MLXN: Machine Learning for X-ray and Neutron Scattering
在之前会议成功的基础上，劳伦斯伯克利国家实验室（2023 年）和慕尼黑工业大学（2024 年）举办了现场研讨会，随后举办了 MLXN25，这是去年的在线 24 小时活动，汇聚了研究人员和从业者
I Quit My $130,000 ML Engineer Job After Learning 4 Lessons
他们没有告诉您的关于“梦想技术工作”的内容“我在学习 4 节课后退出了价值 130,000 美元的机器学习工程师工作”一文首先出现在《走向数据科学》上。
The Machine Learning Lessons I’ve Learned This Month
2026 年 2 月：与他人交流、文档和 MLOps 我本月学到的机器学习课程一文首先出现在走向数据科学上。
Forthcoming machine learning and AI seminars: March 2026 edition
本文包含计划于 2026 年 3 月 2 日至 4 月 30 日期间举行的人工智能相关研讨会的列表。此处详细介绍的所有活动都是免费开放的，任何人都可以通过虚拟方式参加。 2026 年 3 月 2 日 三场演讲：1) 解释聚类分析中先验知识的偏差，2) 用于优化的可解释代理，3) […]
depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers
PyTorch \texttt{2.x} 引入了一个旨在加速深度学习程序的编译器。然而，对于机器学习研究人员来说，充分发挥 PyTorch 编译器的潜力可能具有挑战性。编译器在 Python 字节码级别运行，使其看起来像一个不透明的盒子。为了解决这个问题，我们引入了 \texttt{depyf}，这是一个旨在揭开 PyTorch 编译器内部工作原理的工具。 \texttt{depyf} 将 PyTorch 生成的字节码反编译回等效的源代码，并在内存中的代码对象与其磁盘上的源代码之间建立连接...
The Evolving Role of the ML Engineer
Stephanie Kirmer 讲述了 2000 亿美元的投资泡沫、人工智能公司如何重建信任，以及她的日常工作如何随着法学硕士的兴起而发生变化。机器学习工程师的角色演变一文首先出现在《走向数据科学》上。
Machine Learning Meets Markowitz
Yijie Wang、Hao Gau、Campbell R. Harvey、Yan Liu 和 Xinyuan Tao 在这篇新的 NBER 论文中让机器学习与 Harry Markowitz 相遇：投资组合选择的标准方法包括两个阶段：预测资产回报，然后将其插入优化器。我们认为这种分离是有严重问题的。第一阶段处理横截面 [...]
A Machine Learning-Enabled Venom Peptide Platform for Rapid Drug Discovery
用于快速药物发现的机器学习毒液肽平台摘要背景/目标：大自然已进化出数百万种具有多种生物功能的毒液衍生肽，其中很大一部分靶向复杂的膜蛋白，例如 G 蛋白偶联受体和离子通道。许多这些肽通过多个二硫键稳定，赋予它们优异的结构稳定性和有利的药理学特性。方法：利用这种自然多样性，我们开发了一个基于噬菌体展示技术的强大的毒液肽治疗发现系统，并使用大约 482 个毒液衍生支架构建了一个库。该文库设计以机器学习 (ML) 模型为指导，该模型能够预测耐受突变的残基，从而保留肽的可折叠性，最大限度地提高结构完整性和序列多样性。结果：通过筛选四种不同靶标（CD47、DLL3、IL33 和 P2X7R）对所得 VCX
Unlock Growth With AI And Machine Learning
通过人工智能和机器学习解锁增长——信息图 标题为“通过人工智能和机器学习解锁增长”的信息图清晰、结构化地概述了企业如何通过增长人工智能实现可持续成功。它强调了人工智能和机器学习可以改变运营、改进决策和推动创新的五个核心领域。旅程始于[…]《用人工智能和机器学习解锁增长》一文首先出现在电子学习信息图表上。
The Machine Learning Lessons I’ve Learned Last Month
一月延迟：截止日期、停机时间和流程时间《我上个月学到的机器学习课程》一文首先出现在《走向数据科学》上。
Is Your Machine Learning Pipeline as Efficient as it Could Be?
以下是需要审核的五个关键管道领域，以及节省团队时间的实用策略。
Forthcoming machine learning and AI seminars: February 2026 edition
本文包含计划于 2026 年 2 月 4 日至 3 月 31 日期间举行的人工智能相关研讨会的列表。此处详细介绍的所有活动都是免费开放的，任何人都可以虚拟参加。 2026 年 2 月 4 日“公共”，被颠覆：技术对民主的变革性影响 演讲者：Neli Frost 组织者：[…] 研究所
Machine Learning in Production? What This Really Means
从笔记本电脑到现实世界的系统生产中的后机器学习？这到底意味着什么首先出现在《走向数据科学》上。
Modeling Urban Walking Risk Using Spatial-Temporal Machine Learning
根据现实世界的事件数据估计社区级行人风险使用时空机器学习对城市步行风险进行建模的帖子首先出现在走向数据科学上。
Gartner: ИИ, встроенный в облачные ERP, ускоряет закрытие финансовой отчетности
到 2028 年，由于机器学习、生成式 AI 和人工智能 AI 代理，金融功能的效率将提高 30%。
就像一个沿海地区的学生终于体验到了稳定的互联网连接，现在可以在社交媒体浏览之外修补人工智能应用程序，或者知道如何通过简单的机器学习应用程序来监控他的供应的食品摊位老板。不，这些不是技术大会期间描绘的场景。这些是信息和通信技术部发布的报告中记录的一些成果，该报告介绍了其不断发展的“Digital Bayanihan”计划，该计划旨在为全国学生和中小微企业提供连接和人工智能素养。这个项目也是基础设施建设和AI素养的结合。至 [...]
Weekly Review 27 February 2026
我上周在 Twitter 上发布的一些有趣的链接（我还在 Mastodon、Threads、Newsmast 和 Bluesky 上发布了这些链接）：Greenwashing 与任何其他行业一样适用于 AI：https://www.theguardian.com/technology/2026/feb/17/tech-companies-traditional-ai-generative-climate-breakdown-report 目前还没有新西兰律师被发现使用 AI 生成其提交的材料： https://www.leightonassociates.co.nz/post/no-nz-la
New technology lets plants tell farmers when they are thirsty
该工具结合了微型传感器、简单的硬件、软件和机器学习。《新技术让植物告诉农民何时口渴》一文首先出现在《今日佐治亚大学》上。
