「正しい方法で新しいデータサイエンスのスキルを学ぶ」

Learn new data science skills the right way.

私たちは学習曲線をきれいで滑らかで、一貫して上昇傾向のある線と考えがちです。しかし、学習の旅をよく見ると、途中には数多くの下降と平穏な期間があります。実際には、経験豊富なプロフェッショナルでさえ、新しいツールやワークフローに直面したときには初心者のような感覚になることがあります。

今週は、私たちが最近のお気に入りのチュートリアルや入門ガイドをいくつかまとめました。これらはデータや機械学習の実践者にとって非常に少ない、もしくは必要な前提条件を持ちます。深層学習から異常検知まで、様々なトピックをカバーしていますが、すべてのトピックには患者弁明、具体的な詳細と専門的な文脈付けが共通しています。ですので、学習の停滞期に陥った場合は、以下のハイライトのどれかを選んでみてください。きっと助けになるでしょう。

• 深いところから飛び込むのは完全に理にかなっています。なぜ畳み込みニューラルネットワーク（CNN）をゼロから実装してトレーニングしないでしょうか？ Betty LDさんのステップバイステップの指示に従ってプロセスを進めることができます。もしPyTorch Lightningライブラリでいじりたいと考えているのなら、この機会を逃さないでください。
• 新しい言語モデルが数日ごとに登場する、オープンソースの大規模言語モデルの夏でした。Donato Riccioさんの新しい記事は、Llama、Alpaca、およびその他のすべてについての初心者向けの入門ガイドで、これらのLLM（大規模言語モデル）の微調整と操作の基礎をカバーしています。

• オープンソースのLLMプールにもう少し深く潜りたいですか？浮き輪は必要ありません。Shawhin Talebiさんがここにいて、Hugging FaceのTransformersライブラリに慣れるお手伝いをします。これは「さまざまなオープンソース言語モデルを簡単かつ無償で使用する方法」と言えます。
• より伝統的な機械学習手法に新しいアプローチを加えるために、Evie Fowlerさんの最新の投稿では、監督学習における不均衡な結果クラスによって引き起こされる問題に対処するための異常検出手法の利点を概説しています。

ここで止める必要はありません。まだ学びたい気分なら、以下の素晴らしい記事もお見逃しなく：

• Ruth Eneyi Ikwuは、問題のあるデータセットを批判的に見て、未チェックの共線性が意図しないバイアスにつながる方法を検討します。
• 持続可能なAIへの実用的な道筋はあるのでしょうか？Leonie MonigattiさんのKaggleコンペティションで優勝した記事は、ディープラーニングモデルの効率を向上させるための潜在的なアプローチを調査しています。
• オーディオや音楽データに情熱を持っている場合、Naman Agrawalさんの時間領域と周波数領域の特徴抽出に関する深い洞察は必読です。
• Mark Ridleyさんは、生成AIの台頭が製品エンジニアリングチームにどのような影響を与えるかを考察しています（準備万端です。このシリーズの最初の投稿です）。
• データサイエンスと機械学習の役割の説明は常に進化しています。Stephanie KirmerさんはMLエンジニアに焦点を当て、データサイエンスにおけるピンクカラー化の症状かもしれないと疑問を投げかけています。
• Pol Marinさんはスポーツ分析の興味深いトピックを引き続き探索しています。最新の研究対象は、FCバルセロナの守備（および不満）です。

私たちの著者をサポートしていただきありがとうございます！TDSで読んだ記事が気に入った場合は、VoAGIのメンバーになることを検討してください。メンバーシップにより、私たちのすべてのアーカイブ（VoAGIの他のすべての投稿も含む）が閲覧できます。

• 「機械学習モデルが医学的診断と治療において不公平を増幅する方法」
• 「初心者のためのPandasを使ったデータフォーマットのナビゲーション」
• 「GPT4のデータなしでコードLLMのインストラクションチューニングを行う方法は？ OctoPackに会いましょう：インストラクションチューニングコード大規模言語モデルのためのAIモデルのセット」

次回のバリアブルまで、

TDS編集部

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!