنم، توسط پدرام نوید

 داستان های برتر، توییت ها

• داستان های برتر جولای: دانشمندان داده و مهندسان ML کارمندان لوکس هستند، اثر گرگوری پیاتتسکی
• داستان های برتر، 9 تا 15 اوت: تفاوت بین دانشمندان داده و مهندسان MLتوسط KDnuggets
• جوایز وبلاگ های برتر KDnuggets برای جولای 2021، اثر گرگوری پیاتتسکی

 
 شغل ها

• اخیر ما را ببینید مشاغل در هوش مصنوعی، تجزیه و تحلیل، علم داده، یادگیری ماشین
• می‌توانید یک ورودی کوتاه رایگان در صفحه مشاغل KDnuggets برای یک شغل صنعتی یا دانشگاهی مرتبط با هوش مصنوعی، داده‌های بزرگ، علم داده یا یادگیری ماشین، ایمیل ارسال کنید – جزئیات را در اینجا ببینید. kdnuggets.com/jobs

  تصویر هفته

تفاوت بین دانشمندان داده و مهندسان ML