七月必读-可扩展-AI-职业洞察力及更多
七月必读：可扩展 AI、职业洞察力及更多
原文：
towardsdatascience.com/july-must-reads-scalable-ai-career-insights-and-more/不要错过《变量》的最新一期，我们的每周通讯精选了编辑们的精选内容、深度分析、社区新闻等。
夏季放缓？在 TDS 不是这样。随着大型语言模型和AI 代理领域的新兴和令人兴奋的发展继续展开，我们的作者分享了关于尖端工具和方法的聪明和可操作见解，并发布了一些我们今年最受欢迎的文章。
继续阅读，发现或回顾七月最受欢迎的故事。它们涵盖了 agentic-AI 工作流程的内部运作和 Python 优化（以及其他许多主题），还包括了一组关于在快速变化的就业环境中数据科学和机器学习职业的顶级反思。
开发者构建可扩展 AI 指南：工作流程与代理
如Haily Quach在我们上个月最受欢迎的文章中所解释的那样，理解自主代理和编排工作流程之间的架构权衡至关重要——而且像您这样的从业者通过明智的产品决策可以获益良多。
如何使用强化学习微调小型语言模型以进行思考
如果您想进行一次技术深度探索？Avishek Biswas 提供了一份关于使用 PyTorch 进行 SLM 微调的优秀指南。
使用 Cython 库将您的 Python 代码运行速度提高至 80 倍
了解如何结合 C 的速度与 Python 的灵活性和适应性——托马斯·里德提出了一个四步计划，用于将 Cython 库集成到您的代码中。
职业洞察力聚焦
许多人正在为秋季求职做准备吗？看起来确实如此，因为七月最受欢迎的文章中有很多都集中在职业道路和长期增长的建议上。
6.5 年机器学习后的经验教训，作者：Pascal Janetzky
给有志于成为机器学习工程师的人的真诚建议，作者：Egor Howell
我作为自由职业数据科学家前 18 个月学到的经验，作者：CJ Sullivan
其他七月亮点
更多工具，更多分析，更多实战指导！不要错过我们本月其他精选文章：
- 《LLM 时代下的软件工程》，作者：Stephanie Kirmer
- 使用这些提示工程技巧和窍门成为更好的数据科学家，作者：Sara Nobrega
- 《使用 ChatGPT API 和 LangChain 的 RAG 指南》，作者：Maria Mouschoutzi
- 构建自定义 MCP 聊天机器人，作者：Mariya Mansurova
为 TDS 贡献力量
我们热爱发布新作者的文章，所以如果你最近写了一个有趣的项目教程、教程或对我们核心主题的理论反思，为什么不与我们分享？
浙公网安备 33010602011771号