LLM 应用、关键数据技能、多代理 AI 系统及其他七月必读文章
原文：
towardsdatascience.com/llm-apps-crucial-data-skills-multi-ai-agent-systems-and-other-july-must-reads-a660a846cda8?source=collection_archive---------6-----------------------#2024-07-04
https://towardsdatascience.medium.com/?source=post_page---byline--a660a846cda8--------------------------------https://towardsdatascience.com/?source=post_page---byline--a660a846cda8-------------------------------- TDS 编辑
·发表于Towards Data Science ·通过新闻通讯发送 ·阅读时间：4 分钟·2024 年 7 月 4 日
–
感觉受到了启发，想写下你的第一篇 TDS 文章吗？我们始终欢迎新作者的投稿。
如果你所在的地方已经是夏天，我们希望你能充分利用温暖的天气和（希望？也许？）更加放松的日常节奏。当然，学习永远不会停止——至少对数据科学家而言如此——所以如果你认为美好的时光是挑战新课题、探索前沿工具和工作流程，那么你将迎来一场盛宴。
我们七月的亮点由上个月在读者中引起最大反响的文章组成，涵盖了广泛的实用话题——其中许多文章旨在帮助你提高自身标准，拓展技能。让我们一起深入了解吧！
每月亮点
我在 Uber、Meta 和初创公司 10 年的经历教会了我数据分析的知识提供建议很容易；但根据 10 年的多元化数据领导经验，提出可操作的、经过时间验证的见解则需要付出更多努力——在Torsten Walbaum的文章中，这一努力绝对值得。
作为数据科学家，我如何使用 ChatGPT我们是否终于迎来了 LLM 工具能够显著简化数据专业人士核心任务的时刻？正如Egor Howell所解释的，如果你在如何以及在哪里将 ChatGPT 集成到工作流中做出聪明的选择，你的生产力可能已经开始显著受益。
330 周的数据可视化：我的历程与关键收获在进行超过五年的每周数据可视化创作后，Yu Dong回顾了持续性的价值，并为现有和未来的数据科学家提供了有益的建议，帮助他们在制作图表、绘图和信息图时提升自己的技能。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/84358a724b51c271cb1f084100d2c0a9.png
照片由Emily Studer拍摄，发布于Unsplash
构建 LLM 应用程序：清晰的逐步指南许多机器学习从业者都有很棒的 AI 产品创意，但正如Almog Baku所指出的，“目前没有建立的最佳实践，很多先驱者在没有清晰路线图的情况下，要么需要重新发明轮子，要么会陷入困境。”幸运的是，随着 Almog 为导航复杂的 LLM 原生开发领域制定了蓝图，这种情况已经不再发生。
多 AI 代理系统 101在 LLM 成为主流后不久，产品工程师们开始发现它们所带来的各种痛点和瓶颈。Mariya Mansurova最近发布的指南介绍了应对这些挑战的最有前景的策略之一：多代理 AI 系统，在这种系统中，每个代理都拥有自己专门的“技能”，可以与其他代理协作。
2024 年你不能忽视的 5 项数据科学技能在她的精彩职业导向总结中，Sara Nóbrega观察到：“虽然大学和正式教育提供了一些基本技能，但它们往往无法为学生提供进入公司所需的实际知识。”Sara 旨在填补这一空白，推荐数据科学家应该专注的五个领域，以便在当今的就业市场中茁壮成长。
17 种（高级）RAG 技术，将您的 LLM 应用原型转化为生产就绪解决方案如果您需要随时调整、优化或升级您的检索增强生成系统，请务必收藏Dominik Polzer最近的贡献，他的内容远远超越了基础知识，涵盖了元数据、查询路由、句子窗口检索等更多内容。
微调小型变换器模型：文本分类我们通过一篇出色的项目操作指南来完成本月的内容，由Ida Silfverskiöld呈现：它耐心地概述了微调小型变换器模型以处理 NLP 任务的过程，使用一个经过预训练的编码器模型，通过二分类来识别点击诱饵与事实类文章。
我们最新的一批新作者
每个月，我们都非常高兴看到一批新的作者加入 TDS，他们每个人都在与我们的社区分享自己独特的声音、知识和经验。如果你正在寻找新的作家来探索和关注，只需浏览我们最新加入的作者作品，包括 孟柳赵、罗比·乔治根、亚历克斯·德雷莫夫、托尔斯滕·沃尔鲍姆、杰雷米·纽尔、杰森·贾、阿克查伊·斯里瓦斯塔瓦、罗曼·S、詹姆斯·蒂欧、路易斯·费尔南多·佩雷斯·阿尔马斯博士、莉亚·吴、W·卡登·哈姆里克、杰克·摩尔、埃迪·福尔森、卡尔斯滕·弗罗姆霍尔德、丹尼拉·莫罗佐夫斯基、比曼·查克拉博提、让·梅尼尔-皮翁、肯·基霍、罗伯特·洛内、普拉纳夫·贾达夫、科内利乌斯·尤达·维贾亚、维托·里哈尔迪吉兰、贾斯廷·劳夫林、伊吉特·阿西克、特穆·索尔穆嫩、拉尔斯·维克、瑞亚·戈尔、瑞安·德库尼亚、冈萨洛·埃斯皮诺萨·杜埃洛、阿基拉·索马顺达兰、梅尔·里奇博士、洛伦·辛克森、乔纳森·R·威利福德博士、丹尼尔·洛、妮可·任、丹尼尔·波拉克、斯特凡·托多兰、丹尼尔·科哈·乐、阿维谢克·比斯瓦斯、埃亚尔·特拉贝尔西、本·奥尔尼、迈克尔·B·沃克、埃莉诺·汉娜 和 玛格达·恩特西卡。
感谢您支持我们作者的工作！我们非常喜欢发布新作者的文章，如果你最近写了一篇有趣的项目 walkthrough、教程，或是关于我们核心主题的理论思考，别犹豫，与我们分享。
直到下一个变量，
TDS 团队