Data Science Digest (abril de 2019)

Habr, hola!

En marzo restauré la publicación en Habré del resumen dedicado a ML y Data Science. Hoy preparé una nueva selección de enlaces interesantes, y también anuncio el lanzamiento del canal de resumen de Telegram , en el que publico enlaces a materiales interesantes relacionados con AI y ML todos los días. Invito a todos a unirse a él. Mientras tanto, ofrezco una nueva selección de materiales bajo el corte.

Artículos

• Pronósticos en Uber: una introducción : este es el primero de una serie que explica cómo Uber usa los pronósticos para crear mejores productos y servicios.
• Cómo convertirse en ingeniero de datos .
• El modelado de series temporales estructurales en TensorFlow Probability trata sobre tfp.sts, una nueva biblioteca en TensorFlow Probability para pronósticos de series temporales usando modelos de series temporales estructurales.
• Cómo controlar las computadoras portátiles Jupyter : una descripción general de las diversas formas de controlar la versión de las computadoras portátiles Jupyter, incluidas las soluciones integradas y las herramientas externas.
• Por qué y cómo ocultamos los números de matrícula de los automóviles en los avisos de Avito .
• Tutorial de visión por computadora: una introducción paso a paso a las técnicas de segmentación de imágenes : una guía paso a paso para introducir la segmentación de imágenes.
• Jupyter Lab: Evolution of the Jupyter Notebook - Revisión de JupyterLab, la próxima generación de laptops Jupyter.
• Tutorial práctico de TensorFlow: Capacite a ResNet-50 desde cero El uso del conjunto de datos de ImageNet es una guía práctica para enseñar el modelo de ResNet en TensorFlow. Desde el lanzamiento de TensorFlow, la descarga y preparación de ImageNet, hasta la documentación e informes.
• Cómo elegir el tipo de gráfico correcto : una infografía que muestra los posibles tipos de gráficos que puede usar según los datos que tenga.
• Tutorial: Regresión de Poisson en R : una guía sobre la regresión de Poisson, qué es y cómo los programadores de R pueden usarla en aplicaciones del mundo real.
• GANSynth: Hacer música con GAN : una introducción a GANSynth, un método para generar sonido de alta calidad utilizando Generative Adversarial Networks (GAN).
• Frameworks for Machine Learning Model Management es una comparación de tres herramientas populares para administrar el ciclo de vida de los modelos / proyectos de aprendizaje automático: MLFlow, DVC y Sacred.

Proyecto

• Pandaral·lel es una herramienta simple y efectiva para paralelizar sus operaciones de Pandas en todos los procesadores disponibles.

Conjuntos de datos

• Conjunto de datos matemáticos
• 130 terabytes de datos de petróleo y gas

Libros

• Sumérgete en Deep Learning es un libro interactivo de aprendizaje profundo con código, matemáticas y debates interesantes.
• 15 mejores libros sobre aprendizaje profundo .

Video

• Conferencia Scaled Machine Learning 2019 .
• La teoría de los juegos que nos rodea es una excelente conferencia sobre la teoría de los juegos, su aplicación en la vida cotidiana y cómo no perder.

Eventos

• Conferencia de Europa del Este sobre Visión por Computadora - 6-7 de julio, Odessa.
• Lviv Data Science Summer School - 22 de julio - 2 de agosto, Lviv. La inscripción está abierta hasta el 1 de mayo. El programa escolar ya ha anunciado 12 cursos en las áreas de: visión por computadora, procesamiento del lenguaje natural, atención médica, análisis de redes sociales, ciencia de datos urbanos y otros.

Puede suscribirse al boletín de correo electrónico de resumen aquí o unirse a grupos en las redes sociales: Facebook , Twitter , Telegram .

Si eres de Odessa, únete a nuestro grupo en FB o meetup.com .

Gracias por leer este número. Espero que todos hayan encontrado algo útil para ellos. Le agradecería cualquier sugerencia para el próximo resumen. Puedes enviar tus enlaces aquí .

<- Número anterior: Data Science Digest