Towards Data Science

Softmax 回归实际上是将 Logistic 回归扩展到多类的形式。通过为每个类别计算一个线性得分，并使用 Softmax 对其进行归一化，我们得到……

在 Author Spotlight 系列中，TDS Editors 与我们社区的成员聊天，讨论他们在 data science 和 AI 领域的职业路径、他们的写作以及他们的来源……

介绍 如果你从事数据科学、数据工程，或作为前端/后端开发人员，你会处理 JSON。对于专业人士来说，它基本上只…

Ridge 和 Lasso 回归常被认为是线性回归的更复杂版本。实际上，预测模型保持完全一致。What ch...

了解如何通过本地测试成为更高效的程序员。本文《如何提升编码迭代速度》首次发表于 Towards Data Science....

这个小技巧可以提升训练的稳定性，使用更大的学习率，并改善可扩展性。The post NeurIPS 2025 Best P...

在本文中，我们直接在 Excel 中一步一步重建 Logistic Regression。帖子《Machine Learning “Advent Calendar” 第 12 天：Excel 中的 Logistic Regression》

大多数深度学习的突破——从简单的神经网络到大型语言模型——都建立在一个比人工智能本身更古老的原理之上：decen...

大家好！欢迎加入我称之为“EDA in Public”的重大数据之旅的开始。对于了解我的人来说，我相信学习任何事物的最佳方式是……

引言 我们如何在大规模队列中识别潜在的患者群体？我们如何找到超越已知共病的患者相似性？

线性回归看起来很简单，但它引入了现代机器学习的核心概念：损失函数、优化、梯度、缩放和解释……

一步一步的教程，探讨 Python Turtle 模块。文章《Drawing Shapes with the Python Turtle Module》首次发表于 Towards Data Science....

我在经历了太多慢速 notebook 和冻结会话后，对加速 Pandas 的经验总结——《每位数据科学家都应该了解的 7 个 Pandas 性能技巧》。

了解基于 LLM 的代理在使用 LangGraph 的多代理系统中如何相互转移控制权。本文《代理交接在多代理系统中的工作原理》……

DBSCAN 展示了我们仅凭一个非常简单的想法可以走多远：统计每个点附近有多少邻居。帖子《机器学习 “Advent Calendar” 第一天》……

学习如何通过持续学习的 LLM 成为一名高效工程师。文章《How to Maximize Agentic Memory for Continual Learning》首次发表于 Towards...

招聘人员在机器学习作品集中寻找的内容。文章《不要在没有这些项目的情况下构建机器学习作品集》首次发表于 Towards Data Science。

加速 CPU 上 AI/ML 的技巧 — 第 2 部分 文章《Optimizing PyTorch Model Inference on AWS Graviton》首次发表于 Towards Data Science....

在本文中，我们通过三个简单步骤来探索 LOF：distances and neighbors、reachability distances，以及最终的 LOF score。使用 tiny datasets，我们可以看到……

构建一个自托管的端到端平台，为每个用户提供一个个人的、agentic 聊天机器人，能够自主地对用户明确指定的文件进行 vector-search。

从创意到影响：将 AI 作为加速副驾驶 本文《如何开发 AI 驱动的解决方案，加速 AI》首次发表于 Towards Data Science。

更智能的检索策略，性能超越稠密图——采用混合流水线且成本更低。文章《GraphRAG 实践：如何构建成本高效的…》。

如何在2026年通过真实、可用的项目学习AI 《A Realistic Roadmap to Start an AI Career in 2026》首次发表于Towards Data Science....

为什么 on-device intelligence 和 low‑orbit constellations 是实现 universal accessibility 的唯一可行路径 —— 文章《Bridging the Silence: How LEO Satellites …》