Data Science Digest (juillet 2019)

Salutations à tous!

L'été bat son plein, et si vous prévoyez d'être à Odessa le 5 juillet, je vous invite à la mitap ODS et à la barre de données , qui est organisée par l'équipe d'Odessa ODS.ai. Je vous rappelle que le condensé a sa propre chaîne Telegram et des pages sur les réseaux sociaux ( Facebook , Twitter , LinkedIn , Medium ), où je publie quotidiennement des liens vers des documents utiles. Rejoignez-nous maintenant!

En attendant, je vous propose une nouvelle sélection de matières sous la coupe.

Les articles

• 18 applications impressionnantes de réseaux contradictoires génératifs - Un aperçu de 18 applications GAN intéressantes pour vous aider à comprendre où il peut être utilisé et utile.
• Accélération matérielle des réseaux de neurones profonds: GPU, FPGA, ASIC, TPU, VPU, IPU, DPU, NPU, RPU, NNP et autres lettres.
• Prévisions de séries chronologiques avec TensorFlow.js - dans cet article, vous apprendrez à extraire les cours des actions de l'API en ligne et à effectuer des prévisions à l'aide d'un réseau de neurones récurrent et de la mémoire à court terme à long terme (LSTM) et TensorFlow.js.
• Initialisation des réseaux de neurones - l'article explique comment initialiser efficacement les paramètres d'un réseau de neurones afin d'accélérer sa formation et d'éviter les erreurs courantes.
• Deep learning: la dernière frontière pour le traitement du signal et l'analyse des séries temporelles?
• The Third Wave Data Scientist - ce qu'un scientifique des données moderne devrait savoir et être capable de faire.
• 16 Fonctions OpenCV pour démarrer votre parcours Computer Vision (avec du code Python) est un excellent article pour les débutants, qui décrit les fonctions de base de la bibliothèque OpenCV et vous permet de commencer rapidement à travailler avec.
• Que la bulle d'apprentissage automatique éclate ou le début d'une nouvelle aube .
• Le meilleur et le plus récent du traitement du langage naturel moderne est un bon article de revue qui fournit des liens vers des ressources utiles sur le sujet du traitement du langage naturel et vous aide à en savoir plus sur les dernières tendances dans ce domaine.
• Pipelines d'apprentissage approfondi distribués avec PySpark et Keras
• Prétraitement du texte en Python: étapes, outils et exemples - dans cet article, vous découvrirez les principales étapes du prétraitement du texte, qui sont nécessaires pour traduire le texte du langage humain dans un format lisible par machine pour continuer à l'utiliser.
• Rekko Challenge - comment prendre la 2e place au concours pour la création de systèmes de recommandation .
• Présentation de TensorFlow Graphics - Un aperçu du nouveau module complémentaire TensorFlow, qui devrait permettre des recherches à l'intersection de l'apprentissage en profondeur et de l'infographie.
• Affectation automatique des tâches dans Jira à l'aide de ML .
• Une introduction pratique au Deep Q-Learning en utilisant OpenAI Gym en Python - cet article vous aidera à faire les premiers pas dans le monde du deep learning avec renforcement en utilisant l'exemple OpenAI Gym.

Cheatsheets

• Data Science Cheatsheets est une excellente collection de feuilles de triche sur les sujets suivants: Intelligence artificielle, Big Data Analytics, Big Data, Data Engineering, Data Mining, Data Science, Data Visualization, Deep Learning, Machine Learning, Python et autres.
• Fiches techniques d'intelligence artificielle pour CS 221 de Stanford - Ce référentiel résume toutes les choses importantes décrites dans le cours Stanford Artificial Intelligence CS 221 et comprend des feuilles de triche pour cela.

Les projets

• Les affiches de l'ICLR 2019 sont un projet dédié à la collecte des affiches des principales conférences d'apprentissage automatique en un seul endroit. Ajout des premières affiches avec l'ICLR.
• L'apprentissage automatique et les applications de science des données dans l'industrie est un référentiel qui contient une grande liste d'exemples d'utilisation de l'apprentissage automatique et de science des données dans diverses industries.

Vidéo

• Deep Learning Boot Camp - présentations vidéo du Deep Learning Boot Camp, qui a eu lieu du 28 au 31 mai à Berkeley.

Livres

• AUTOML: MÉTHODES, SYSTÈMES, DÉFIS - ce livre présente le premier aperçu complet des méthodes générales d'apprentissage automatique (AutoML), compile des descriptions des systèmes existants basés sur ces méthodes et discute des problèmes des systèmes AutoML.

Les événements

• ODS.ai Odessa Meetup & Data Bar - Le 5 juillet, Odessa est la première réunion de la communauté Open Data Science à Odessa. Communication informelle et sujets intéressants à la veille de la conférence EECVC . La participation est gratuite, l' inscription est obligatoire.
• AI Ukraine 2019 - 21-22 septembre, Kiev - l'une des plus puissantes conférences sur l'IA en Ukraine cette année se déroulera en 3 volets: Data Science et Machine Learning; Big Data et Analytics; Business AI et startups. Les premiers sujets de reportages sont déjà sur le site. Pour les lecteurs du code promotionnel 7% de réduction: DSDigest-AI2019.

Merci d'avoir lu ce numéro. J'espère que chacun a trouvé quelque chose d'utile. Je serais reconnaissant pour toute suggestion pour le prochain résumé.

← Version précédente: Data Science Digest (mai 2019)