海洋中尺度涡旋（50-300km）作为海洋动力学的重要组成部分，对海洋环流、能量传输和物质循环产生重大影响，它们不仅输送着淡水、热量、碳、营养物质等，深刻影响着海洋生态系统和地球气候，还占海洋动能的80%以上。因此，精确地刻画和理解中尺度涡旋涡旋的产生、演化和相互作用是研究全球海洋环流和气候变化的关键。

在数据科学领域，地图可视化是理解地理空间数据的重要方式。然而，当数据量变得非常大时，传统的可视化方法往往难以实现可视化功能。本文将介绍两个基于 xarray 扩展的开源Python库：xarray-leaflet和xtrude，它们分别针对二维和三维地图可视化提供了高效的解决方案。这两个库充分利用了前端的切片技术以及 xarray 的数据处理能力，使其能够轻松处理存储在云端或本地的大型数据集。

地球磁场是地球的重要组成部分，它保护着我们免受太阳风和宇宙射线的侵袭，并且对导航系统至关重要。然而，地球磁场并非静态不变，它会随着时间推移而缓慢变化。为了精确模拟地球磁场的动态变化，并为全球导航提供可靠的基础，科学家们不断开发和更新世界磁场模型（World Magnetic Model,WMM）。WMM每5年发布一个版本，上一个版本是2019年12月发布的WMM2020。近日，最新版本的世界磁场模型 WMM2025正式发布，它不仅提供了更精确的导航数据，还引入了高分辨率模型，标志着地球磁场建模和导航技术迈向了新的台阶。

近年来，Python已成为地理信息系统（GIS）和遥感专业人士的首选语言。Python的灵活性和丰富的库生态系统使其能够高效处理大规模空间数据集，进行复杂的地理和环境数据分析与可视化。从处理卫星影像到执行复杂的地理空间操作，Python的库套件可以满足该领域初学者和专家的需求。

本文内容来源于播客《屠龙之术》的《我们到底该如何记录AI行业这一年》，本文作者在此基础上进行了提炼整理。PPT原文在本文文末。

在当今机器学习领域，大规模数据集对解决复杂问题起着至关重要的作用。例如，用于训练大型语言模型的 FineWeb 数据集就达到了44TB 的规模。然而，在科学数据领域，特别是物理数值模拟方面，数据的收集、过滤和解释都面临着独特的挑战。为了解决这一问题，研究人员推出了一个名为 “The Well” 的数据集。

人工神经网络(Artificial Neural Network， ANN)是一种受生物神经系统启发的计算模型，其基本构成单元是人工神经元，就像生物大脑中的神经元一样。这些神经元被组织成多个层级，通过层间连接传递信息，按照预设的规则机械地进行计算，最终产生输出结果。ANN的关键特性包括预测能力和层级结构，通过堆叠多层神经元，可以处理更复杂的问题，而层间连接的强度决定了网络的行为。以数字识别为例，一个ANN可能包含接收图像像素的输入层、处理信息的中间隐藏层以及产生最终预测的输出层。虽然ANN可以通过训练来学习完成特定任务，展现出复杂的行为，但它本质上仍是一个按照预设规则运行的数学计算系统，而非具备真正思维能力的智能体。

数据并非总是能整齐地排列在行和列中。实际上，数据经常以图结构的形式呈现出来，比如社交网络、蛋白质结构、推荐系统或交通运输系统等。如果在机器学习模型中忽略了图的拓扑信息，可能会严重影响模型的性能。