每天、每周、每月都有大量关于机器学习和更多内容的博客和视频被创建出来。
如果你在工作或上学,面对如此多的资料,你可能会感到不知所措。更糟糕的是,你会觉得如果你错过了一些东西,就会处于很大的劣势。
在这篇文章中,你将了解到订阅机器学习和数据科学时事通讯如何为你节省时间并让你保持最新。你还将发现我推荐的3个时事通讯。
时事通讯
我用来跟上机器学习和数据科学方面优秀且有趣内容的策略是订阅时事通讯。时事通讯每周或每月发送一次,总结该时期的某个主题的最佳内容。
订阅时事通讯的优点是,你不再需要每天浏览新闻网站、Twitter和博客,你可以等到每周的最佳内容发送给你。
为了确保你不遗漏关键内容,你可以订阅几个不同的时事通讯,每个时事通讯都有不同的行业视角。
我多年来一直采用这种方法,并强烈推荐它。它节省了时间,因为你无需整天查看社交新闻,而且你只阅读最佳内容,因为有人为你筛选过了。
推荐的时事通讯
以下是我订阅的3个时事通讯。看看每一个,看看其中一个或多个是否适合你。
Data Science Weekly
《Data Science Weekly》时事通讯已经运行了近一年,由 Hannah Brooks 和 Sebastian Gutierrez 运营。
这可能是我最喜欢的。它有一个博客、对数据科学家的采访和一个资源部分。查看过去的期号存档。你可以看到他们有编辑精选、热门文章、书籍、培训资源、本周书籍。
KDnuggets Newsletter
《KDnuggets Newsletter》由 Gregory Piatetsky 运营,该时事通讯混合了行业和学术新闻。
我喜欢它是因为它专注于内容,尽管内容很多。这个每月两次的时事通讯有一个特色部分、选项和采访、软件、工作、出版物等等。它相当集中在 Gregory 的生态系统周围,但我总能找到一些有趣的东西。
O’Reilly Data Today
《O’Reilly Data Newsletter》很棒,尽管我认为这是 Strata 的时事通讯。它是每周发行,并且制作精良。
它大力推广 O’Reilly 会议和书籍,但提供了本周新闻的全面总结。此外,当我自己的内容被收录其中时,它曾导致我的服务器宕机——这真是太厉害了。我认为他们能更好地挑选本周的重要新闻,我总是仔细阅读它。
其他时事通讯
我自己运营时事通讯,但它提供的是机器学习自学技巧,而不是当前新闻。
一些关于人工智能和数据科学时事通讯的其他资源包括:
- Daily AI Feed:我运营自己的人工智能时事通讯,名为 Daily AI Feed。它有一个过去的期号博客,并且仍然每天都出刊。我认为它已经不那么好了。它曾经使用复杂的算法来对新闻文章进行排名并进行精选,但这一切都崩溃了。现在它使用一个良好博客的白名单。它曾有过更好的日子,但仍然有数千名订阅者在那里,他们很喜欢。
- 10个值得订阅的数据科学时事通讯:由加州大学伯克利分校信息学院准备的10个数据科学时事通讯列表。一个不够好的列表,有很多大数据、垃圾邮件和死去的时事通讯(尽管我的两个选择在其中)。Data Science Central Newsletter看起来还可以。
如果你订阅了机器学习时事通讯,我很想知道是哪一个以及你对它的看法。
请分享时事通讯
当然
https://machinelearning.org.cn/newsletter/