Édition de juillet Ressources sur le climat pour les scientifiques des données
July edition Climate resources for data scientists.
Édition mensuelle
De la recherche du bon ensemble de données à la transition vers une IA plus verte
Pour beaucoup d’entre nous, l’arrivée de l’été était autrefois une source d’excitation simple : la fin de l’école ; les horaires de travail souvent moins chargés ; la perspective d’un après-midi tranquille sur la plage ou dans le parc le plus proche.
Nous ne voulons pas gâcher vos bonnes vibrations estivales (en tant qu’équipe basée au Canada, nous apprécions une belle journée ensoleillée autant que quiconque), mais de nos jours, il est difficile de ne pas ressentir un mélange d’émotions plus complexe à l’égard de la saison chaude. Bon nombre de nos lecteurs vivent dans des régions touchées par des incendies de forêt (et leur fumée qui traverse les frontières), des sécheresses, des inondations et d’autres événements météorologiques extrêmes, et il est presque certain que nous connaîtrons davantage de ces phénomènes liés au changement climatique dans les années à venir.
Cependant, à la différence de nombreuses autres professions, les praticiens des données sont en mesure de jouer un rôle important dans les discussions sur le climat et d’apporter de véritables changements, que ce soit en aidant les communautés et les décideurs à prendre conscience de l’impact de leurs choix, ou en modélisant (et parfois en construisant) des solutions potentielles.
Nous avons rassemblé une sélection solide d’articles et de ressources axés sur le climat pour vous faire réfléchir aux moyens d’utiliser les données et les outils d’apprentissage automatique pour relever nos défis actuels (et futurs). Nous espérons que nos recommandations de lecture vous inspireront, au moins, à en apprendre davantage et à vous impliquer davantage dans ces conversations.
- Git Tags Qu’est-ce que c’est et comment les utiliser
- Explication des bases de données vectorielles en 3 niveaux de difficulté
- 10 questions les plus fréquemment posées sur les listes Python sur Stack Overflow
Avant de plonger, nous tenions à vous remercier, comme toujours, pour tout votre soutien. Pour ceux d’entre vous qui souhaitent apporter une contribution significative, envisagez de devenir membres d’IPGirl.
Les éditeurs de TDS
Faits saillants des éditeurs de TDS
- Cinq sources de données météorologiques gratuites et fiables (Anthony Baum, mai 2023, 6 minutes) et Les 5 meilleurs endroits pour trouver des ensembles de données sur le changement climatique (Eugenia Anello, juin 2023, 6 minutes) Avant de pouvoir commencer à travailler sérieusement sur les problèmes climatiques, les scientifiques des données doivent d’abord avoir accès à des données solides, fiables et à jour. Anthony Baum et Eugenia Anello ont chacun dressé une liste pratique de ressources répondant à ces critères.
- Impact des vols : Ajouter les émissions de carbone à l’itinéraire (janvier 2022, 4 minutes) Il est difficile de sensibiliser aux liens entre nos habitudes de consommation et le changement climatique lorsque ces deux domaines se rencontrent rarement dans notre vie quotidienne. Nina Sweeney cherche à changer cela en créant une application qui informe les voyageurs sur les émissions générées par leurs itinéraires.
- Séries temporelles pour le changement climatique : Réduire le gaspillage alimentaire avec le regroupement (juin 2023, 6 minutes) L’excellente série de Vitor Cerqueira sur l’analyse des séries temporelles a abordé les problèmes climatiques sous de nombreux angles. Un récent volet se penche sur le problème crucial du gaspillage alimentaire : “Réduire la surproduction est une étape importante pour réduire les émissions de gaz à effet de serre. Nous pouvons résoudre ce problème en comprenant mieux nos besoins.”
- Évaluation de l’anomalie de la température globale à l’aide des études spatiales de la NASA : Partie 1 (octobre 2022, 12 minutes) et Partie 2 (juin 2023, 10 minutes) Comment expliquer la fréquence des récents événements météorologiques extrêmes ? Himalaya Bir Shrestha examine les données de la NASA comme point de départ pour une exploration pratique des températures de surface mondiales.
- Accès et visualisation de modèles numériques de terrain avec Python (mars 2023, 7 minutes) Les gouvernements et autres organisations devront utiliser l’analyse des données géospatiales pour mieux se préparer à un climat changeant et protéger les personnes et les infrastructures de son impact potentiellement désastreux. Parvathy Krishnan (avec les coauteurs Mahdi Fayazbakhsh et Kai Kaiser) examine de près le rôle que pourraient jouer les modèles numériques de terrain dans ce contexte.
- IA verte : Méthodes et solutions pour améliorer la durabilité de l’IA (juin 2023, 9 minutes) Le coût environnemental de la formation, du déploiement et de l’exécution de modèles intensifs en calcul devient une préoccupation majeure, en particulier avec la démocratisation des outils d’IA générative. La récente présentation de Federico Peccia sur les initiatives d’IA verte et les recherches qui alimentent l’innovation dans ce domaine est une introduction utile pour tous ceux qui se soucient d’assurer une empreinte durable à la croissance de l’IA.
Fonctionnalités d’origine
Explorez notre dernière sélection de ressources et de recommandations de lecture.
- Le défi de comprendre la vision globale de l’IA Prenez du recul pour explorer les thèmes plus larges autour des récents développements en IA – nous avons sélectionné certains de nos meilleurs articles récents sur ce domaine en constante évolution.
- Pour les data scientists, il y a toujours une nouvelle compétence en Python à apprendre Des nouveaux packages aux flux de travail innovants, ne manquez pas notre collection de guides axés sur la programmation.
Articles populaires
En cas de manquement, voici quelques-uns des articles les plus lus du mois dernier sur TDS.
- Grands modèles de langage en biologie moléculaire par Serafim Batzoglou
- Exploiter le modèle Falcon 40B, le LLM open-source le plus puissant par Luís Roque
- Maîtriser l’ingénierie des invitations pour libérer le potentiel de ChatGPT par Idil Ismiguzel
- Ce que j’ai appris en poussant l’ingénierie des invitations à la limite par Jacob Marks, Ph.D.
- La crise cachée dans le développement open source : un appel à l’action par Adam King
- Comment mesurer la dérive dans les embeddings d’apprentissage automatique par Elena Samuylova
- Maîtriser ChatGPT : Résumé efficace avec LLMs par Andrea Valenzuela
Nous avons été ravis d’accueillir une nouvelle cohorte d’auteurs de TDS en juin – ils incluent Quý Đinh, Anthony Baum, Pablo Porto, Raul Vizcarra Chirinos, Matthew Gazzano, Terence Shin, Sarang Gupta, Fiona Victoria, Mariya Mansurova et Christopher Landschoot, entre autres. Si vous avez un projet ou une idée intéressante à partager avec nous, nous serions ravis d’en entendre parler !
Au plaisir de vous retrouver le mois prochain.
We will continue to update IPGirl; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Mise à l’échelle des données avec Python
- Rencontrez l’Évangéliste de l’IA chez Metaphy Labs
- 70% des développeurs adoptent l’IA aujourd’hui Une plongée dans l’essor des grands modèles linguistiques, des chaînes de langues et des bases de données vectorielles dans le paysage technologique actuel.
- Des chercheurs de Microsoft proposent un nouveau cadre pour l’étalonnage LLM en utilisant une auto-supervision optimale de Pareto sans utiliser de données d’entraînement étiquetées.
- L’IA et les jumeaux numériques pour libérer la prochaine vague d’innovation dans la recherche sur le climat
- Résumé de l’article Une approche hybride avec GAN et DP pour la préservation de la confidentialité des données de l’IIoT
- Analyse en base de données tirer parti des fonctions analytiques de SQL