DATA关键词检索结果

TDS 时事通讯:11 月有关 GraphRAG、ML 项目、LLM 支持的时间序列分析等的必读内容

TDS Newsletter: November Must-Reads on GraphRAG, ML Projects, LLM-Powered Time-Series Analysis, and More

不要错过我们过去一个月阅读量最大的故事TDS 新闻通讯:11 月有关 GraphRAG、ML 项目、LLM 驱动的时间序列分析等的必读文章首先出现在 Towards Data Science 上。

如何在光标中使用 LaTeX 创建专业文章

How to Create Professional Articles with LaTeX in Cursor

了解如何在 Cursor 中使用 LaTeX 快速创建专业文章和演示文稿《如何在 Cursor 中使用 LaTeX 创建专业文章》一文首先出现在 Towards Data Science 上。

如何衡量代理绩效:指标、方法和投资回报率

How to measure agent performance: metrics, methods, and ROI

构建 AI 代理从未如此快捷——一些团队现在可以在几周内完成。但这种速度带来了一个新问题:绩效衡量。一旦代理开始处理生产工作负载,您如何证明他们正在提供真正的业务价值?也许您的代理正在处理客户请求、处理发票和路由支持票证...如何衡量代理绩效:指标、方法和 ROI 帖子首先出现在 DataRobot 上。

鱼叉式网络钓鱼以及如何自信地处理它

Spear Phishing and How to Handle It Confidently

日常工作中发生的鱼叉式网络钓鱼攻击:一位经验丰富的 G DATA 同事很早就发现了这种攻击,并做出了正确的反应,以免为时已晚。我们采访了长期恶意软件分析师 Alfred*。他解释了攻击是如何展开的、是什么引起了他的怀疑,以及为什么健康的怀疑是最好的保护。

Python 中的现代 DataFrame:Polars 和 DuckDB 实践教程

Modern DataFrames in Python: A Hands-On Tutorial with Polars and DuckDB

我如何学会在不减慢整个工作流程的情况下处理不断增长的数据集Python 中的现代数据框架:Polars 和 DuckDB 的实践教程首先出现在《走向数据科学》上。

如何使用 EDG 和 Neo4j 构建基于图形的推荐引擎

How To Build a Graph-Based Recommendation Engine Using EDG and Neo4j

使用共享分类法连接 RDF 和属性图,并通过推理提供更智能的推荐如何使用 EDG 和 Neo4j 构建基于图的推荐引擎一文首先出现在 Towards Data Science 上。

数据可视化解释(第 5 部分):在 Python 中可视化时间序列数据(Matplotlib、Plotly 和 Altair)

Data Visualization Explained (Part 5): Visualizing Time-Series Data in Python (Matplotlib, Plotly, and Altair)

对时间序列可视化的解释,包括 Matplotlib、Plotly 和 Altair 中的深入代码示例。数据可视化解释(第 5 部分):在 Python 中可视化时间序列数据(Matplotlib、Plotly 和 Altair)一文首先出现在 Towards Data Science 上。

Pandas DataFrame 绝对初学者指南

The Absolute Beginner’s Guide to Pandas DataFrames

了解如何从字典、列表和 NumPy 数组初始化数据框这篇文章《Pandas DataFrames 绝对初学者指南》首先出现在 Towards Data Science 上。

使用 Python 的机器人技术:Q-Learning、Actor-Critic 与进化算法

Robotics with Python: Q-Learning vs Actor-Critic vs Evolutionary Algorithms

为您的 RL 机器人构建自定义 3D 环境Python 机器人学:Q-Learning vs Actor-Critic vs Evolutionary Algorithms 帖子首先出现在 Towards Data Science 上。

我在 3 天内构建了一个 IOS 应用程序,而之前根本没有 Swift 知识

I Built an IOS App in 3 Days with Literally No Prior Swift Knowledge

我学到的关于氛围编码、AI 工具以及作为一名独立创业者的入门知识我在 3 天内构建了一个 IOS 应用程序,而实际上没有任何 Swift 知识,这篇文章首先出现在 Towards Data Science 上。

2025 年 11 月 14 日每周回顾

Weekly Review 14 November 2025

上周我在 Twitter 上发布的一些有趣链接(我还在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接):当 AI 泡沫破裂时,它会造成多大损害? https://www.stuff.co.nz/business/360877272/fears-ai-bubble- Correction-mount-despite-wall-st-rises不,人工智能编写的勒索软件并不在野外:https://www.theregister.com/2025/11/03/mit_sloan_updates_ai_ransomware_paper/看起来大多数人工智能安

第一个完全联网的二维编码电子管读取器

The First Fully Networked 2D-Coded Tube Readers

Azenta Life Sciences 宣布推出新一代基于摄像头的管读取器 - Mirage Connect 和 Cube Connect - 开创了联网、具有冷冻功能的样品管理系统的新时代。这些新设备旨在增强实验室工作流程并支持冷链样品处理,在 Ziath 品牌组合下,由 DataPaq™ DP5 V2.0 软件提供支持,为灵活性、集成性和易用性树立了新的基准...

Power BI 聚合终极指南

The Ultimate Guide to Power BI Aggregations

聚合是 Power BI 中最强大的功能之一 - 了解如何利用此功能来提高 Power BI 解决方案的性能这篇文章《Power BI 聚合终极指南》首先出现在 Towards Data Science 上。

如何评估 RAG 管道中的检索质量(第 3 部分):DCG@k 和 NDCG@k

How to Evaluate Retrieval Quality in RAG Pipelines (Part 3): DCG@k and NDCG@k

使用分级度量评估 RAG 管道的检索质量的第三部分也是最后一部分如何评估 RAG 管道中的检索质量(第 3 部分):DCG@k 和 NDCG@k 首先出现在 Towards Data Science 上。

Aerodata 推出用于下一代 ISR 任务的 AeroForce X MALE 无人机

Aerodata unveils AeroForce X MALE drone for next-generation ISR missions

Aerodata AG 是一家老牌的德国航空专业解决方案提供商,推出了 AeroForce® X,这是一种新开发的无人机……Aerodata 推出用于下一代 ISR 任务的 AeroForce X MALE 无人机的帖子首先出现在 AeroTime 上。

使用 C 使 Python 速度提高 150 倍

Make Python Up to 150× Faster with C

将性能关键型代码卸载到 C 而不放弃 Python 的实用指南。使用 C 将 Python 速度提高 150 倍一文首先出现在 Towards Data Science 上。

如何使用 GPT-5 构建代理

How to Build Agents with GPT-5

了解如何使用 GPT-5 作为数据上强大的 AI 代理。如何使用 GPT-5 构建代理一文首先出现在 Towards Data Science 上。

如何评估 RAG 管道中的检索质量(第 2 部分):平均倒数排名 (MRR) 和平均精度 (AP)

How to Evaluate Retrieval Quality in RAG Pipelines (part 2): Mean Reciprocal Rank (MRR) and Average Precision (AP)

使用二进制、顺序感知措施评估 RAG 管道的检索质量如何评估 RAG 管道中的检索质量(第 2 部分):平均倒数排名 (MRR) 和平均精度 (AP) 文章首先出现在 Towards Data Science 上。