原文：
towardsdatascience.com/llms-ai-agents-the-economics-of-generative-ai-and-other-august-must-reads-33f2112a5cdf?source=collection_archive---------6-----------------------#2024-08-29
https://towardsdatascience.medium.com/?source=post_page---byline--33f2112a5cdf--------------------------------https://towardsdatascience.com/?source=post_page---byline--33f2112a5cdf-------------------------------- TDS 编辑
·发表于Towards Data Science ·发送为新闻通讯 ·4 分钟阅读·2024 年 8 月 29 日
–
想要写你的第一篇 TDS 文章吗？我们始终欢迎新作者的投稿。
由于我们许多读者正准备告别夏天，重新进入正常的工作节奏，我们希望你们仍能为长期成长腾出一些时间——无论是开始一个副项目，探索前沿的机器学习研究，还是仅仅是刷新一下你的数据科学作品集。无论未来几个月带你走向何方，我们也希望 TDS 能继续成为你学习旅程的一部分。
从早期职业建议到 LLM 驱动的数据分析和编程技巧，我们上个月最受欢迎的文章涵盖了广泛的内容——这意味着，无论你当前的兴趣是什么，你都可能在这里找到能激发你好奇心的内容。
这里是我们八月的必读文章——祝你阅读愉快！
我给想成为数据科学家的人的诚恳建议如果你刚刚迈出数据科学职业生涯的第一步，并且对如何开始以及从哪里开始感到不确定，Egor Howell的真诚建议——从一个已经走得稍远的人的角度出发——或许正是你今天需要阅读的那篇文章。（它无疑与我们许多读者产生了共鸣！）
requirements.txt 已过时“尽管标准库功能强大，但现代 Python 应用程序通常需要更先进的功能，超出了标准库所包含的范围。” 聚焦、可操作且对广泛的数据专业人士具有相关性，Giorgos Myrianthous 提供了一份广受好评的指南，讲解如何使用 Poetry 管理 Python 项目的依赖关系和元数据。
**ChatGPT vs. Claude vs. Gemini：数据分析对决（第一部分）**随着基于大型语言模型（LLM）的工具在日常数据科学工作流中变得越来越普及，了解它们的表现以及不同模型之间的比较比以往任何时候都更加重要。Yu Dong 的热门系列正是为了实现这一目标，评估了三种流行工具在多种数据分析任务中的表现。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/9b6074d78e9c1c08a071172d854aeefd.png
图片由 Annie Spratt 提供，来源于 Unsplash
AI 代理 — 从概念到 Python 中的实际实现“与其让一个单一的大型语言模型（LLM）处理复杂任务，我们可以结合多个 LLM 或 AI 代理，每个代理专注于某个特定领域。” Zoumana Keita 的易懂入门书籍清晰地解释了什么是 AI 代理，为什么在实际应用中应考虑使用它们，以及如何从零开始创建一个 AI 代理系统。
成功进入科技行业的最有用的高级 SQL 技巧如果你已经掌握了基础的 SQL 查询，并且觉得是时候提升你的技能水平，Jiayan Yin 的实用指南适合你：从窗口函数到子查询和公用表表达式（CTEs），它提供了具体的示例（和代码片段），鼓励你卷起袖子，将你的知识应用到自己的数据中。
关于 RAG 的那些事增强检索生成（RAG）可能不再是优化 LLM 输出最具话题性的技术，但从业者们仍在不断发现并更好地理解它的优势以及局限性。Ahmed Besbes的全面概述详细解答了后者：“让一个 RAG 系统准备投入生产不仅仅是将一些代码拼凑在一起。这关乎如何应对杂乱的数据、预料之外的用户查询以及始终存在的交付实际业务价值的压力。”
使用 Python 和 SQL 自动化 ETL 到 SFTP 服务器对于那些对数据工程和数据处理有兴趣的从业者（换句话说：你们中的大多数人！），Mary Ara的新教程耐心且清晰地讲解了一个基本工作流：跟随教程学习如何自动化数据在不同位置之间的转移，甚至可以包括 SFTP（安全文件传输协议）上传的额外步骤。
生成式 AI 的经济学“当我们回顾十年后的今天，我怀疑我们认为在生成式 AI 商业领域‘大赢家’的公司，是否是那些真正开发出底层技术的公司。”为了总结本月内容，我们邀请你退后一步，回顾Stephanie Kirmer对生成式 AI 工具商业案例的深刻分析，探索它推动的创新以及那些被抛在后头的创新。
我们最新一批的新作者
每个月，我们都很高兴看到一批新作者加入 TDS，他们每个人都将自己独特的声音、知识和经验与我们的社区分享。如果你在寻找新的作家来探索和关注，可以浏览我们最新加入的作者们的作品，包括Yury Kalbaska、Jose Parreño、Pablo Merchán-Rivera, Ph.D.、Conal Henderson、Mehdi Mohammadi、Mena Wang, PhD、Juan Hernanz、Dylan Anderson、Armin Catovic、Louis Wang、Diana Morales、Chris Lydick、Lakshmi Narayanan、Anindya Dey, PhD、Marius Steger、Muhammad Ardi、Stefan Pietrusky、Leonardo A. (🐼 panData)、Szymon Palucha、Nikolai Potapov、Mathew Wang、Arthur Cruiziat、Umair Ali Khan、Matt Fitzgerald、Samy Baladram、Saman (Sam) Rajaei、Phanuphat (Oad) Srisukhawasu、Rishabh Misra、Marcos Santiago、David Wells、Mary Ara、Tarik Dzekman、Ng Wei Cheng、James F. O’Brien、Jurgita Motus、Gary George、James Wilkins、Daniel Kharitonov、Ozgur Guler，以及Shrey Pareek, PhD等人。
感谢您支持我们作者的工作！我们喜欢发布新作者的文章，因此，如果您最近写了一篇有趣的项目教程、教程或关于我们核心主题的理论反思，欢迎不要犹豫，与我们分享。
直到下一个变量，
TDS 团队
