如何从数据分析师过渡到数据科学家的角色？
对于数据分析领域的许多专业人士来说，从数据分析师过渡到数据科学家可能是一个自然的下一步。作为一名数据分析师，你可能已经在统计学、编程和数据库管理方面有了强大的基础，但成为一名数据科学家需要对机器学习算法有更深入的了解，并有能力使用这些算法来解决复杂的问题。在这篇文章中，我们将探讨你可以采取哪些步骤从数据分析师过渡到数据科学家。
语言模型在虚假信息活动中存在误用——如何降低风险？
我们认为，关键是要分析AI影响Influence Operations后产生的威胁，以果推因，概述在大规模使用语言模型之前可以采取的措施。我们希望我们的研究能为AI或虚假信息领域的新政策制定者提供帮助，并帮助AI开发人员、政策制定者和虚假信息研究人员对解决办法进行深入研究。
数据故事化101：数据科学家和AI从业者的基本策略
无论你是经验丰富的专家还是刚入门的小白，这些技术都将帮助你把数据转化为引人注目的叙事，从而推动结果。在这篇文章的最后，你将会得到一个框架，将数据故事化的关键元素纳入到你的下一个演示、演讲或提案中。
数据科学家成功的5项基本软技能
尽管在数据科学中拥有健全的技术技能是很好的，但软技能的发展同样重要，甚至更重要。培养这些技能将会帮助你从人群中脱颖而出，如果你决定改变职业道路或进入更高级的职位，也会在未来的职位上为你提供帮助。在这篇文章中，我们将介绍为了成为一名成功的数据科学家，你应该培养的5项基本技能。
数据科学家必备的3个Jupyter Notebook扩展工具
本文我们将介绍三个最有用的Jupyter Notebook扩展工具，提高你的工作效率和工作质量。无论你是想改变电脑外观，赋予其新感觉、添加新功能还是简化工作流程，这些扩展工具都能满足你的需求。
助手类（Helper Classes）工具：帮助你精通数据科学工作流
在计算机编程中，类是组织数据(属性)和函数(方法)的有用方法。你可以定义一个类，然后用来定义与机器学习模型相关的属性和方法，比如，此类类的实例可能具有诸如训练数据文件名、模型类型等属性。与这些属性相关的方法可以是拟合、预测和验证。
为什么在R和Python之间选择？
R中的reticulate包允许你在R会话中执行Python代码。它实际上已经存在了几年并且一直在不断改进，所以我想写一个简要的教程来介绍它是如何工作的。如果你是R的原生用户，建立和运行reticulate需要你对Python的工作原理有一些了解——以及它通常如何进行环境管理——因此，本教程可能会帮助你更快地设置好它而不是你自己去解决。
MLOps简介：机器学习的实验跟踪
想象一下，你正在尝试开发一种最好的巧克力饼干的食谱。第一次尝试后，你可能会增加面粉的量。有一次，你可能会加更多的巧克力片。下次你可以试着加点核桃。最后，你可能尝试了十几种食谱，但哪一种是最好的呢？我相信你也同意在这个过程中做笔记是个好主意。
