Jupyter Notebooks
PulseAugur coverage of Jupyter Notebooks — every cluster mentioning Jupyter Notebooks across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI 可复现性需要的不只是数据；模型、运行时和权限是关键
仅复制数据不足以完全复现 AI 模型运行。密封的数据状态确认了输入，但要完全复现，还需要原始执行时使用的特定模型版本、运行时环境、必要工具以及确切的权限。这种全面的方法确保了生产 AI 系统的真正可复现性。
-
MLOps之旅：在华为云上训练和部署模型
本文详细介绍了在华为云上训练和部署机器学习模型的流程，源于一次个人数据科学训练营的经验。文章强调了从Jupyter Notebook等本地开发环境向基于云的MLOps实践的转变。作者将华为云的功能与其他主要云服务提供商（如Amazon SageMaker、Google Cloud AI Platform和Microsoft Azure Machine Learning）进行了比较，讨论了Tensorflow和PyTorch等框架，以及…
-
LangGraph 实现超越基本循环的状态化多代理 AI 工作流
开发人员正在使用 LangGraph 探索先进的多代理 AI 工作流，LangGraph 是一个解决了简单 AI 代理实现中局限性的框架。虽然 Python 和 Jupyter Notebook 常用于基本的 AI 任务，但企业应用程序，尤其是在金融领域，需要更强大的解决方案。LangGraph 通过诸如人工干预检查点、动态路由和持久状态等功能实现状态化工作流，这些功能对于生产就绪的 AI 代理至关重要。这种方法有助于克服在复杂的、多…
-
构建生产级 LLM 评估流水线：从感觉走向指标 · 跟踪 8 个来源
这一系列文章详细介绍了为大型语言模型（LLM）构建生产级评估流水线的过程，超越了主观的“感觉检查”，转而实施自动化指标。作者强调了领域特定裁判、CI/CD 集成的速度、回归检测以及健壮的黄金数据集管理的需求。他们提出了一种涉及测试用例、待测 LLM、裁判集合和用于回归检测的指标的架构，并提供了使用 GPT-4o mini 等模型构建自定义 LLM 裁判的示例。
-
Plainbook 系统使用自然语言使数据科学更易于访问
一个名为 Plainbook 的新系统已被开发出来，它通过围绕自然语言而非代码来构建笔记本，从而使数据科学更易于访问。这种方法旨在使对数据分析感兴趣但缺乏编码专业知识的科学家受益。Plainbook 优先使用自然语言描述，并根据这些描述自动生成代码，同时强制执行线性执行顺序以简化理解和验证。
-
银行风险情报引擎依赖MLOps和数据分析工具
本文详细介绍了现代银行中风险数据分析专业人员的日常工作，重点关注MLOps管道。该角色涉及使用Python、SQL和Jupyter Notebook等工具来管理和分析数据，在AWS SageMaker等平台上部署机器学习模型，并通过Git、Docker和Kubernetes等工具的CI/CD实践确保顺畅集成。叙述强调了这些技术在构建和维护银行风险情报引擎中的实际应用。
-
新的 JupOtter 系统检测 Jupyter Notebooks 中的错误
研究人员开发了 JupOtter，一个专门用于检测 Jupyter Notebooks 中错误的系统。该系统采用了一种独特的标记化方法，该方法保留了 Notebook 的单元格结构，并采用单元格级别的错误预测技术。JupOtter 在 OtterDataset 上进行了训练，OtterDataset 是一个新创建的数据集，包含 21,000 多个已标注单元格级别错误的 Notebook，并且在某些评估数据集上，其性能优于传统的静态分析…
-
Scikit-learn推出由核心开发者制作的官方在线公开课
由INRIA的核心贡献者开发的官方scikit-learn在线公开课现已上线。这门免费的实践课程使用Jupyter Notebook来教授预测建模，内容涵盖从预处理到模型评估的各个方面。它旨在培养对机器学习的深刻直觉，而不仅仅是代码执行。
-
MergeNB 为 VS Code 用户提供新的 Jupyter Notebook 合并工具
一款名为 MergeNB 的新 VS Code 扩展已被开发出来，用于解决协作研究环境中合并 Jupyter Notebook 时遇到的问题。开发者创建 MergeNB 是为了改进现有工具（如 nbdime）的不足之处，他们发现 nbdime 存在 bug。该项目是开源的，旨在成为管理 Notebook 冲突的用户友好解决方案。
-
Patterns 推出类似 Heroku 的 AI 应用开发平台
Patterns 是一家由前数据科学家和工程师创立的初创公司，它推出了一个旨在简化数据和 AI 应用开发与部署的平台。该服务旨在通过抽象化计算管理、编排和可视化等复杂性来提供 10 倍的生产力提升，其功能类似于 Heroku，但专门针对 AI 应用。它面向对 Jupyter notebooks 和 Airflow 等现有工具感到沮丧的数据工程师和科学家，提供了一个具有各种节点抽象的反应式图形架构，以简化端到端数据管道和自动化的创建。