第05期 - 看见概率看见统计

这个网站用可视化的方式讲解概率和统计基础知识，很多内容还是可交互的，非常生动形象。

大家好，欢迎收看第五期机器学习周刊

本期介绍 7 个内容，涉及Python、概率统计、机器学习、大模型等，目录如下：

pip3 install visidata

VisiData 是一款免费的开源工具，可让您在计算机终端中快速打开、探索、汇总和分析数据集。VisiData 可处理 CSV 文件、Excel 电子表格、SQL 数据库和许多其他数据源。

界面如下所示：

甚至还能在命令行中做可视化，酷是真酷，就是看了半天不清楚有什么使用场景。

这个网站用可视化的方式讲解概率和统计基础知识，很多内容还是可交互的，非常生动形象。

章节目录如下：

HuggingFace 这个页面我愿称之为机器学习最强文档，囊括了各种机器学习任务，比如表格数据预测、NLP、机器视觉、音频、多模态、强化学习等任务所需的全部内容（演示、用例、模型、数据集等等）

Gradio 是一个可以快速部署机器学习应用的开源项目，我用它做过很多小工具。如果你第一次听说 gradio，强烈建议赶快用起来。最近它更新到了 4.13 版，完美兼容 Python 3.12。

Redis 作者写了篇文章，非常详细地分享他在工作中使用 LLM 编程的体验，我们可以一窥顶级程序员是如何使用大模型的。这篇文章很我让 ChatGPT 提取了摘要，用 Claude-2-100K 完成了翻译，我没有做校对：

在 2023 年，人工智能尤其是可以在设备上本地使用的 LLMs 取得了显著的进步，作者广泛利用这项技术来加速他的编程能力。
起初，作者主要使用 LLMs 来处理文档和避免在编程中的无聊/不感兴趣的部分。然而，随着时间的推移，他学会了何时使用 LLMs 最有帮助，以及何时它们可能会减慢他的速度。
LLMs 在推理和插值方面的能力有限，它们不能超越它们被训练的内容。虽然它们不能替代人类程序员，但如果适当使用，它们可以是有用的辅助工具。
作者提供了几个例子，展示了 LLMs 如何帮助他更快地编写代码，例如在框架之间切换、用一种不熟悉的语言编程，或分析他不完全理解的网络输出时。
当任务虽然无聊但对作者的目标有用时，LLMs 也适用于编写一次性/临时脚本。
系统编程需要更强的推理能力，这通常是 LLMs 所缺乏的。作者提供了一个例子，其中 LLMs 在提供相关代码时，仍然难以解释一个低级别的数据格式。
总之，LLMs 最好被用作程序员的辅助工具而不是替代品。有了经验，人们可以学习如何以及何时有效地利用它们来处理不同的编程任务。但它们的能力仍然有限，并且可能不会扩展到所有领域，比如系统编程。