TDS-时事通讯-AI-时代数据科学的快速转型
TDS 时事通讯：AI 时代数据科学的快速转型
原文：
towardsdatascience.com/tds-newsletter-the-rapid-transformation-of-data-science-in-the-age-of-ai/不要错过《变量》的每一期新版本，这是我们每周的时事通讯，精选编辑推荐、深度分析、社区新闻等内容。
职业不会一夜之间改变，你也很难指出一个能永远改变它们的单一时刻。像这样的复杂过程需要时间，需要积累无数新的习惯、工具和商业决策。
本周，我们重点介绍了三篇关于当前数据科学状态的优秀文章。它们从不同的角度探讨这个话题，但它们都敏锐地意识到 AI 驱动的工作流程的日益广泛采用，以及后者如何在短短几年内（上下浮动）使数据科学成为一个截然不同的学科。让我们深入探讨。
我如何使用 ChatGPT 获得下一份数据科学工作
除了算法和 Python，对于数据从业者来说，现在的求职可能是最大的共同点。这是一个（有时令人害怕的）新世界，其中角色定义的变动和 LLM 在招聘流程每个步骤中的日益增多，使得一个压力重重的过程变得更加难以应对。Yu Dong的新文章建议是时候扭转局面了，并展示了如何利用 ChatGPT 等工具来提高申请者的机会。
过去是序章：对话分析如何改变数据工作
Whitney Marks 分享了如何在数据团队跨过渡期中茁壮成长的具体和可操作的见解：他们不再是仅仅的仪表板和模型构建者，他们的未来成功依赖于逐步过渡到 AI 经理的角色。
表格基础模型兴起如何重塑数据科学
结构化数据即使是对于最先进的 LLM 来说也是一个挑战。正如 Pirmin Lemberger 解释的那样，新的基础模型正在改变这一点，并可能使数据库和电子表格对生成式 AI 来说更容易消化。
本周最受欢迎的文章
从代理 AI 教程到数据可视化的入门，不要错过上周与读者产生共鸣最多的文章。
如何进行有效的代理上下文工程，作者：Eivind Kjosbakken
数据可视化解析（第三部分）：色彩的作用，作者：Murtaza Ali
Plotly Dash——多页仪表板的框架结构，作者：Michael Clayton
其他推荐阅读
如果你这周想探索更多的话题、方法和工具，我们有一些顶级的贡献供你选择。
- MobileNetV2 论文解读：更智能的小巨人，作者：Muhammad Ardi
- 2025 年秋季的 10 个数据+AI 观察，作者：Barr Moses
- 如何使用 Cookiecutter 构建项目结构，作者：Elena Jolkver
- 块状梦境——MineWorld，我的世界模型，作者：Youssef Farag
- 古典计算机视觉和视角变换用于数独提取，作者：Florian Trautweiler
认识我们的新作者
我们希望您花时间探索 TDS 最新一批贡献者的优秀作品：
- Illia Smoliienko通过轴承振动数据分析的例子，探讨了人工智能在分析中的局限性。
- Elisha Rosensweig和 Eitan Wagner 对振动编码是传统编程改进的观点泼了一盆冷水。
我们喜欢发布新作者的文章，所以如果你最近写了一篇关于我们核心主题的有趣的项目教程、教程或理论反思，为什么不与我们分享呢？
订阅我们的通讯简报
浙公网安备 33010602011771号