Edizione di luglio Risorse sul clima per i Data Scientist

July Edition Climate Resources for Data Scientists

Edizione Mensile

Dalla ricerca del giusto dataset a rendere l’IA più ecologica

Per molti di noi, l’arrivo dell’estate era motivo di semplice eccitazione: fine della scuola; gli orari di lavoro spesso diventano meno frenetici; la prospettiva di un pomeriggio di ozio in spiaggia o nel parco più vicino.

Non vogliamo rovinare le tue positive vibrazioni estive (come squadra con sede in Canada, apprezziamo una bella giornata di sole come chiunque altro), ma in questi giorni è difficile non provare una miscela più complessa di emozioni riguardo alla stagione calda. Molti dei nostri lettori vivono in aree colpite da incendi boschivi (e il fumo che si spinge oltre i confini), siccità, inondazioni e altri eventi meteorologici estremi, ed è quasi certo che vivremo sempre più di questi fenomeni correlati al cambiamento climatico in futuro.

Tuttavia, a differenza di molte altre professioni, i professionisti dei dati sono in grado di svolgere un ruolo importante nel plasmare le discussioni sul clima e apportare un cambiamento reale, che sia aiutando comunità e decisori politici a prendere coscienza dell’impatto delle loro scelte o modellando (e in alcuni casi costruendo) soluzioni potenziali.

Abbiamo raccolto una serie di articoli e risorse incentrati sul clima per farti riflettere sulle modalità in cui possiamo sfruttare i dati e gli strumenti di apprendimento automatico per affrontare le nostre sfide attuali (e future). Speriamo che le nostre raccomandazioni di lettura ti ispirino, almeno, a saperne di più e a partecipare maggiormente a queste conversazioni.

• Spiegazione dei Database Vettoriali in 3 Livelli di Difficoltà
• 10 Domande sulla lista Python più frequentemente poste su Stack Overflow
• Scaling dei dati con Python

Prima di iniziare, volevamo ringraziarti, come sempre, per tutto il tuo sostegno. Se desideri fare un contributo significativo, considera di diventare membro di Nisoo.

Redazione di TDS

Evidenze della Redazione di TDS

• Cinque Fonti Affidabili e Gratuite di Dati Metereologici (Anthony Baum, maggio 2023, 6 minuti) e I 5 Migliori Siti per Trovare Dataset sul Cambiamento Climatico (Eugenia Anello, giugno 2023, 6 minuti) Prima che gli scienziati dei dati possano iniziare a lavorare seriamente sulle questioni climatiche, devono prima mettere le mani su dati robusti, affidabili e aggiornati. Anthony Baum e Eugenia Anello hanno compilato ciascuno un pratico elenco di risorse che soddisfano queste esigenze.
• Impatto dei Voli: Aggiungere le Emissioni di Carbonio all’Itinerario (gennaio 2022, 4 minuti) È difficile sensibilizzare sul legame tra le nostre abitudini di consumo e il cambiamento climatico quando queste due aree raramente si intersecano nella nostra vita quotidiana. Nina Sweeney si propone di cambiare questa situazione creando un’app che informa i viaggiatori sulle emissioni generate attraverso i loro itinerari.
• Time Series per il Cambiamento Climatico: Ridurre lo Spreco Alimentare con il Clustering (giugno 2023, 6 minuti) La serie eccellente di Vitor Cerqueira sull’analisi delle serie temporali ha affrontato le questioni climatiche da una vasta gamma di angolazioni. Un recente articolo si concentra sul problema cruciale dello spreco alimentare: “Ridurre la sovrapproduzione è una pietra miliare importante per ridurre le emissioni di gas serra. Possiamo affrontare questo problema comprendendo meglio di quanto abbiamo bisogno”.
• Valutazione dell’Anomalia Globale delle Temperature Utilizzando gli Studi Spaziali della NASA: Parte 1 (ottobre 2022, 12 minuti) e Parte 2 (giugno 2023, 10 minuti) Come possiamo spiegare la frequenza degli eventi meteorologici estremi recenti? Himalaya Bir Shrestha analizza i dati della NASA come punto di partenza per una esplorazione pratica delle temperature superficiali globali.
• Accesso e Visualizzazione di Modelli di Elevazione Digitale con Python (marzo 2023, 7 minuti) I governi e altre organizzazioni dovranno utilizzare l’analisi dei dati geospaziali per prepararsi meglio a un clima in cambiamento e per proteggere le persone e le infrastrutture dal suo potenziale impatto catastrofico. Parvathy Krishnan (con i coautori Mahdi Fayazbakhsh e Kai Kaiser) analizzano da vicino il ruolo che i modelli di elevazione digitale potrebbero svolgere in questo contesto.
• AI Ecologica: Metodi e Soluzioni per Migliorare la Sostenibilità dell’IA (giugno 2023, 9 minuti) Il costo ambientale dell’addestramento, del rilascio e dell’esecuzione di modelli computazionalmente intensivi sta diventando una preoccupazione sempre più grande, specialmente quando gli strumenti di intelligenza artificiale generativa diventano diffusi. La recente panoramica di Federico Peccia sulle iniziative di IA ecologica e sulla ricerca che sostiene l’innovazione in questo campo è una guida utile per chiunque si preoccupi di garantire che l’impronta in crescita dell’IA sia sostenibile.

Caratteristiche originali

Esplora la nostra ultima selezione di risorse e raccomandazioni di lettura.

• La sfida di comprendere l’immagine complessiva dell’IA Fai un passo (o due) indietro per esplorare i temi più ampi intorno agli sviluppi recenti nell’IA – abbiamo selezionato alcuni dei nostri migliori articoli recenti su questo campo in continua evoluzione.
• Per i Data Scientist, c’è sempre una nuova competenza di Python da imparare Dai nuovi pacchetti ai flussi di lavoro innovativi, non perdere la nostra collezione di guide focalizzate sulla programmazione.

Articoli popolari

In caso te li fossi persi, ecco alcuni dei post più letti del mese scorso su TDS.

• Grandi modelli di linguaggio in biologia molecolare di Serafim Batzoglou
• Sfruttare il modello Falcon 40B, il LLM open-source più potente di Luís Roque
• Padroneggiare l’ingegneria prompt per sfruttare il potenziale di ChatGPT di Idil Ismiguzel
• Cosa ho imparato spingendo l’ingegneria prompt al limite di Jacob Marks, Ph.D.
• La crisi nascosta nello sviluppo open-source: un appello all’azione di Adam King
• Come misurare la deriva in incorporate di ML di Elena Samuylova
• Padroneggiare ChatGPT: sintesi efficace con LLM di Andrea Valenzuela

Siamo entusiasti di dare il benvenuto a un nuovo gruppo di autori TDS a giugno: tra cui Quý Đinh, Anthony Baum, Pablo Porto, Raul Vizcarra Chirinos, Matthew Gazzano, Terence Shin, Sarang Gupta, Fiona Victoria, Mariya Mansurova e Christopher Landschoot, tra gli altri. Se hai un progetto o un’idea interessante da condividere con noi, saremmo felici di sentirti!

A presto il prossimo mese.