#jupyter_notebook #data_analysis #data_science #data_visualization #pandas #python

This curriculum is designed to help beginners learn data science over 10 weeks with 20 detailed lessons. Each lesson includes pre- and post-lesson quizzes, step-by-step guides, knowledge checks, and assignments to ensure you retain the information. You'll learn about data ethics, statistics, working with different types of data, data visualization, and the entire data science lifecycle. The project-based approach helps you build practical skills while learning. Additionally, there are resources for students and teachers to make the learning process flexible and engaging. This curriculum is beneficial because it provides a structured and interactive way to gain hands-on experience in data science, making it easier to understand and apply these skills in real-world scenarios.

https://github.com/microsoft/Data-Science-For-Beginners

人类喜欢：卡片、PDF、PPT、带字幕的图片、徽章、分享会、包装、袋子、套餐、App、书籍、课程、Zip压缩包。

这是一种神奇的操作：把各种复杂的要素整合到一个 Package 里，让人感到更加有仪式感、安全和有获得感。

#产品经理的日常碎碎念

Telegram Media Downloader
via：https://t.me/zhetengsha/1489
从 Telegram 网页下载受限制的图片、GIF 和视频

使用浏览器 UserScript 相对比较方便和安全

-安装脚本后, 播放任意视频, 点击下载按钮
#telegram

awesome-cloudflare 基于Cloudflare的开源工具列表。

🏷 TAG #开源 #Cloudflare
📢 Channel @opencfdchannel
👥 Group @open_source_community

FlClash 追求颜值的朋友可以看看这个代理软件， Material You 设计，类Surfboard用户界面，同样也是跨平台的。

🏷 TAG #应用 #跨平台
📢 Channel @opencfdchannel
👥 Group @open_source_community

开源输入法以及拼音方案的汇总贴，欢迎大家随时补充。

PC端：
1. weasel 小狼毫 适用于Windows系统的开源输入法
2.squirrel 鼠须管 适用于macOS的开源输入法
3. ibus-rime 适用于Linux系统的开源输入法
4.openvanilla 专门针对macOS开发的开源输入法

移动端：
1.fcitx5-android 适用于Android系统的开源输入法，从Fcitx 5移植而来。
2. trime 同文 适用于Android系统的开源输入法，给予rime开发而来。
3.YuyanIme 雨燕 适用于Android系统的开源输入法，基于rime定制开发。
4. Hamster 适用于iOS系统的开源输入法，基于rime定制开发。

拼音方案：
1.rime-ice 雾凇拼音，目前知名度最广的拼音方案之一
2.rime-frost 白霜词库，基于雾凇拼音进行词频调整的拼音方案
3.oh-my-rime 薄荷拼音，基于雾凇拼音进行调整的轻量级拼音方案

🏷 TAG #输入法
📢 Channel @opencfdchannel
👥 Group @open_source_community

PocketPal, 一款本地大模型推理软件。
Check out "PocketPal"
https://play.google.com/store/apps/details?id=com.pocketpalai

《提问的智慧》
该指南帮助您了解如何清晰、准确地描述问题，以便群组成员能够更快、更有效地提供帮助。

《别像弱智一样提问》
这篇指南列举了低效提问的常见陷阱，帮助您避免这些误区，从而提升您的提问质量。

🏷 TAG #社交 #提问
📢 Channel @opencfdchannel
👥 Group @open_source_community

AcWiKi 属于大学生群体的真·青年大学习，致力于打造一个涵盖大学生生活经验和学术技能的百科全书。

🏷 TAG #学习 #GitHub
📢 Channel @opencfdchannel
👥 Group @open_source_community

reverse-interview-zh 反向面试：你问的不只是问题，你看到的是未来。

🏷 TAG #面试 #GitHub
📢 Channel @opencfdchannel
👥 Group @open_source_community

一个冷知识：如果你在国内退休后才移民退籍，是可以每月领取国内退休金的。

中国网信办整治同城版块信息内容问题

中国网信办部署开展为期2个月的“清朗·同城版块信息内容问题整治”专项行动。本次专项行动覆盖各类基于地理位置提供同城信息内容或服务的移动互联网应用，包括：借本地住房、教育、医疗、食品安全等话题，肆意谩骂诋毁、抹黑攻击；炒作本地偶发的极端案事件，关联标签挑动地域对立；散布涉本地公共政策、社会民生领域虚假信息，捏造谣言，引发群众恐慌；以变体字、内嵌网址、行业黑话等方式，发布色情网址和 App 链接；以“茶”等暗语或者不合理高价售卖特定商品。为线下色情、诈骗引流；以兼职招聘、刷单做任务等名义招募刷单员。

—— 中国网信办

普通人生活里面真的太多主次颠倒的努力了，借由马斯克第一性原理来解释。

职场的第一准则是稀缺性价值，而不是劳苦功高；

创业第一要点是市场需求，而不是个人喜好；

健康的第一要素是生活好习惯，而不是事后保险有多么全；

教育的最终目的是培养能力，而不是奖状和分数；

养老的最佳保障是提前规划，而不是依赖子女；

学习的第一准则应该是实践，而不是不停的考试积累；

成长的最终原动力是来自于反思和总结，而不是看似很多的经历。

#提升认知 @inside1024

在抖音
5000万粉丝以上的账号有18个
1000万粉丝以上的账号有903个
500万粉丝以上的账号有3079个
100万粉丝以上的账号有3.67万个
10万粉丝以上的账号有47.3万个
1万粉丝以上的账号有320万个
有发过视频的用户有2亿用户

所以十万粉丝的诞生概率是0.24%

而作为对比：
去年全国985高校的平均录取率为1.41%
去年公务员考试录取率为1.47%
福利彩票双色球五等奖中奖概率0.8%、六等奖中奖概率6.25%

#行业内幕 @inside1024

关注 AI 必读！Anthropic CEO 万字长文-预测强人工智能的积极未来。#ai#

描述了自己思考中的强人工智能的定义，详细介绍了强人工智能可能在五个核心方面对未来人类的积极作用。

叙述极为严谨在每个领域都有严密详细的推理过程，值得所有人关注 AI 的人看一下。

全文的翻译在这里：https://mp.weixin.qq.com/s/StZeb__lyrZl_as_sQ8l6A

下面是整理的要点：

- 大多数人都低估了 AI 可能带来的巨大积极影响,就像他们低估了潜在风险的严重性一样。

- Dario Amodei经常对许多 AI 风险领域的公众人物(更不用说 AI 公司领导人（说你呢 Sam）)谈论后通用人工智能 (AGI) 世界的方式感到不适。

- Dario Amodei认为强人工智能可能最早会在 2026 年出现,尽管也有可能需要更长的时间。

- 强人工智能在形式上可能类似于今天的大型语言模型 (LLM),但可能采用不同的架构,可能涉及多个相互作用的模型,并可能以不同的方式进行训练。**强人工智能具体的特点有**：

- 在纯粹的智力方面,它比大多数相关领域的顶尖专家更聪明。

- 除了作为一个"聪明的对话伙伴",它还具备虚拟工作环境中人类可用的所有"接口",包括文字、语音、视频、鼠标键盘控制和互联网访问。

- 它不只是被动回答问题,而是可以接受需要数小时、数天甚至数周才能完成的任务。

- 它没有物理实体(除了存在于计算机系统中),但可以通过计算机控制现有的物理工具、机器人或实验室设备。

- 用于训练这个模型的计算资源可以重新用于同时运行数百万个实例。这个模型可以以比人类快 10-100 倍的速度吸收信息和产生行动。

- 这数百万个副本中的每一个都可以独立执行不同的任务,或者在需要时像人类团队一样协作工作。

- **可能与强人工智能互补的因素和限制性因素：**

- 外部世界的速度。智能体需要在现实世界中互动才能完成任务和学习。但现实世界的运转速度是有限的。

- 数据需求。有时候,原始数据的缺乏会成为瓶颈,在这种情况下,再高的智能也无济于事。

- 内在复杂性。有些系统本质上是不可预测或混沌的,即使是最强大的 AI 也无法比现有的人类或计算机做出更好的预测或解析。

🎯 Critique Shadowing：
一个让AI稳定输出优质内容的实用工作流

我相信很多AI团队和我们一样，都头疼这个工程问题：如何保证AI生成质量的优质与稳定？

fine-tune也好，RAG也好，RL也好，结合具体的业务场景，我们也花了很多精力研究最适用的、更低成本、ROI更高的方法。

不得不说，最近发现的Critique Shadowing 工作流，让我觉得很有启发💡

这个方法来自 Hamel Husain 最新发表的一篇重磅文章🔗https://hamel.dev/blog/posts/llm-judge/，整整 6000 字的干货。

这个工作流本质上是在构建一个能够对齐领域专家判断的 LLM 评估系统。整个工作流包括：

1. 首先找到真正的领域专家
2. 建立多样化的测试数据集
3. 让专家进行系统评判和详细解释
4. 根据反馈进行迭代优化
5. 构建和训练 LLM 评判器
6. 进行全方位的错误分析

这个工作流通过系统化地将专家经验转化为可扩展的 AI 评估系统，特别适合那些需要专业判断但又面临大规模数据的场景。

这也让我想起 Hamel 之前那篇广受好评的 🔗https://hamel.dev/blog/posts/evals/index.html，都是非常务实的方法论。

在我看来，Critique Shadowing 的价值在于它不是纯理论的框架，而是一个能够真正落地、能够帮助团队构建可信赖的 AI 评估体系的方法。

👉 工作流程详解

1. 领域专家选择（Principal Domain Expert）
- 需具备深入的领域知识和丰富实践经验
- 能够清晰表达判断标准和评判理由
- 愿意参与迭代优化过程

2. 数据集创建
- 生成覆盖所有用例的多样化examples
- 结合真实和合成的用户交互数据
- 从小规模高质量样本开始，逐步扩充

3. 专家评审
- 进行通过/不通过的基础判断
- 提供详细的评判理由（用于训练 LLM）
- 记录关键决策点和评判标准

4. 错误修正
- 发现问题后修正并返回步骤3进行专家验证
- 持续积累和分类错误模式
- 重复验证直至专家确认问题解决

5. LLM 评判器构建
- 将专家示例转化为 few-shot examples
- 测试与专家判断的一致性
- 持续优化prompt直至达到满意的一致性水平

6. 错误分析与优化