标签
本文解释了健康研究中的风险比,为什么不能在不考虑风险随时间分布的情况下直接将其转换为预期寿命变化,并阐明了风险比与相对风险之间的区别。
一条推文讨论了许多数据科学家如何误用Claude Code,并推广了一个受Andrej Karpathy观察启发而创建的CLAUDE.md文件,以改善AI编码行为。
推荐一本开源免费的电子书《Applied Machine Learning in Python》,它结合数学推导和Python实现,覆盖30+算法,并提供交互式可视化,适合系统学习机器学习原理和实战。
一位开发者在GitHub上免费发布了他的机器学习面试准备指南,基于他从Google、LinkedIn、Snap、Coupang和StitchFix收到的真实问题,涵盖学习计划、编程、统计、系统设计等;该仓库现已获得12.4k星标。
介绍了AgenticDataBench,这是一个综合性基准测试,用于评估基于大语言模型的数据代理在不同领域中的表现,提供细粒度、基于技能的指标,包括实际B2B用例和合成任务。
A curated list of 10 free, open-source tools developed by universities and research institutions that rival expensive commercial software, covering reference management, databases, big data, scientific computing, machine learning, document preparation, online learning platforms, and statistical analysis.
UIUC ECE 434 / CS 434 课程《物联网与数据科学的真实世界算法》的视频讲座已上线,由 Romit Roy Choudhury 主讲。
推荐一个名为 Seeing Theory 的交互式可视化网站,帮助用户直观理解概率统计的核心概念,涵盖基础概率、分布、推断和回归等内容,适合初学者和复习者。
Anthropic的新经济研究引入了一个跟踪Claude Code使用情况的框架,展示了AI如何自动从对话记录中提取洞察(如职业和专业技能),从而颠覆数据科学与数据分析。
推广关于数据科学与机器学习的数学与统计方法的免费资源,并附有参与获取的说明。
Probably 从 Andreessen Horowitz 获得 900 万美元种子轮融资,通过确定性验证器系统捕获 LLM 幻觉,构建更可靠的人工智能系统,使小型模型能够在本地硬件上运行。
Rhea宣布了一个为期45天的个人AI与ML学习路线图,并公开分享精选资源和进展。
Sabela 是一个面向 Haskell 的响应式笔记本,支持交互式数据科学和函数式响应式编程,并兼容 Python 互操作和 3D 图形。
文章总结了AI评估中的常见错误,强调验证验证器、设计具体指标、严格实验设计等,呼吁回归数据科学思维,提升AI系统评估可靠性。
分析了Anthropic招聘工程师的特点,包括中位经验12.2年、主要来自Google和FAANG公司、仅13.7%有博士学位、基础设施背景占40%等,反映了Anthropic对资深工程人才的偏好。
Maxime Rivest 宣布将 dplyr 移植到 Python,使用 polars/duckdb 作为后端,并评价说移植很扎实。