Data Science Digest (Juli 2019)

Grüße an alle!

Der Sommer ist in vollem Gange, und wenn Sie am 5. Juli in Odessa sein möchten , lade ich Sie in die ODS-Mitap- und Datenleiste ein , die vom ODS.ai- Team von Odessa organisiert wird . Ich erinnere Sie daran, dass der Digest einen eigenen Telegrammkanal und Seiten in sozialen Netzwerken ( Facebook , Twitter , LinkedIn , Medium ) hat, auf denen ich täglich Links zu nützlichen Materialien veröffentliche. Jetzt mitmachen!

In der Zwischenzeit biete ich eine frische Auswahl an Materialien unter dem Schnitt an.

Artikel

• 18 beeindruckende Anwendungen generativer gegnerischer Netzwerke - Eine Übersicht über 18 interessante GAN-Anwendungen, damit Sie verstehen, wo sie verwendet werden können und wo sie nützlich sind.
• Hardwarebeschleunigung von tiefen neuronalen Netzen: GPU, FPGA, ASIC, TPU, VPU, IPU, DPU, NPU, RPU, NNP und andere Buchstaben.
• Zeitreihenprognose mit TensorFlow.js - In diesem Artikel erfahren Sie, wie Sie Aktienkurse aus der Online-API extrahieren und Prognosen mithilfe eines wiederkehrenden neuronalen Netzwerks und des Langzeit-Kurzzeitgedächtnisses (LSTM) sowie von TensorFlow.js durchführen.
• Initialisieren neuronaler Netze - In diesem Artikel wird erläutert, wie die Parameter eines neuronalen Netzes effektiv initialisiert werden können, um dessen Training zu beschleunigen und häufige Fehler zu vermeiden.
• Deep Learning: Die letzte Grenze für Signalverarbeitung und Zeitreihenanalyse?
• The Third Wave Data Scientist - was ein moderner Data Scientist wissen und können sollte.
• 16 OpenCV-Funktionen zum Starten Ihrer Computer Vision-Reise (mit Python-Code) ist ein ausgezeichneter Artikel für Anfänger, der die Grundfunktionen der OpenCV-Bibliothek beschreibt und es Ihnen ermöglicht, schnell damit zu arbeiten.
• Ob die Blase des maschinellen Lernens platzte oder der Beginn einer neuen Morgendämmerung .
• Das Beste und Aktuellste der modernen Verarbeitung natürlicher Sprache ist ein guter Übersichtsartikel, der Links zu nützlichen Ressourcen zum Thema Verarbeitung natürlicher Sprache enthält und Ihnen hilft, sich über die neuesten Trends in diesem Bereich zu informieren.
• Verteilte Deep-Learning-Pipelines mit PySpark und Keras
• Textvorverarbeitung in Python: Schritte, Tools und Beispiele - In diesem Artikel erfahren Sie mehr über die wichtigsten Phasen der Textvorverarbeitung, die erforderlich sind, um Text aus der menschlichen Sprache in ein maschinenlesbares Format zu übersetzen, damit Sie weiter damit arbeiten können.
• Rekko Challenge - wie man den 2. Platz im Wettbewerb um die Schaffung von Empfehlungssystemen belegt .
• Einführung in TensorFlow Graphics - Ein Überblick über das neue TensorFlow-Add-On, das voraussichtlich Forschung an der Schnittstelle von Deep Learning und Computergrafik ermöglichen wird.
• Automatische Aufgabenzuweisung in Jira mit ML .
• Eine praktische Einführung in Deep Q-Learning mit OpenAI Gym in Python - Dieser Artikel hilft Ihnen dabei, die ersten Schritte in die Welt des Deep Learning mit Verstärkung anhand des OpenAI Gym-Beispiels zu unternehmen.

Cheatsheets

• Data Science Cheatsheets sind eine hervorragende Sammlung von Spickzettel zu folgenden Themen: Künstliche Intelligenz, Big Data Analytics, Big Data, Data Engineering, Data Mining, Data Science, Datenvisualisierung, Deep Learning, Maschinelles Lernen, Python und andere.
• Cheatsheets für künstliche Intelligenz für Stanfords CS 221 - Dieses Repository fasst alle wichtigen Dinge zusammen, die im Stanford Artificial Intelligence CS 221-Kurs beschrieben sind, und enthält Spickzettel dafür.

Projekte

• ICLR 2019-Poster sind ein Projekt, das sich dem Sammeln von Postern von führenden Konferenzen zum maschinellen Lernen an einem Ort widmet. Erste Poster mit ICLR hinzugefügt.
• Anwendungen für maschinelles Lernen und Data Science in der Industrie ist ein Repository, das eine große Liste von Beispielen für den Einsatz von maschinellem Lernen und Data Science in verschiedenen Branchen enthält.

Video

• Deep Learning Boot Camp - Videopräsentationen vom Deep Learning Boot Camp, das vom 28. bis 31. Mai in Berkeley stattfand.

Bücher

• AUTOML: METHODEN, SYSTEME, HERAUSFORDERUNGEN - Dieses Buch bietet den ersten umfassenden Überblick über die allgemeinen Methoden des automatischen maschinellen Lernens (AutoML), erstellt Beschreibungen bestehender Systeme auf der Grundlage dieser Methoden und erörtert die Probleme von AutoML-Systemen.

Ereignisse

• ODS.ai Odessa Meetup & Data Bar - Am 5. Juli ist Odessa das erste Treffen der Open Data Science- Community in Odessa. Informelle Kommunikation und interessante Themen am Vorabend der EECVC- Konferenz. Die Teilnahme ist kostenlos, eine Registrierung ist erforderlich.
• AI Ukraine 2019 - 21. bis 22. September, Kiew - Eine der leistungsstärksten AI-Konferenzen in der Ukraine in diesem Jahr wird in drei Streams abgehalten: Data Science und Machine Learning; Big Data und Analytics; AI Business und Startups. Die ersten Themen von Berichten sind bereits auf der Website. Für Leser des Digest 7% Rabatt-Aktionscodes: DSDigest-AI2019.

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.

← Vorherige Version: Data Science Digest (Mai 2019)