DeepLearning.AI 和 Prior Labs 出了门免费课,教你把表格基础模型直接当智能体的预测工具,不用再为每个数据集单独训模型。做数据分析、搭数据科学 Agent 的朋友可以看看,省掉不少训练和调参时间。
#data science
Stanford HAI 发了条八周年回顾,讲当年数据科学计划怎么带着首批学者搞跨学科研究,怀旧的可以看看。
This method addresses a critical flaw in standard agent testing that assumes static knowledge in a constantly changing data environment. Developers building data science agents should adopt this approach for more accurate evaluation, especially when working with real-time datasets. The technique could significantly improve reliability for applications requiring up-to-date information processing.
HuggingFace 开源了 5000 个数据科学 RL 任务,源自真实 Kaggle 笔记本,评分不用 LLM 判卷,还配了 SFT 轨迹和 Colab 脚本,想自己练小模型可以直接上手。
Positron 这款数据科学 IDE 登陆 SageMaker 了,R 和 Python 一个界面搞定,教程从 Athena 查数到部署 XGBoost 全流程带你走完。
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。
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。
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。
做 AI 智能体或自动化工具的开发者终于可以一键获得沙盒环境,省去自己搭建基础设施的麻烦,建议直接试试这个数据科学助手示例。
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。