Edición de julio Recursos sobre el clima para científicos de datos
'July Edition Climate Resources for Data Scientists'
Edición mensual
Desde encontrar el conjunto de datos adecuado hasta hacer que la IA sea más verde
Para muchos de nosotros, la llegada del verano solía ser motivo de emoción sin complicaciones: las clases terminan; los horarios de trabajo a menudo se vuelven un poco menos agitados; la perspectiva de una tarde perezosa en la playa o en el parque más cercano nos llama.
No queremos arruinar tus positivas vibraciones de verano (como equipo con sede en Canadá, apreciamos un día soleado tanto como cualquier otro), pero en estos días es difícil no sentir una mezcla más compleja de emociones acerca de la temporada cálida. Muchos de nuestros lectores viven en áreas afectadas por incendios forestales (y su humo que cruza fronteras), sequías, inundaciones y otros fenómenos climáticos extremos, y es casi seguro que experimentaremos más de estos eventos relacionados con el cambio climático en los próximos años.
A diferencia de muchas otras profesiones, los profesionales de datos están en una posición privilegiada para desempeñar un papel importante en la formación de debates climáticos y efectuar un cambio real, ya sea ayudando a las comunidades y a los responsables de la toma de decisiones a tomar conciencia del impacto de sus elecciones o modelando (y en algunos casos construyendo) soluciones potenciales.
Hemos reunido una selección sólida de artículos y recursos centrados en el clima para que reflexiones sobre las formas en que podemos aprovechar los datos y las herramientas de aprendizaje automático para abordar nuestros desafíos actuales (y futuros). Esperamos que nuestras recomendaciones de lectura te inspiren, al menos, a aprender más y a participar más en estas conversaciones.
Antes de sumergirnos, queríamos agradecerte, como siempre, todo tu apoyo. Si quieres hacer una contribución significativa, considera hacerte miembro de Zepes .
- Etiquetas de Git ¿Qué son y cómo usarlas?
- Explicando las bases de datos vectoriales en 3 niveles de dificultad
- Conoce al Evangelista de IA en Metaphy Labs
Los editores de TDS
Lo más destacado de los editores de TDS
- Cinco fuentes gratuitas y confiables de datos meteorológicos ( Anthony Baum , mayo de 2023, 6 minutos) y Los 5 mejores lugares para encontrar conjuntos de datos sobre cambio climático ( Eugenia Anello , junio de 2023, 6 minutos) Antes de que los científicos de datos puedan comenzar a trabajar en problemas climáticos en serio, primero necesitan tener acceso a datos robustos, confiables y actualizados. Anthony Baum y Eugenia Anello han compilado cada uno una útil lista de recursos que cumplen con estos requisitos.
- Impacto de los vuelos: añadir emisiones de carbono al itinerario (enero de 2022, 4 minutos) Es difícil crear conciencia sobre la relación entre nuestros hábitos de consumo y el cambio climático cuando estas dos áreas rara vez convergen en nuestra vida cotidiana. Nina Sweeney tiene como objetivo cambiar eso creando una aplicación que informe a los viajeros sobre las emisiones generadas por sus itinerarios.
- Series temporales para el cambio climático: reducir el desperdicio de alimentos con clustering (junio de 2023, 6 minutos) La excelente serie de Vitor Cerqueira sobre análisis de series temporales ha abordado los problemas climáticos desde una amplia gama de ángulos. Un reciente artículo se centra en el importante problema del desperdicio de alimentos: “Reducir la sobreproducción es un hito importante para disminuir las emisiones de gases de efecto invernadero. Podemos abordar este problema comprendiendo mejor cuánto necesitamos”.
- Evaluación de la anomalía de temperatura global utilizando los estudios espaciales de la NASA: Parte 1 (octubre de 2022, 12 minutos) y Parte 2 (junio de 2023, 10 minutos) ¿Cómo podemos explicar la frecuencia de los eventos climáticos extremos recientes? Himalaya Bir Shrestha examina los datos de la NASA como punto de partida para una exploración práctica de las temperaturas superficiales globales.
- Acceso y visualización de modelos digitales de elevación con Python (marzo de 2023, 7 minutos) Los gobiernos y otras organizaciones necesitarán utilizar el análisis de datos geoespaciales para prepararse mejor para un clima cambiante y proteger a las personas y la infraestructura de su impacto potencialmente desastroso. Parvathy Krishnan (junto con los coautores Mahdi Fayazbakhsh y Kai Kaiser ) analizan detenidamente el papel que podrían desempeñar los modelos digitales de elevación en este contexto.
- IA verde: métodos y soluciones para mejorar la sostenibilidad de la IA (junio de 2023, 9 minutos) El costo ambiental de entrenar, implementar y ejecutar modelos computacionalmente intensivos está siendo una preocupación importante, especialmente a medida que las herramientas de IA generativa se vuelven más populares. La reciente revisión de Federico Peccia sobre iniciativas de IA verde y la investigación que impulsa la innovación en este campo es una introducción útil para cualquier persona preocupada por garantizar que la creciente huella de la IA sea sostenible.
Características Originales
Explore nuestra última selección de recursos y recomendaciones de lectura.
- El Desafío de Ver la Imagen Grande de la IA Retroceda uno o dos pasos para explorar los temas más importantes en torno a los desarrollos recientes en IA. Hemos seleccionado algunos de nuestros mejores artículos recientes sobre este campo en constante evolución.
- Para los Científicos de Datos, Siempre hay una Nueva Habilidad en Python que Aprender Desde nuevos paquetes hasta flujos de trabajo innovadores, no se pierda nuestra colección de guías destacadas centradas en la programación.
Publicaciones Populares
En caso de que te las hayas perdido, aquí tienes algunas de las publicaciones más leídas del mes pasado en TDS.
- Grandes Modelos de Lenguaje en Biología Molecular por Serafim Batzoglou
- Aprovechando el Modelo Falcon 40B, el LLM de Código Abierto más Potente por Luís Roque
- Maestría en Ingeniería de Indicaciones para Desatar el Potencial de ChatGPT por Idil Ismiguzel
- Lo que Aprendí Empujando la Ingeniería de Indicaciones al Límite por Jacob Marks, Ph.D.
- La Crisis Oculta en el Desarrollo de Código Abierto: Un Llamado a la Acción por Adam King
- Cómo Medir la Deriva en las Imágenes de Aprendizaje Automático por Elena Samuylova
- Maestría en ChatGPT: Resumen Efectivo con LLMs por Andrea Valenzuela
Estamos emocionados de dar la bienvenida a un nuevo grupo de autores de TDS en junio, que incluye a Quý Đinh, Anthony Baum, Pablo Porto, Raul Vizcarra Chirinos, Matthew Gazzano, Terence Shin, Sarang Gupta, Fiona Victoria, Mariya Mansurova y Christopher Landschoot, entre otros. Si tienes un proyecto o una idea interesante para compartir con nosotros, ¡nos encantaría saber de ti!
Hasta el próximo mes.
