Data Science Digest (August 2019)

Grüße an alle! DataFest kehrt in die Ukraine zurück und findet am 7. September in Odessa statt. Jetzt wird ein Programm erstellt. Wenn Sie jedoch eine Präsentation erstellen möchten, können Sie Ihr Thema hier einreichen. Registrieren Sie sich hier als Mitglied. Ich erinnere Sie daran, dass der Digest einen eigenen Telegrammkanal und Seiten in sozialen Netzwerken ( Facebook , Twitter , LinkedIn ) 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

• Personalisierte Empfehlungen für Erfahrungen mit Deep Learning - In diesem Artikel erfahren Sie, wie das kürzlich empfohlene RFY-Modell (Recommended For You) von TripAdvisor mithilfe von Browserverlauf und Deep Learning personalisierte Empfehlungen auf einer Website generiert.
• Erstellen von Datenpipelines mit Kafka - Dieser Artikel richtet sich an Anfänger, die ihre erste auf Kafka basierende Datenpipeline erstellen möchten.
• MIT Deep Learning-Grundlagen: Einführung und Überblick mit TensorFlow - Eine Übersicht über 7 Deep Learning-Architekturen mit Links zu TensorFlow-Beispielen.
• Einführung in Dagster - eine Einführung in Dagster - eine Python-Bibliothek zum Erstellen von Datumsanwendungen basierend auf ETL-Prozessen oder ML-Pipelines. Link zu itHub .
• Verwenden von DVC zum Erstellen eines effizienten Versionskontrollsystems für Datenprojekte - In diesem Artikel erfahren Sie, was DVC ist und wie Sie es zum Versieren eines Projekts verwenden.
• Top 10 Statistikfehler von Data Scientists - 10 Fehler, die Data Scientists mithilfe von Statistiken machen, einschließlich Beispielen und Lösungen.
• Anomalieerkennung für Dummies - Der Artikel beschreibt die Erkennung unkontrollierter Anomalien für eindimensionale und mehrdimensionale Daten sowie verschiedene Strategien für deren Erkennung. Jupyter Notizbuch.
• Top 25 Pandas-Tricks - 25 Tipps, wie Sie mit Pandas schneller arbeiten und Code besser schreiben können.
• Tipps zum Trainieren von Wahrscheinlichkeitsmodellen - In diesem Artikel erfahren Sie mehr über gängige Methoden zum Trainieren generativer Modelle, die die Wahrscheinlichkeit für autoregressive Modelle optimieren und Flüsse normalisieren.
• Panel: Eine App- und Dashboarding-Lösung auf hoher Ebene für das PyData-Ökosystem - eine Einführung in Panel - eine neue Python-Bibliothek, mit der Sie benutzerdefinierte interaktive Webanwendungen und Dashboards erstellen können.
• Durchführen der Gesichtserkennung mit VGGFace2 in Keras - In diesem Artikel erfahren Sie mehr über die Modelle VGGFace und VGGFace2 für die Gesichtserkennung. wie man ein Gesichtsidentifikationssystem entwickelt, um Prominentennamen aus gegebenen Fotos vorherzusagen; wie man ein Gesichtsüberprüfungssystem entwickelt, um die Identität einer Person anhand eines Fotos zu überprüfen.
• Suche nach neuronaler Architektur bei CVPR 2019 - In diesem Artikel erfahren Sie mehr über die Suche nach neuronaler Architektur (NAS) und wie das NAS bei CVPR 2019 eingeführt wurde.
• Und voilà! - In diesem Artikel erfahren Sie, wie Voilà Jupyter-Notizblöcke in eigenständige Webanwendungen verwandelt.
• Aufbau der Marketing-Automatisierungsplattform von Lyft - Ein Artikel über die Lyft-Marketingplattform, die auf maschinellem Lernen basiert.
• Beste Ressourcen für den Einstieg in GANs - Eine Auswahl guter Ressourcen zum Erlernen generativer gegnerischer Netzwerke: Verwendungsmethoden, Videopräsentationen, Artikel und Bücher über GAN.

Projekt

• TRFL ist eine TensorFlow- Bibliothek, die die Implementierung von Verstärkungslernmitteln erleichtert, die von einem Forschungsteam bei DeepMind entwickelt wurden.
• NumPy-Implementierungen verschiedener ML-Modelle - ein Repository mit verschiedenen auf NumPy basierenden Modellen für maschinelles Lernen.
• PyTorch-Bildmodelle - Ein Repository mit verschiedenen ML-Modellen auf PyTorch für die Arbeit mit Bildern.

Video

• ICML 2019 Videos - Videos und Folien von der Internationalen Konferenz über maschinelles Lernen.

Bücher

• Fortgeschrittene r
• E-Book studieren - Das Repository enthält viele E-Books über Computer Vision, Deep Learning, maschinelles Lernen, Mathematik, NLP, Python und Bestärkungslernen.

Ereignisse

• Moscow Data Science Major - 31. August, Moskau - eine kostenlose Konferenz der Open Data Science Community. 11 Abschnitte: Summer ML conf, SysML, Fail / Cess-Story, ML-Schulungen, A / B-Tests, NLP, PyData, ML4SG, Lebenslauf / Match to Learn, DS 4 Life, Zufälliges Bier. Die Teilnahme ist kostenlos, eine Registrierung ist erforderlich.
• Odessa Data Fest - 7. September, Odessa ist eine kostenlose Open Data Science Community-Konferenz. 4 Abschnitte: Computer Vision, NLP, SysML, Business & Cases. Die Teilnahme ist kostenlos, eine Registrierung ist erforderlich.
• Data Science fwdays'19 - 7. September, Kiew - eine Konferenz über KI und Data Science. Es erwarten Sie 2 Berichtsströme. Diskussionsecken; Afterparty. Tickets Für Leser des Digests ein Rabatt von 15% auf den Aktionscode: digest_fwdays.
• 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. Das Programm ist bereits auf der Website. Für Leser des Digests ein Rabatt von 7% auf den Aktionscode: DSDigest-AI2019.
• Data Science UA-Konferenz - 19. Oktober, Kiew - 7. Konferenz über maschinelles Lernen, künstliche Intelligenz und Datenwissenschaft in Kiew. Produktives Networking und technische Einblicke. Über 500 Teilnehmer und 20 Sprecher, 3 Streams. Weitere Infos . Für Leser des Digests ein Rabatt von 10% auf den Promo-Code: DSUA_Digest.

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. Treten Sie dem Telegrammkanal des Digests und seiner Seiten in sozialen Netzwerken bei: Medium , Facebook , Twitter , LinkedIn .

← Vorherige Version: Data Science Digest (Juli 2019)