TDS-Newsletter--November-Must-Reads-on-GraphRAG--ML-Projects--LLM-Powered-Time-Series-Analysis--and-More

TDS Newsletter: November Must-Reads on GraphRAG, ML Projects, LLM-Powered Time-Series Analysis, and More

towardsdatascience.com/tds-newsletter-november-must-reads-on-graphrag-ml-projects-llm-powered-time-series-analysis-and-more/

Never miss a new edition of The Variable, our weekly newsletter featuring a top-notch selection of editors’ picks, deep dives, community news, and more.

立即订阅

With the end of the year just a few weeks away, neither our authors nor our readers are showing any signs of slowing down.

We’re thrilled to have published some of our strongest articles of the year in the past month: practical guides on LLM workflows and resources on 职业成长, Python-focused tutorials, and deep dives on recently launched tools, among other standout topics. Read on to catch up with (or revisit) November’s most-read stories.

Graph RAG vs SQL RAG

哪种数据库范式能提供更准确和有洞察力的结果？Reinhard Sellmair 通过将 GraphRAG 和 SQL RAG 进行对比，使用相同的 dataset 和问题来评估两种类型的 RAG 系统的性能。

Graph RAG vs SQL RAG

LLM-Powered Time-Series Analysis

在 Sara Nobrega 受欢迎系列的第二部分中，我们了解到高级模型开发所需的提示（例如 ARIMA 和 LSTM）。

LLM-Powered Time-Series Analysis

如何构建能助你获得聘用的机器学习项目

Not all ML portfolios are created equal. Egor Howell shares time-tested insights on what works — and what doesn’t.

如何构建能助你获得聘用的机器学习项目

其他 11 月亮点

Don’t miss our other top reads from the past month, tackling NumPy, Multimodal RAG, marimo notebooks, and many other topics — both evergreen and cutting edge.

NumPy for Absolute Beginners: A Project-Based Approach to Data Analysis, by Ibrahim Salami

NumPy for Absolute Beginners: A Project-Based Approach to Data Analysis

通过 Excel 理解卷积神经网络 (CNNs), by Angela Shi

通过 Excel 理解卷积神经网络 (CNNs)

使用 C 将 Python 运行速度提高 150 倍, by Thomas Reid

使用 C 将 Python 运行速度提高 150 倍

如何构建一个过度设计的检索系统，作者：Ida Silfverskiöld

如何构建一个过度设计的检索系统

构建一个能够从来源中响应文本、图像和表格的多模态 RAG，作者：Partha Sarkar

构建一个能够从来源中响应文本、图像和表格的多模态 RAG

Parul Pandey 的《为什么我要转向 marimo 笔记本》

为什么我要转向 marimo 笔记本

你的下一个“大型”语言模型可能并不大，作者：Moulik Gupta

你的下一个“大型”语言模型可能并不大

如果您错过了：我们最新的作者问答

我们热爱分享我们作者的专业知识、职业洞察以及对数据科学和人工智能领域最新发展的观点。以下是我们的最新作者聚焦。

  • “系统思维帮助我把大局放在首位”

    郭帅关于深度研究代理、分析型 AI 与基于 LLM 的代理以及系统思维。

“系统思维帮助我把大局放在首位”

  • “人工智能产品的成功取决于用户如何直观地与其功能互动”

    Janna Lipenkova 关于 AI 策略、AI 产品以及领域知识如何改变整个 AI 解决方案的形状。

“人工智能产品的成功取决于用户如何直观地与其功能互动”

认识我们的新作者

我们希望您花时间探索 TDS 最新一批贡献者的杰出作品：

  • Jure Leskovec，斯坦福大学计算机科学教授和企业家，解释了为什么 LLM 不是公司的一劳永逸的解决方案。

为什么 LLM 不是企业的一劳永逸的解决方案

  • Sherin Sunny，沃尔玛的高级工程师，向我们介绍了旨在检测叶片的计算机视觉项目的创建过程。

如何通过深度特征嵌入和欧几里得相似性实现自动植物叶片识别

  • Manuel Franco de la Peña向我们介绍了 ShaTS，这是一种基于 Shapley 的新颖可解释方法，专门为时间序列模型设计，是他共同创建的。

介绍 ShaTS：时间序列模型基于 Shapley 的方法

我们喜欢发布新作者的文章，所以如果你最近写了一个有趣的项目演练、教程或对我们核心主题的理论反思，为什么不与我们分享呢？

我们期待您的反馈，作者们！

你是现有的 TDS 作者吗？我们邀请你完成一个 5 分钟的调查填写调查，以便我们可以改进所有贡献者的出版流程。

订阅我们的通讯

posted @ 2026-03-27 10:05  布客飞龙II  阅读(3)  评论(0)    收藏  举报