Ti senti ispirato a scrivere il tuo primo post su TDS? Siamo sempre aperti ai contributi di nuovi autori.
Quando pensiamo alla risoluzione dei problemi, la nostra attenzione tende a concentrarsi sul risolvere parte: il potente hack, un nuovo strumento magico, poche righe di codice che fanno scattare tutto al suo posto. In realtà, devono accadere molte cose affinché questi ritocchi finali funzionino: dallo sviluppo di una solida comprensione di quale sia effettivamente il problema, alla definizione di un processo praticabile che ci garantisca di trovare un successo costante piuttosto che un semplice cerotto temporaneo.
I nostri highlights settimanali di questa settimana si distinguono per il loro approccio olistico alla ricerca di soluzioni efficaci a sfide occasionalmente spinose. Offrono uno sguardo sulla mentalità dei professionisti mentre esplorano le risorse disponibili (dati, strumenti e tempo, solo per citarne alcuni) e valutano i pro e i contro dei diversi flussi di lavoro. Pensiamo che potrebbero ispirarti a vedere qualunque progetto su cui stai lavorando in questo momento da una nuova prospettiva. Buona lettura!
- Pensiero algoritmico per data scientist
Per un'introduzione approfondita ai vantaggi del pensiero algoritmico, che implica “combinare logica rigorosa e creatività per inquadrare, risolvere e analizzare problemi, di solito con l'aiuto di un computer”, da non perdere chinmay kakatkarè un articolo eccellente. L'obiettivo è scrivere codice efficiente, ma potresti applicare i principi qui esposti a un'ampia gamma di casi d'uso. - La guida definitiva per trovare valori anomali nei dati delle serie temporali (Parte 1)
Rilevare modelli ed eliminare anomalie nel set di dati rimane un compito essenziale per i data scientist. Sara NobregaLa nuova guida di è una risorsa ampia e utilizzabile che delinea diverse tecniche potenti e si concentra su come scegliere quella giusta per il progetto a cui stai lavorando. - Jet Sweep: ottimizzazione del percorso per visitare ogni squadra NFL a casa
Il problema del commesso viaggiatore è una classica sfida di ottimizzazione; Sejal Due presenta una panoramica avvincente della sua complessità teorica e introduce alcuni colpi di scena: guardiamo agli stadi della NFL invece che ai percorsi di vendita e utilizziamo la programmazione lineare e i dati geospaziali per generare il miglior itinerario possibile per visitarli tutti.
Fonte: towardsdatascience.com
