KDnuggets ™ Nyheter 21: n32, 25 augusti: Datakällor med öppen källkod för datorsyn; Djangos 9 vanligaste applikationer

Taggar: Datorsyn, dataset, Django, Microsoft, Modellering, Open Source, Python, StackOverflow

Open Source Dataset för Computer Vision; Djangos 9 vanligaste applikationer; Hur man väljer en initial modell för ditt datavetenskapsproblem; Automatisera Microsoft Excel och Word med Python; Stack Overflow Survey Data Science Höjdpunkter

Denna vecka på KDnuggets: Open Source Dataset for Computer Vision; Djangos 9 vanligaste applikationer; Hur man väljer en initial modell för ditt datavetenskapsproblem; Automatisera Microsoft Excel och Word med Python; Stack Overflow Survey Data Science Höjdpunkter; och mycket, mycket mer.

Vår nya KDnuggets bästa bloggbelöningsprogram kommer att betala till författarna till de bästa bloggarna - kolla detaljer här. Återinlägg accepteras, men vi älskar originalinlämningar, belönade med tre gånger omfördelningshastigheten.

Funktioner

Datakällor med öppen källkod för Computer Vision, av Kevin Vu
Djangos 9 vanligaste applikationer, av Aakash Bijwe
Hur man väljer en initial modell för ditt datavetenskapsproblem, av Zachary Warnes
Automatisera Microsoft Excel och Word med Python, av Mohammad Khorasani
Stack Overflow Survey Data Science Höjdpunkter, av Matthew Mayo

Produkter

Handledning, översikter

Data Scientist's Guide to Effective Coding in Python, av Dr. Varshita Sher
När korrelation är bättre än orsak, av Brittany Davis
Förbättra maskininlärningspersonalisering genom variation, av Raghavan Kirthivasan
Inlärningsdatavetenskap och maskininlärning: Första stegen, av Harshit Tyagi

Åsikter

5 Data Science karriärfel som ska undvikas, av Tessa Xie
5 saker som gör mitt jobb som datavetenskapare enklare, av Shree Vandana
15 saker jag letar efter hos datavetenskapskandidater, av Mathias Gruber
7 anledningar till att du bör få en formell examen i datavetenskap, av Purvanshi Mehta
Demystifierande AI: fördomarna om artificiell intelligens (och människor), av Manjesh Gupta
Viktiga funktioner i en effektiv dataintegreringslösning, av Rabia Hatim

Huvudnyheter

Toppberättelser, 16-22 augusti: Skillnaden mellan datavetenskapare och ML-ingenjörer; Prefekt: Hur man skriver och schemalägger din första ETL -pipeline med Python, av KDnuggets

Lediga jobb

Se vår senaste jobb i AI, Analytics, Data Science, Machine Learning
Du kan publicera en gratis kort post på KDnuggets jobb-sida för ett bransch eller akademiskt jobb relaterat till AI, Big Data, Data Science eller Machine Learning, e-post - se detaljer på kdnuggets.com/jobs

Veckans bild

Från Open Source Dataset for Computer Vision

= Tidigare inlägg

Nästa inlägg =>

Topphistorier de senaste 30 dagarna

Mest populär
Skillnaden mellan datavetenskapare och ML -ingenjörer 3 skäl till varför du bör använda linjära regressionsmodeller istället för neurala nätverk Vanligaste datavetenskapintervjufrågor och svar GitHub Copilot -alternativ för öppen källkod Råd för lärande av datavetenskap från Googles forskningsdirektör

Mest delad
Skillnaden mellan datavetenskapare och ML -ingenjörer Hur du frågar din Pandas Dataframe Varför och hur ska du lära dig "Produktiv datavetenskap"? Inte bara för djupt lärande: Hur GPU: er påskyndar datavetenskap och dataanalys Skriva ditt första distribuerade Python -program med Ray