Cotygodniowa dawka linków, czyli archiwum newslettera Dane i Analizy
Sztuczna inteligencja w praktyce: Zajrzyj do repozytorium z technikami Retrieval-Augmented Generation (RAG), gdzie krok po kroku poznasz ich implementację, lub dowiedz się, jak AI może usprawnić procesy rejestracji użytkowników i przegląd kodu. Nie zabrakło też przeglądu narzędzi AI, które mogą znacząco zwiększyć Twoją produktywność.
Praca z danymi: Od modelowania danych w SQL dla sektora detalicznego po przetwarzanie danych w Microsoft Fabric z wykorzystaniem bibliotek takich jak pandas czy duckdb – znajdziesz tu konkretne przykłady i wskazówki, jak efektywnie zarządzać danymi.
Wizualizacja danych: Jeśli interesuje Cię tworzenie dynamicznych wizualizacji, koniecznie sprawdź artykuły o PyGWalker – narzędziu podobnym do Tableau – oraz o zaawansowanych wykresach w Pythonie, takich jak te z podwójną osią Y czy interaktywne wizualizacje w Plotly.
Ciekawostki technologiczne: Dowiedz się więcej o serverlessie na przykładzie generatora memów lub poznaj zaawansowane techniki web scrapingowe zaprezentowane podczas warsztatów NICAR 2025.
Spodobał Ci się ten newsletter? Prześlij go dalej znajomym, którzy mogliby być zainteresowani tymi tematami! A jeśli otrzymałeś to od kogoś i chcesz regularnie otrzymywać podobne treści, zapisz się do newslettera tutaj.
W zeszłym tygodniu najchętniej czytaliście:
Czy kebaby są lepsze czy gorsze przy stacjach? Chart Smarter: How to Design Data Visualizations That Work Wideo, gdzie Andrej Karpathy opowiada jak używa LLMów Raport „Internet Dzieci”
#ai_ml
All RAG Techniques: A Simpler, Hands-On Approach
Każdy notatnik zawiera zwięzłe wyjaśnienie techniki, implementację krok po kroku od podstaw, przykłady kodu z komentarzami, ocenę skuteczności oraz prezentację wyników.
Building an AI-Powered Registration System with LangGraph, FastAPI, and React
W tym poście przedstawiono system rejestracji oparty na sztucznej inteligencji, prowadzący użytkowników przez strukturalną konwersację, gromadząc dane rejestracyjne i wykorzystując walidację opartą na sztucznej inteligencji, aby zapewnić dokładność danych wejściowych.
#big_data
Data Wrangling with Flink SQL
Rząd Wielkiej Brytanii publikuje wiele swoich danych jako otwarte kanały. Jednym z nich jest API Agencji Środowiska do monitorowania powodzi, które zapewnia dostęp do zestawu czujników dostarczających informacji o danych, takich jak poziomy rzek i opady deszczu. Autor wykorzystuje te dane i dużą ilość SQLa.
#ciekawostki
How to use AI to increase Software Development productivity
Jedenastu liderów inżynierii dzieli się konkretnymi przypadkami, w jaki sposób wykorzystują sztuczną inteligencję do zwiększenia produktywności tworzenia oprogramowania.
7 AI Tools 99% of People Don’t Know
Każdego tygodnia pojawiają się nowe narzędzia obiecujące zoptymalizować pracę, uwolnić kreatywność, a nawet zmienić życie w niewyobrażalny sposób. Autor przedstawia 7 narzędzi, które naprawdę robią różnicę. W niektórych z nich przedstawia sposób, w jaki z nich korzysta.
Cutting-edge web scraping techniques workshop at NICAR 2025
Poznaj nowe i skuteczne zaawansowane techniki pobierania danych ze stron internetowych.
Building a Serverless Meme Generator With Nitric and OpenAI
Dobre zrozumienie serverlessa oraz korzystanie z dostępnych narzędzi może zwiększyć produktywność. Tworzenie aplikacji w oparciu o serverlessa wymaga zrozumienia różnicy między tym a tradycyjnym hostowaniem aplikacji w chmurze.
#llm_&_chatgpt
LLM-Powered Code Review
Poznaj, jak przegląd kodu oparty na LLM poprawia jakość oprogramowania, automatyzuje analizę kodu i przyspiesza cykle rozwoju. Odkryj przyszłość przeglądów kodu opartych na sztucznej inteligencji i dowiedz się, w jaki sposób zwiększają one produktywność programistów i wydajność przepływu pracy.
#python
Python Data Processing in Microsoft Fabric — End-to-End Transformation and Visualization
Ten post przedstawia, jak zbudować transformację danych w Microsoft Fabric, korzystając z bibliotek takich jak pandas, polars i duckdb. Można także użyć biblioteki deltalake do zapisania danych jako tabeli Delta w Lakehouse.
Low-Code PyGWalker UI in the Spotlight: Dynamic Data Visualization Like Tableau
Celem tego wpisu jest zademonstrowanie podobnej do Tableau biblioteki PyGWalker. Niektórzy twierdzą, że jest jedną z najlepszych bibliotek graficznych Pythona według rankingu GitHub.
#sql
Hands-On: Retail Data Modeling with SQL
W tym tutorialu zobaczysz strukturalne podejście do opracowania i wdrożenia modelu danych do analizy punktów sprzedaży detalicznej. Autor przeprowadza przez proces tworzenia bazy danych, od koncepcji po implementację. Łącząc teorię z praktyką, nauczysz się zasad modelowania danych, budując funkcjonalną hurtownię danych. Dobre wprowadzenie do praktycznego wykorzystania SQL.
#wizualizacja_danych
How to create visuals with double y axis in Python
Dwie pionowe osie na wykresie to często nie jest dobry pomysł, ale czasem się przydaje. Dowiedz się tutaj, jak stworzyć taki wykres w Pythonie.
5 Amazing Plotly Visualizations You Didn’t Know You Could Create
Plotly to potężna biblioteka do tworzenia interaktywnych wizualizacji danych. Oferuje wiele różnorodnych wykresów, takich jak kalendarze, wykresy waflowe czy mapy sześciokątne. Przy odrobinie kreatywności można tworzyć wykresy pozornie niemożliwe do wykonania.
Bike Sharing Made Clear: A Dashboard Summarizing Essential Patterns
Wpis, który podsumowuje zestaw danych Capital Bikeshare. Zbiór danych zawiera informacje o wypożyczeniach rowerów, w tym dane czasowe, warunki pogodowe i liczbę wypożyczeń. Inspiracja do przedstawienia danych o cyklu tygodniowym. Zwróć uwagę na środkowy element dashboardu, gdzie jest rozkład godzinowy, ale rozciągnięty na 7 dni.
How to Measure Satisfaction Levels with Likert Scale?
Skala Likerta to prosty i skuteczny sposób mierzenia satysfakcji klienta, pozwalający uzyskać cenne informacje o odczuciach klientów względem marki.
Zestawienie linków przygotowuje automat, wybacz więc wszelkie dziwactwa ;-)