¿Te sientes inspirado para escribir tu primera publicación de TDS? Siempre estamos abiertos a contribuciones de nuevos autores..
Nuestros artículos más leídos y discutidos del último mes sugieren que ni el clima veraniego extremo ni los eventos deportivos mundiales pueden disuadir a nuestros lectores de mejorar sus habilidades y ampliar sus conocimientos sobre temas emergentes.
Nuestros destacados mensuales cubren trayectorias profesionales en ciencia de datos, flujos de trabajo de LLM de vanguardia y temas siempre relevantes en torno a SQL y Python. Te los traemos con la combinación característica de accesibilidad y experiencia de nuestros autores, así que en caso de que te hayas perdido alguno, esperamos que disfrutes de nuestras lecturas imprescindibles de julio. (Si las altas temperaturas están afectando tu capacidad de atención (¡conocemos esa sensación!), te alegrará saber que todos los artículos a continuación, excepto dos, se leen en menos de 10 minutos).
Lo más destacado del mes
- Dominando la optimización de SQL: de consultas funcionales a consultas eficientes
¿Quién podría negarse a ahorrar mucho tiempo al ejecutar sus consultas? Yu DongLa guía práctica de Snowflake para la optimización de SQL causó sensación al ofrecer seis consejos avanzados que la ayudaron a reducir el tiempo de ejecución de consultas en 50 horas diarias en su trabajo reciente; son especialmente relevantes para los profesionales de datos que trabajan en Snowflake SQL. - Guía completa para crear un portafolio profesional con Python, Markdown, Git y GitHub Pages
Claro, rápido y lleno de fragmentos de código útiles. Pierre-Étienne ToulemondeEl artículo de TDS debut de se convirtió en un éxito al guiar a los lectores a través del proceso de construcción de una cartera profesional de primer nivel que cumple con dos criterios clave: una solución gratuita y una configuración mínima. - Administrar LLM locales es más útil y sencillo de lo que crees
A medida que el uso de LLM se extiende más y más profundamente en nuestros flujos de trabajo diarios, también lo hace la necesidad de ejecutar estos poderosos modelos localmente. Guillermo Weingertner compartió una guía concisa, paso a paso, que demostró cómo esto ya no es un proceso complejo que requiere muchos recursos.
- Evolución de la ciencia de datos: nuevas habilidades para el científico de datos moderno de principio a fin
“Sin embargo, lo que ha cambiado drásticamente son las expectativas comerciales, el panorama tecnológico y la gama cada vez mayor de habilidades que se espera que tenga un científico de datos”. Coronel Jung Nos llevó en un viaje a través de la historia de la ciencia de datos y describió los tipos de habilidades que los profesionales necesitan dominar para seguir siendo competitivos hoy en día. - Liderando con la acción: lecciones aprendidas como gerente de ciencia de datos y por qué estoy optando por regresar a un rol de colaborador individual
Las carreras exitosas en ciencia de datos no dependen de títulos específicos ni de puestos en el organigrama; Dra. Dasha Herrmannova En una reflexión profunda sobre sus propios cambios profesionales recientes, argumenta que el ingrediente más esencial para el éxito es comprender sus propias prioridades y encontrar un rol que se ajuste a ellas. a ellosno de la otra manera. - Análisis de documentos mediante modelos de lenguaje de gran tamaño (con código)
Estábamos encantados de darle la bienvenida nuevamente Zoumana KeitaEl trabajo de este mes, especialmente cuando el artículo en cuestión era un tutorial paciente y fácil de seguir sobre un frente prometedor para la adopción del LLM: el análisis de documentos (en este caso, archivos PDF de artículos de investigación científica). - Implementación de redes neuronales en TensorFlow (y PyTorch)
Para completar nuestros aspectos destacados del mes se encuentra: Shreya RaoLa última incorporación de Shreya a su serie Deep Learning Illustrated: una guía de implementación práctica para cualquiera que quiera adquirir experiencia práctica con los conceptos teóricos que Shreya presentó en artículos anteriores. ¡Siga leyendo para aprender a crear redes neuronales en TensorFlow (con una sección adicional sobre PyTorch también!).
Nuestra última cohorte de nuevos autores
Cada mes, nos emociona ver a un nuevo grupo de autores unirse a TDS, cada uno compartiendo su propia voz, conocimiento y experiencia con nuestra comunidad. Si estás buscando nuevos escritores para explorar y seguir, simplemente explora el trabajo de nuestras últimas incorporaciones, incluyendo Jason Zhong, Don Robert Stimpson, Nicolás DiSalvo, Rudra Sinha, Harys Dalvi, Blake Norrish, Doctor Nathan Bos, Ashish Abraham, Jignesh Patel, Shreya Shukla, Vinícius Héctor, Fima Furman, Wadia de Kaizad, Tomas Jancovic (Soy AI Thomas), Laurin Heilmeyer, Li Yin, Puri Kunal Kambo, Mourjo Sen, Rahul Vir, Meghan Heintz, Dron Mongia, Mahsa Ebrahimian, Pierre-Étienne Toulemonde, Shashank Sharma, Anders Ohrn, Alex Davis, Dr. Badr Alabsi, Jubayer Hossain Ahad, Adesh Nalpet Adimurthy, Mariusz Kujawski, Arieda Muço, Sachin Khandewal, Cai Parry-Jones, Martín Jurran, Alicia Dobrzeniecka, Anna Gordun Peiró, Roberto Etter, Christabelle Santos, Sachin Hosmaniy Jiayan Yin.
¡Gracias por apoyar el trabajo de nuestros autores! Nos encanta publicar artículos de nuevos autores, así que si recientemente has escrito un tutorial, una explicación de un proyecto o una reflexión teórica interesante sobre cualquiera de nuestros temas principales, no dudes en escribirnos. Compártelo con nosotros.
Hasta la próxima Variable,
Equipo TDS
Optimización de SQL, carteras de ciencia de datos y otras lecturas imprescindibles de julio fue publicado originalmente en Hacia la ciencia de datos en Medium, donde las personas continúan la conversación resaltando y respondiendo a esta historia.