Data Science Digest (April 2019)

Habr, hallo!

Im März stellte ich die Veröffentlichung des Digests über ML und Data Science auf Habré wieder her. Heute habe ich eine neue Auswahl interessanter Links vorbereitet und den Start des Telegramm- Digest- Kanals angekündigt, in dem ich jeden Tag Links zu interessanten Materialien zu AI & ML veröffentliche. Ich lade alle ein, sich ihm anzuschließen. In der Zwischenzeit biete ich eine frische Auswahl an Materialien unter dem Schnitt an.

Artikel

• Prognosen bei Uber: Eine Einführung - Dies ist der erste Teil einer Reihe, in dem erläutert wird, wie Uber Prognosen verwendet, um bessere Produkte und Dienstleistungen zu erstellen.
• So werden Sie Data Engineer .
• Strukturelle Zeitreihenmodellierung in TensorFlow Probability handelt von tfp.sts, einer neuen Bibliothek in TensorFlow Probability für die Vorhersage von Zeitreihen mithilfe struktureller Zeitreihenmodelle.
• Versionskontrolle von Jupyter-Notebooks - Eine Übersicht über die verschiedenen Möglichkeiten zur Steuerung der Version von Jupyter-Notebooks, einschließlich eingebetteter Lösungen und externer Tools.
• Warum und wie verstecken wir Autokennzeichen in Avito-Anzeigen?
• Computer Vision Tutorial: Eine schrittweise Einführung in die Bildsegmentierungstechniken - Eine schrittweise Anleitung zur Einführung der Bildsegmentierung.
• Jupyter Lab: Entwicklung des Jupyter-Notebooks - Überprüfung von JupyterLab, der nächsten Generation von Jupyter-Laptops.
• Praktisches TensorFlow-Tutorial: Trainieren von ResNet-50 von Grund auf neu Verwenden des ImageNet-Datensatzes ist eine praktische Anleitung zum Erlernen des ResNet-Modells in TensorFlow. Vom Starten von TensorFlow über das Herunterladen und Vorbereiten von ImageNet bis hin zur Dokumentation und Berichterstellung.
• So wählen Sie den richtigen Diagrammtyp aus - eine Infografik mit den möglichen Diagrammtypen, die Sie je nach Ihren Daten verwenden können.
• Tutorial: Poisson-Regression in R - Eine Anleitung zur Poisson-Regression, was sie ist und wie R-Programmierer sie in realen Anwendungen verwenden können.
• GANSynth: Musik machen mit GANs - Eine Einführung in GANSynth, eine Methode zur Erzeugung von qualitativ hochwertigem Sound mithilfe von Generative Adversarial Networks (GAN).
• Frameworks for Model Management für maschinelles Lernen ist ein Vergleich von drei gängigen Tools zur Verwaltung des Lebenszyklus von Modellen / Projekten für maschinelles Lernen: MLFlow, DVC und Sacred.

Projekt

• Pandaral·lel ist ein einfaches und effektives Tool zur Parallelisierung Ihrer Pandas-Vorgänge auf allen verfügbaren Prozessoren.

Datensätze

• Mathematik-Datensatz
• 130 Terabyte Öl- und Gasdaten

Bücher

• Dive into Deep Learning ist ein interaktives Deep Learning-Buch mit Code, Mathematik und spannenden Diskussionen.
• 15 besten Bücher über tiefes Lernen .

Video

• Skalierte Konferenz für maschinelles Lernen 2019 .
• Die Spieltheorie um uns herum ist ein ausgezeichneter Vortrag über die Spieltheorie, ihre Anwendung im Alltag und wie man nicht verliert.

Ereignisse

• Osteuropäische Konferenz über Computer Vision - 6.-7 . Juli, Odessa.
• Lviv Data Science Summer School - 22. Juli - 2. August, Lviv. Die Registrierung ist bis zum 1. Mai geöffnet. Das Schulprogramm hat bereits 12 Kurse in den Bereichen Computer Vision, Verarbeitung natürlicher Sprache, Gesundheitswesen, Analyse sozialer Netzwerke, Urban Data Science und anderen angekündigt.

Sie können den Digest-E-Mail-Newsletter hier abonnieren oder Gruppen in sozialen Netzwerken beitreten: Facebook , Twitter , Telegramm .

Wenn Sie aus Odessa kommen, treten Sie unserer Gruppe bei FB oder meetup.com bei .

Vielen Dank, dass Sie diese Ausgabe gelesen haben. Ich hoffe, jeder hat etwas Nützliches für sich gefunden. Ich wäre dankbar für Vorschläge für die nächste Verdauung. Hier können Sie Ihre Links senden.

<- Vorherige Ausgabe: Data Science Digest