环绕在我们周围的数据：从体育到家庭管理

原文towardsdatascience.com/the-data-all-around-us-from-sports-to-household-management-9ce3f2f97e4c?sourcecollection_archive---------11-----------------------#2024-09-12https://towardsdatascience.medium.com/?sourcepost_page---byline--9ce3f2f97e4c--------------------------------https://towardsdatascience.com/?sourcepost_page---byline--9ce3f2f97e4c-------------------------------- TDS 编辑团队·发表于 走向数据科学 ·通过 通讯 发送 ·4 分钟阅读·2024 年 9 月 12 日–想写你的第一篇 TDS 文章吗我们始终欢迎新作者的投稿。时不时地回顾并欣赏强大数据分析能够为日常生活的各个方面带来的价值是值得的。我们通常专注于商业成果和产品开发这是有充分理由的但这个世界远远超出了数据科学家常见的工作流程探索这一领域的丰富性对于实践者来说能够帮助他们提升无论他们目前从事的是哪类项目。为了庆祝数据驱动方法的多样化应用并鼓励我们的读者拓宽技能和想象力我们非常高兴地分享一系列精彩的文章这些文章带领我们踏上了与数据的意外旅程——从运动竞赛中的得分模式到婚礼上的优化桌位安排。祝您阅读愉快家庭数据科学使用蒙特卡洛和遗传算法解决保姆排班难题“想到工作会议、午休时间和不可预测的班次脑海里总是不断打转——直到我意识到我可以使用解决商业问题的相同算法来解决一个非常个人的问题。” Courtney Perigo 带我们走过了她为解决保姆排班这一棘手问题而创造的细致问题解决过程旨在确保在最需要的时刻安排好儿童照看。多项体育项目中的不均衡计分由于巴黎奥运会的记忆尚新现在正是深入探讨数据科学与体育交叉领域的好时机。David Mulholland 选择了一个看似小众但实际上具有深远影响的话题——十项全能和七项全能中的复杂计分系统并且通过细致的分析展示了如何通过智能数据分析揭示那些难以察觉的模式和见解。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/688d1670bea292c85f3e6ac7a0ab82cc.png摄影作品由Kenny Eliason提供来源于Unsplash。黄金的价格奥林匹克成功是富人专属吗继续探讨体育与数据的主题Maria Mouschoutzi 博士 借助她在统计学和数据可视化方面的知识以及作为一名艺术体操运动员的经验试图回答一个复杂的问题一个国家的经济状况在多大程度上影响其奥运奖牌数量爱的数学使用 Python 优化婚礼宴会厅座位安排聚焦于受限的二次多背包问题RQMKP、数学规划和 Python Luis Fernando PÉREZ ARMAS 博士 利用婚礼座位安排这一复杂的艺术展示了数据和数学如何帮助我们解决现实世界的问题——并概述了几种可以应用于其他更日常情境的扩展和高级方法。如果你准备好重新投入到我们的核心数据科学和机器学习话题我们本周有一系列一流的文章推荐给你为了简化并定制她的研究和演示流程Lingzhen Chen转向了最近推出的 LlamaIndex 功能并解释了如何有效使用它。在地理空间数据、机器学习和环境研究的交汇点上Conor O’Sullivan权衡了深度学习方法的优缺点在海岸侵蚀监测中的应用。刚开始接触强化学习吗不要错过Jesse Xia的适合初学者的指南使用的是 OpenAI Gymnasium Python 包中的环境。在一次彻底而易于理解的深度探讨中Nicolas Arroyo Duran提出了一种训练生成式机器学习模型的新方法该方法能够逼近任何具有多变量输出的随机函数。对于任何有兴趣了解前沿 RAG 方法的人Steve Hedden的最新实践指南提供了一个耐心的、逐步的 Graph RAG 实现流程使用知识图谱和向量数据库。你应该如何设计一个“入门”AI 项目特别是在那些尚未采用这项技术的公司中Julia Winn提供了具体的建议帮助产品经理拓展新的领域。以经典的“额头侦探”猜谜游戏为出发点Krzysztof K. Zdeb分享了他与 LLM 一起玩该游戏的实验结果并展开了关于模型当前推理能力的更广泛讨论。如果您经常处理地理空间数据并希望增长您对可用工具和流程的知识Amanda Iglesias Moreno 向我们展示了如何通过 Overpass API 提取地铁路线数据。感谢您支持我们作者的工作正如我们之前提到的我们热衷于发布新作者的文章所以如果您最近写过关于我们核心主题的有趣项目演示、教程或理论反思千万不要犹豫与我们分享。直到下一个变量TDS 团队