Data Science Digest (julio de 2019)

Un saludo a todos!

El verano está en pleno apogeo, y si planeas estar en Odessa el 5 de julio, te invito a la barra de datos y mitap de ODS , que está organizada por el equipo de Odessa ODS.ai. Les recuerdo que el resumen tiene su propio canal de Telegram y páginas en las redes sociales ( Facebook , Twitter , LinkedIn , Medium ), donde publico enlaces a materiales útiles a diario. Únete ahora!

Mientras tanto, ofrezco una nueva selección de materiales bajo el corte.

Artículos

• 18 impresionantes aplicaciones de redes adversarias generativas : una descripción general de 18 interesantes aplicaciones GAN para ayudarlo a comprender dónde se puede usar y ser útil.
• Aceleración de hardware de redes neuronales profundas: GPU, FPGA, ASIC, TPU, VPU, IPU, DPU, NPU, RPU, NNP y otras letras.
• Predicción de series temporales con TensorFlow.js : en este artículo aprenderá cómo extraer los precios de las acciones de la API en línea y realizar pronósticos utilizando una red neuronal recurrente y memoria a corto plazo (LSTM) y TensorFlow.js.
• Inicializando redes neuronales : el artículo explica cómo inicializar eficazmente los parámetros de una red neuronal para acelerar su entrenamiento y evitar errores comunes.
• Aprendizaje profundo: ¿la última frontera para el procesamiento de señales y el análisis de series temporales?
• The Third Wave Data Scientist : lo que un científico de datos moderno debería saber y ser capaz de hacer.
• 16 Funciones de OpenCV para comenzar su viaje de Computer Vision (con código Python) es un excelente artículo para principiantes, que describe las funciones básicas de la biblioteca de OpenCV y le permite comenzar a trabajar rápidamente con ella.
• Ya sea que explote la burbuja de aprendizaje automático o el comienzo de un nuevo amanecer .
• Lo mejor y más actual del procesamiento moderno del lenguaje natural es un buen artículo de revisión que proporciona enlaces a recursos útiles sobre el tema del procesamiento del lenguaje natural y lo ayuda a conocer las últimas tendencias en esta área.
• Canalizaciones de aprendizaje profundo distribuidas con PySpark y Keras
• Preprocesamiento de texto en Python: pasos, herramientas y ejemplos : en este artículo aprenderá sobre las etapas principales del preprocesamiento de texto, que son necesarias para traducir el texto del lenguaje humano a un formato legible por máquina para seguir trabajando con él.
• Rekko Challenge: cómo ocupar el segundo lugar en la competencia para la creación de sistemas de recomendación .
• Presentación de TensorFlow Graphics : una descripción general del nuevo complemento TensorFlow, que se espera permita la investigación en la intersección del aprendizaje profundo y los gráficos por computadora.
• Asignación automática de tareas en Jira usando ML .
• Una introducción práctica al aprendizaje profundo de Q utilizando OpenAI Gym en Python : este artículo lo ayudará a dar los primeros pasos en el mundo del aprendizaje profundo con refuerzo utilizando el ejemplo de OpenAI Gym.

Cheatsheets

• Data Science Cheatsheets es una excelente colección de hojas de trucos sobre los siguientes temas: inteligencia artificial, análisis de Big Data, Big Data, ingeniería de datos, minería de datos, ciencia de datos, visualización de datos, aprendizaje profundo, aprendizaje automático, Python y otros.
• Fichas técnicas de Inteligencia Artificial para el CS 221 de Stanford : este repositorio resume todas las cosas importantes descritas en el Curso de Inteligencia Artificial CS 221 de Stanford e incluye hojas de trucos para ello.

Proyectos

• ICLR 2019 posters es un proyecto dedicado a recolectar carteles de las principales conferencias de aprendizaje automático en un solo lugar. Primeros carteles con ICLR añadidos.
• El aprendizaje automático y las aplicaciones de ciencia de datos en la industria es un repositorio que contiene una gran lista de ejemplos del uso del aprendizaje automático y la ciencia de datos en diversas industrias.

Video

• Deep Learning Boot Camp : presentaciones en video del Deep Learning Boot Camp, que tuvo lugar del 28 al 31 de mayo en Berkeley.

Libros

• AUTOML: MÉTODOS, SISTEMAS, DESAFÍOS : este libro presenta la primera descripción completa de los métodos generales de aprendizaje automático (AutoML), describe los sistemas existentes basados ​​en estos métodos y discute los problemas de los sistemas AutoML.

Eventos

• ODS.ai Odessa Meetup & Data Bar - 5 de julio, Odessa es la primera reunión de la comunidad de Open Data Science en Odessa. Comunicación informal y temas interesantes en vísperas de la conferencia EECVC . La participación es gratuita, se requiere registro .
• AI Ukraine 2019 - 21-22 de septiembre, Kiev: una de las conferencias de IA más poderosas en Ucrania este año se llevará a cabo en 3 transmisiones: Data Science y Machine Learning; Big Data y Analytics; AI Business y Startups. Los primeros temas de los informes ya están en el sitio. Para los lectores del código promocional de descuento del 7%: DSDigest-AI2019.

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

← Versión anterior: Data Science Digest (mayo de 2019)