在这个无代码 ML 系列的第 2 部分中，您将 Amazon SageMaker Canvas 连接到 Snowflake，准备交易数据并将其与 Data Wrangler 可视化转换结合起来，并训练 XGBoost 欺诈检测模型。所有这些都无需编写机器学习代码，为第 3 部分中的交互式仪表板奠定了基础。
上周我在 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）：Meta 站在开放 AI 模型的一边：https://www.rnz.co.nz/news/world/971653/meta-just-picked-a-side-in-a-big-debate-over-the-future-of-aiIndia 希望使用 AI 为那些需要批准贷款的人提供贷款否则不会得到它们。因为 2008 年并没有真正发生：https://www.theregister.com/ai-and-ml/2026/08/12/i
Tabular LLMs: An Introduction to the Foundation Models That Predict Your Spreadsheet
表格基础模型可以预测任何电子表格零样本中缺失的列，就像法学硕士完成文本的方式一样 - 在 TabArena 基准测试中，它们现在位于完全调整的梯度增强树之上。介绍了它们的工作原理、最强开放模型的独立复制，以及 XGBoost 仍然获胜的地图。后表格式法学硕士：预测电子表格的基础模型简介首先出现在《走向数据科学》上。
