Phiên bản tháng 5: Dữ liệu về không gian đô thị

Đôi khi thật khó để không nghĩ về các thành phố như một cụm vấn đề mà chúng ta cần giải quyết: nhà ở, an ninh lương thực và tác động môi trường xuất hiện trong tâm trí. Đầu năm nay, chúng tôi đã nhấn mạnh nhiều cách mà các chuyên gia dữ liệu hiện đang giải quyết các loại thách thức này bằng cách tận dụng các phương pháp tiếp cận sáng tạo đối với dữ liệu khí hậu và không gian địa lý .

Tất nhiên, các thành phố không chỉ là tổng số các điểm đau của chúng: chúng phản ánh các giá trị xã hội (tốt, xấu và mơ hồ), truyền cảm hứng cho sự sáng tạo và kết nối, đồng thời hoạt động như những kho lưu trữ sống động của các nền văn hóa đang phát triển.

Tháng này, chúng tôi mời bạn khám phá sự phong phú và phức tạp của không gian đô thị. Từ thời gian chờ xe buýt đến tên những con phố chúng tôi đi qua, các tác giả có tác phẩm mà chúng tôi đã chọn áp dụng các kỹ năng dữ liệu của họ cho các phần cụ thể của cuộc sống thành phố và cho phép chúng tôi hiểu rõ hơn về cách thức hoạt động của môi trường đô thị.

Trước khi chúng tôi đi sâu vào, chúng tôi muốn cảm ơn bạn, như mọi khi, vì tất cả sự hỗ trợ của bạn đối với công việc chúng tôi xuất bản. Đối với những bạn muốn đóng góp có ý nghĩa, hãy cân nhắc trở thành thành viên của Medium ; nếu bạn là sinh viên ở các quốc gia đủ điều kiện, giờ đây bạn có thể đăng ký với chiết khấu đáng kể .

Trình chỉnh sửa TDS

Điểm nổi bật của Trình chỉnh sửa TDS

• Các mẫu ẩn trong tên đường: Câu chuyện khoa học dữ liệu [Phần 1] (tháng 1 năm 2023, 6 phút)
  Chúng tôi hiếm khi đặt câu hỏi ai nên đặt tên đường theo họ và ai có thể bị loại trừ trong quá trình này. Dự án phân tích dữ liệu hấp dẫn của Dea Bardhoshi là một liều thuốc giải độc hữu ích cho dạng thờ ơ phổ biến này: nó xem xét sự phân bổ giới tính của tên đường phố ở Tirana, Albania và tiết lộ nhiều phát hiện thú vị trong quá trình thực hiện (một số dễ đoán hơn những phát hiện khác) .
• Thị trường cho thuê nhà ở ở Đức: Phân tích dữ liệu khám phá bằng Python (tháng 4 năm 2023, 27 phút)
  Khi cư dân của nhiều thành phố trên thế giới đối mặt với cuộc khủng hoảng nhà ở đang diễn ra, điều quan trọng là phải cấu trúc các cuộc trò chuyện hướng đến giải pháp xung quanh dữ liệu vững chắc. Nghiên cứu sâu về thị trường cho thuê của Đức của Dmitrii Eliuseev cung cấp một lộ trình phân tích mạnh mẽ có thể phục vụ người thuê nhà cũng như các nhà hoạch định chính sách.
• Lập bản đồ các doanh nghiệp do người da đen làm chủ bằng GeoPy và Folium (tháng 1 năm 2021, 5 phút)
  Cư dân thành phố từ các cộng đồng bị thiệt thòi thường phải đối mặt với lịch sử lâu dài của sự loại trừ và phân biệt. Dự án của Avonlea Fisher nhằm giải quyết tác động kinh tế quá lớn mà COVID-19 gây ra đối với các doanh nghiệp do Người da đen làm chủ ở Boston; hai năm sau, nó vẫn có thể truyền cảm hứng cho các nhà khoa học dữ liệu tìm kiếm câu trả lời siêu cục bộ cho các vấn đề siêu cục bộ.
• Xe buýt ở đâu? GTFS sẽ cho chúng tôi biết! (Tháng 1 năm 2023, 15 phút)
  Tiền đề cơ bản đằng sauhướng dẫn từ đầu đến cuối của Leo van der Meulen khó có thể bác bỏ: “Giao thông công cộng và dữ liệu mở là sự kết hợp với tiềm năng to lớn.” Phải mất một khối lượng công việc không hề nhỏ để dịch một ống cứu hỏa dữ liệu thành giao diện hướng tới khách hàng để thông báo cho người lái biết khi nào chuyến xe buýt tiếp theo sắp đến, nhưng quá trình này vừa thú vị vừa có khả năng mở rộng sang các bối cảnh và địa điểm khác.
• Phân tích Văn bản Kỹ thuật số: Thơ Đường phố ở Khu vực Ngôn ngữ Hà Lan (tháng 11 năm 2021, 5 phút)
  Dữ liệu không gian địa lý, phân tích văn bản và thơ kết hợp với nhau trong bài đăng của Emma-Sophia Nagels , theo dõi quá trình biên soạn, lập bản đồ và phân tích được hiển thị công khai những bài thơ ở Hà Lan và khu vực nói tiếng Hà Lan của Bỉ.
• Tìm kiếm các mẫu ở vị trí cửa hàng tiện lợi bằng Khai thác quy tắc liên kết không gian địa lý (tháng 3 năm 2023, 7 phút)
  Các cửa hàng tiện lợi ở Tokyo là những thứ huyền thoại: có mặt khắp nơi, có thể truy cập mọi lúc và có đầy đủ một số món ăn nhẹ ngon nhất thế giới. Elliot Humphrey vượt ra ngoài bề mặt và cố gắng phát hiện các mẫu ở vị trí của các cửa hàng để suy ra chiến lược kinh doanh đằng sau một hiện tượng có thể có vẻ lộn xộn, nếu không muốn nói là hết sức hỗn loạn.

Khám phá lựa chọn tài nguyên mới nhất của chúng tôi và các đề xuất đọc.

• Những giới hạn mới trong học máy âm thanh
  Chúng tôi đã tuyển chọn một loạt các bài báo đề cập đến sự gia tăng của các mô hình, giao diện AI và ứng dụng mới giúp làm việc với âm thanh và âm nhạc hợp lý hơn theo cấp số nhân.
• Dù sao thì "Các phương pháp hay nhất" sau đây có nghĩa là gì?
  Bộ sưu tập các bài đăng nổi bật của chúng tôi xoay quanh chủ đề tối ưu hóa quy trình làm việc, từ các sơ đồ tốt hơn đến thử nghiệm hiệu quả hơn.

Trong trường hợp bạn bỏ lỡ chúng, đây là một số bài đăng được đọc nhiều nhất trong tháng trước trên TDS.

• Zero-ETL, ChatGPT và Tương lai của Kỹ thuật Dữ liệu của Barr Moses
• Dự báo chuỗi thời gian: Học sâu so với thống kê - Ai thắng? của Nikos Kafritsas
• 6 phương pháp hay nhất về Python giúp phân biệt Senior Developer với Juniors của Tomer Gabay
• Tôi đã biến Tài liệu của Công ty mình thành Cơ sở dữ liệu có thể tìm kiếm bằng OpenAI như thế nào bởi Jacob Marks, Ph.D.
• 4 tác nhân AI tự trị mà bạn cần biết của Sophia Yang
• Có gì mới trong Pandas 2.0? bởi Jeff Hale

Hẹn gặp lại vào tháng sau.