AITOP

数据科学

共 6 条相关 AI 资讯
8月4日
01:44
01:44Lenny Rachitsky@lennysan
Whatnot CPO Tom Drobny在Lenny's播客中分享，AI给产品经理的最大解锁在数据科学——2017年亚马逊L7数据科学家需一两周的分析，如今几分钟就能完成。他认为产品经理是练出来的手艺而非资格，并批评过去五年行业奖励的“产品剧场”正在被AI揭穿。Drobny要求每个产品评审必须回答“实验变绿怎么办、变红怎么办”，称系统思维是上升最快的PM技能。他还透露，Whatnot的PM经理有90%时间在做IC工作，反对把优秀PM提拔成脱离实战的管理者。
技巧WhatnotTom Drobny产品经理
推荐理由：Whatnot的CPO说AI时代PM最该练的是数据分析，还吐槽很多PM平时都在表演。他这8条管理建议挺反常识，值得看看。
原文
7月10日
03:19
03:19官方一手@OpenAIDevs@OpenAIDevs
精选
Vercel 软件主管 Andrew Qu 使用 OpenAI 的 GPT-5.6 和 Codex 解除了内部数据科学代理在先前模型卡住的任务。该代理此前在处理某些复杂工作时因模型能力不足而停滞。GPT-5.6 的推理能力使其能够继续推进这些任务。
AI模型GPT-5.6CodexVercel
事件专题
推荐理由：Vercel 用 GPT-5.6 让数据科学代理更聪明，之前卡住的任务现在能搞定了。
原文
6月9日
09:51
09:51官方账号arXiv cs.AI@Lei Lin, Ronghao Wang, Chunbao Zhou, Jue Wang, Yangang Wang
精选
DN-Hypo-Pipeline 是一个基于大语言模型的AI工作流，旨在通过利用科学解释作为先验知识，辅助研究人员从现有文献中推导出新颖的研究假设。该管道从论文的结论（explanandum）出发，识别其背后的定律、理论和原理，并重构出对观察现象的新解释。在数据科学建模领域的评估中，结合LLM裁判和人类专家评价，该管道比直接生成方法更有效。此外，两个得分最高的生成假设被转化为新算法，性能超过了原论文的基线模型。该方法本质上是理论引导建模的泛化，有望扩展到其他科学领域。
论文假设生成大语言模型科学解释
推荐理由：做科研假设生成或理论驱动建模的研究者，可以用这个管道从文献中自动挖掘新假设，比手动推导更系统高效，值得在数据科学之外的其他学科试试。
原文
5月30日
16:15
16:15IT之家（博客/媒体）
JetBrains 宣布弃用独立版 DataSpell，停止向新客户销售许可证，现有用户可继续使用至许可证到期。从9月1日起，个人和商业DataSpell许可证将自动转换为PyCharm Pro订阅，并用AI Credits匹配剩余价值。DataSpell面向数据科学家，支持Jupyter Notebook、数据探索和分析工作流，但JetBrains认为其功能已整合进PyCharm，维护独立应用不再高效。PyCharm Pro将覆盖更广泛用户，包括本地与远程Jupyter服务器、SQL集成和Web开发框架。学生和开源贡献者需手动申请PyCharm教育豁免。
AI产品JetBrainsDataSpellPyCharm Pro
推荐理由：数据科学家和数据分析师不用再纠结选哪个工具——PyCharm Pro 整合了 DataSpell 的核心能力，还多了 Web 开发支持，现有用户自动迁移省心省力，建议检查许可证状态。
原文
5月29日
23:45
5月16日
21:12
21:12Lenny Rachitsky@lennysan
一位数据科学家朋友透露，团队大部分工作变成了审查产品经理和工程师用 AI 做的半吊子数据分析，其中 50% 是错误的。这导致数据科学家的角色变得不那么有趣，更多是纠错而非创造。AI 工具让非专业人士也能进行数据分析，但质量参差不齐，反而增加了专业数据科学家的负担。这一现象反映了 AI 普及对专业岗位的冲击，值得关注。
行业AI 影响数据科学角色转变
推荐理由：数据科学家和 AI 从业者会感同身受——AI 让更多人能做分析，但错误率高达 50%，专业角色反而变成“AI 质检员”。点开看看，你会重新思考 AI 工具对团队协作的影响。
原文