Più popolari la scorsa settimana

1. Percorso per la scienza dei dati a stack completo, di Jawwad Siddique
2. Come costruire un database usando Python, di Irfan Alghani Khalid
3. Superare i trilioni di parametri e GPT-3 con i trasformatori di commutazione: un percorso verso l'AGI?, di Kevin Vu
4. Nove strumenti che vorrei padroneggiare prima del mio dottorato di ricerca in Machine Learning, di Aliaksei Mikhailiuk
5. 20 progetti di machine learning che ti faranno assumere, di Khushbu Shah

Più condivisi la scorsa settimana

1. Percorso per la scienza dei dati a stack completo, di Jawwad Siddique
2. Insegnare all'intelligenza artificiale a classificare modelli di serie temporali con dati sintetici, di Tirthajyoti Sarkar
3. Ciclo di vita del processo di data science, di Lillian Pierson, PE
4. Come costruire un database usando Python, di Irfan Alghani Khalid
5. Superare i trilioni di parametri e GPT-3 con i trasformatori di commutazione: un percorso verso l'AGI?, di Kevin Vu

Tweet più popolari della scorsa settimana

1. Amazon applied scientist and #datascientist interview questions - very useful list
2. 10 trucchi avanzati di #Python per scrivere codice più veloce e più pulito
3. Nuovo #libro: Impara a programmare in #Python risolvendo i problemi
4. Come ho guadagnato $ 6,000 in 10 minuti utilizzando Panda
5. Come imparare il #MachineLearning da zero

Più popolari negli ultimi 30 giorni

1. Leggi i file Excel con Python? C'è un modo 1000 volte più veloce, di Nicolas Vandeput
2. Gli scienziati dei dati senza competenze di ingegneria dei dati dovranno affrontare la dura verità, di Soner Yildirim
3. Nove strumenti che vorrei padroneggiare prima del mio dottorato di ricerca in Machine Learning, di Aliaksei Mikhailiuk
4. Un portfolio di data science che ti farà ottenere il lavoro, di Natassha Selvaraj
5. Come creare fantastiche app Web per i tuoi progetti di data science, di Murallie Thuwarakesh

Più condivisi negli ultimi 30 giorni

1. Il libro aperto del compendio di Machine & Deep Learning, di Ori Cohen
2. Come trovare i punti deboli nei tuoi modelli di machine learning, di Michael Berk
3. Gli scienziati dei dati senza competenze di ingegneria dei dati dovranno affrontare la dura verità, di Soner Yildirim
4. Percorso per la scienza dei dati a stack completo, di Jawwad Siddique
5. 8 idee per progetti di deep learning per principianti, di Aqsa Zafar