Еженедельное обновление Exploratory Vol. 12
Справочник по статистике, ИИ разрушит рабочие места и т. Д.
Всем привет!
Это Кан из Исследовательского.
Мы находимся на финальной стадии подготовки к выпуску версии 4.3. В этом выпуске основное внимание уделяется улучшениям существующих функций и общему качеству продукта, хотя нам удалось ввести некоторые интересные новые функции.
Кроме того, перед тем, как начать обновление на этой неделе, все еще открыта запись на курс Обучение Data Science Booster. У нас есть студенческая скидка (скидка 50%). Если вы заинтересованы в изучении науки о данных без программирования, зарегистрируйтесь сегодня!
А теперь новости на этой неделе!
Что мы читаем
Руководство Тима Харфорда по статистике в эпоху, вводящую в заблуждение
Слово «фальшивые новости» повысило нашу осведомленность о том факте, что постоянно появляются потоки привлекающих внимание заголовков, наполненных подозрительными заявлениями и данными, публикуемыми и распространяемыми средствами массовой информации, как традиционными, так и социальными, каждый день.
Поскольку у нас в руках больше данных и инструментов, техническая часть анализа данных стала относительно проще, чем раньше. Но часть анализа данных «аналитическое мышление» (или статистическое мышление, если хотите) - понимание проблем, которые нужно решить, задавать вопросы о данных, строить собственные гипотезы и оценивать их, а затем делать выводы для принятия решений - все еще очень остаётся. даже в мире Data Science.
Тим Харфорд, обозреватель Financial Times, предлагает несколько очень полезных советов, чтобы лучше понять данные, не поддаваясь обману подозрительной статистики и статистических утверждений.
Технологическим компаниям следует перестать притворяться, что ИИ не уничтожит рабочие места
Я склонен занять позицию, согласно которой нам не следует слишком сильно беспокоиться об ИИ, исходя из моего понимания пределов ИИ, по крайней мере, в ближайшем будущем. Я бы предпочел думать, что ИИ - это один из инструментов, с помощью которых человек может лучше понять мир. Но, как утверждает Кай-фу Ли в этой статье, это правда, что будет много рабочих мест, которые будут заменены ИИ, и в конечном итоге потеряют работу те, кто не знаком с ИИ или Наука о данных вообще. И это для меня настоящая проблема, особенно для нашего общества.
Скорость технического прогресса только увеличивалась. Даже для меня, который проработал в этой отрасли 20 лет, становится все труднее и труднее идти в ногу со временем. Это усложняет ожидание того, что существующие системы образования сами по себе обеспечат такую подготовку, которая принесет пользу людям в следующие 10 лет.
Я думаю, что у любого, кто занимается наукой о данных, есть прекрасная возможность поделиться знаниями и опытом с другими людьми, которые не участвуют в сегодняшнем мире науки о данных. Нам нужно убедиться, что мы не увеличиваем разрыв возможностей в будущем.
Учитесь с Google AI: сделать обучение машинному обучению доступным для всех
Я не думаю, что это для «всех», как и ожидалось от Google, это больше ориентировано на инженеров. Но все равно здорово, что они пытаются упростить изучение машинного обучения и искусственного интеллекта.
Алгоритмические оценки воздействия: на пути к автоматизации в государственных учреждениях
По мере появления новых автоматизированных систем принятия решений на базе ИИ, мы ожидаем, что все больше правительств будут высказываться, чтобы гарантировать справедливость таких систем. GDPR (Общий регламент защиты данных) ЕС является одним из них, и город Нью-Йорк только что объявил о создании целевой группы по оценке алгоритмического воздействия (AIA).
Другое:
- Стать компанией по обработке данных полного стека - Link
- Разговорные боты с ИИ не улучшаются такими темпами, как мы думали - Ссылка
- Как вы проверяете, является ли компания в первую очередь ИИ или нет? - "Ссылка"
- AB Testing мертв - Ссылка
Цитата недели
Вера: нежелание знать, что правда
Фридрих Ницше
Что мы пишем
Как упоминалось в последнем еженедельном обновлении, линейная регрессия - это простой, но очень полезный алгоритм в мире науки о данных, но немногие люди, не работающие в области науки о данных, используют его для своего ежедневного анализа. Для повышения осведомленности я начал серию под названием «Руководство для начинающих по исследовательскому анализу данных с линейной регрессией», и вот второй пост, который я опубликовал на прошлой неделе.
В этом посте исследуется множественная линейная регрессия и выясняется, какая переменная возраста матери и возраста отца может иметь большее прямое влияние на продолжительность недели беременности.
Над чем мы работаем
Мы улучшаем многие из существующих функций в следующем выпуске v4.3. Одним из таких улучшений является Dashboard. С v4.3 вы сможете добавить более 4 диаграмм (до 12) без учета одного типа значения Viz. Кроме того, будет намного проще настроить макет страницы с помощью перетаскивания.
Обучение бустеру Data Science Booster
Как упоминалось в начале, прием на обучение по программе Data Science Booster еще открыт. У нас есть студенческая скидка (скидка 50%). Если вы заинтересованы в изучении науки о данных без программирования, зарегистрируйтесь сегодня!
На этой неделе все.
Удачной вам недели!
Кан
Генеральный директор / Исследовательский
