La data science è uno dei settori che si muovono più velocemente. Ogni giorno escono nuovi paper, pacchetti, tutorial e tecnologie, e a volte è difficile stare al passo. Per chi lavora con i dati, restare aggiornato sulle ultime novità è fondamentale per continuare a imparare e crescere. In questo articolo trovi una raccolta delle ultime notizie, dei tutorial, delle ricerche e degli insight che potresti esserti perso lo scorso mese.
Nuovi tutorial pubblicati
Due modi per creare transformer personalizzati con scikit-learn
Questo post su Towards Data Science propone un tutorial piuttosto semplice su come creare un transformer personalizzato usando scikit-learn. Scikit-learn è uno dei pacchetti più usati nella data science, e probabilmente il framework di machine learning più popolare. Offre numerose funzionalità di pre-processing come One Hot Encoding, MinMax Scaling e altro. A volte, però, è necessario usare funzioni di pre-processing personalizzate invece di quelle predefinite come One Hot Encoder. Questo tutorial ti insegna a creare transformer personalizzati in scikit-learn per semplificare il pre-processing dei dati per il machine learning.
MLOps in BigQuery ML con Vertex AI
Nell’ultimo anno, le big tech hanno fatto grandi passi avanti nel campo degli MLOps. Portare i modelli di machine learning in produzione è una delle sfide maggiori per i team data di oggi. Questo video offre un rapido tutorial su come usare insieme Vertex AI e BigQuery ML di Google Cloud per costruire una pipeline Vertex AI pronta per la produzione.
I nuovi tutorial Power BI di DataCamp
Con il lancio del nuovo Percorso Data Analyst in Power BI in collaborazione con Microsoft, DataCamp ha pubblicato alcuni tutorial su Power BI nell’ultimo mese. Power BI è uno degli strumenti di business intelligence più usati, e se la tua azienda utilizza Microsoft Office, è probabile che tu l’abbia già a disposizione. È anche un ottimo trampolino per chi vuole andare oltre Excel ed entrare più a fondo nel mondo dei dati. Questi tutorial coprono tutto il lavoro con Power BI, dal Passare da Excel a Power BI, a un tutorial più approfondito su Power BI per principianti, Data Modeling in Power BI e un tutorial su le formule DAX di Power BI per principianti. Puoi anche scaricare questo comodo cheat sheet mentre prosegui nel tuo percorso di apprendimento.
Ricerca pionieristica in Machine Learning
DALLE-2 di OpenAI
Nell’ultimo mese, OpenAI ha stupito il mondo con il suo algoritmo di generazione di immagini DALLE-2. OpenAI ha addestrato questo nuovo modello di machine learning per creare immagini e opere d’arte fotorealistiche a partire da un semplice input testuale in linguaggio naturale. DALLE-2, successore di DALLE-1, raggiunge un alto livello di fotorealismo usando un processo chiamato “diffusione”, che crea un pattern di punti casuali e lo modifica gradualmente fino a formare un’immagine riconosciuta a partire dal testo. Puoi leggerne qui, e guardare Isabella Leslie Miller, Data Journalist di DataCamp, che lo spiega nel nostro video settimanale di notizie.
Pathways Language Model (PaLM)
PaLM mostra il primo utilizzo su larga scala del sistema Pathways. L’architettura del sistema Pathways è stata introdotta da Google lo scorso anno per addestrare in modo efficiente una nuova generazione di modelli in grado di svolgere una varietà di compiti in diversi domini. Con PaLM, Google ha creato un enorme modello Transformer da 540 miliardi di parametri che ha raggiunto lo stato dell’arte in vari compiti di linguaggio e ragionamento. Questi compiti spaziano dalla generazione di codice alla spiegazione di barzellette, dall’identificazione di causa ed effetto e altro ancora. Dai un’occhiata all’articolo per approfondire Pathways e i tipi di casi d’uso che PaLM rende possibili.
Nuovi pacchetti e modelli
Rilascio di PyTorch 1.11
Con il rilascio di Pytorch versione 1.11 arrivano diverse migliorie. L’ultima versione di PyTorch offre ora le versioni beta di TorchData, il successore delle API DataLoader, e di functorch, che fornisce trasformazioni di funzioni componibili per i moduli PyTorch. Oltre all’introduzione di queste funzionalità, PyTorch 1.11 vanta diversi miglioramenti prestazionali, come l’avvio più rapido del 40% per le distribuzioni su mobile e edge, e altro. Per saperne di più su PyTorch, dai un’occhiata a questo corso DataCamp per principianti.
EpyNN 1.2.7
EpyNN sta per “Educational python for Neural Networks”. È pensato per insegnanti, studenti, scienziati e chiunque abbia competenze Python relativamente basilari e desideri capire e costruire reti neurali da zero. Fornisce numerosi template di architetture ed esempi pratici che riducono il tempo necessario per imparare a sviluppare reti neurali da zero.
Training del Large Language Model di BigScience (tr11-176B-ml-logs)
BigScience è uno spazio molto seguito su Hugging Face e ha la missione di creare modelli linguistici su larga scala in modo aperto con migliaia di ricercatori in tutto il mondo. L’addestramento del modello principale di BigScience è iniziato l’11 marzo 2022 e durerà tre o quattro mesi su 384 GPU A100 da 80 GB del supercomputer pubblico Jean Zay. Questo modello open source avrà 176 miliardi di parametri e un’architettura di tipo GPT solo decoder. Puoi seguire gli aggiornamenti sul training su Twitter—e potrai usare il modello intorno a giugno.
Casi d’uso di Data Science e Machine Learning
La Liga collabora con Databricks per l’analisi calcistica
Il team di analytics de La Liga ha stretto una partnership con Databricks per implementare un data lakehouse nell’infrastruttura analitica della lega. Questo permetterà a La Liga Tech—la nuova divisione analytics unificata della lega—di strutturare e gestire i dati in modo molto più efficiente e di sfruttare il machine learning in casi d’uso interessanti come la previsione degli infortuni, i contenuti consigliati per i tifosi e altro.
Usare il Deep Learning per annotare l’universo delle proteine
Gli scienziati usano da tempo strumenti computazionali per dedurre e annotare la funzione di una proteina direttamente dalla sua sequenza. Il team AI di Google ha utilizzato con successo il Deep Learning per prevedere in modo affidabile la funzione delle proteine; lo chiamano ProtENN, e ha permesso di aggiungere circa 6,8 milioni di voci al database di Pfam. Il team AI di Google ha rilasciato il modello ProtENN e un articolo interattivo in stile distill per fare esperimenti. Risolvere questi tipi di problemi consentirà scoperte di farmaci e terapie nuove, più rapide e affidabili grazie al machine learning.
Insight e opinioni
Dare potere al data analyst moderno
Nell’ultimo podcast DataFramed, Peter Fishman, CEO di Mozart Data, analizza lo stato del moderno stack dati e come gli strumenti più recenti nella data science siano pensati per dare più potere al data analyst di oggi. Inoltre, racconta la sua esperienza alla guida di team data, cosa rende eccellente un data analyst, l’importanza dell’expertise sul dominio e dell’ascolto degli utenti, e altro ancora. Ascolta e iscriviti a DataFramed ovunque tu prenda i tuoi podcast.
Gli MLOps sono un caos, ma è normale
In questo articolo, Mihail Eric, fondatore di Confetti AI, condivide le sue riflessioni sullo stato degli strumenti per gli MLOps oggi. Proprio come suggerisce il titolo, Mihail spiega in modo brillante quanto sia frammentato il panorama degli strumenti per il Machine Learning. Poiché le operazioni di machine learning sono ancora agli inizi, gli standard, gli strumenti e le best practice sono ancora in formazione e non esiste ancora uno stack canonico su cui i professionisti possano fare affidamento. Inoltre, risolvere la carenza di talenti e adottare il pensiero del machine learning all’interno delle culture organizzative plasmerà l’adozione degli MLOps negli anni a venire.
Per saperne di più
Speriamo che questo riepilogo di storie, insight, tutorial e ricerche ti sia piaciuto. Per altre novità sulla data science, dai un’occhiata a queste risorse:
