Ilmu data dicerna

Habr, halo!

Untuk waktu yang lama saya melakukan intisari tentang Habr yang didedikasikan untuk AI dan BigData. Sekarang saya ingin mengembalikannya dan sebulan sekali memilih bahan-bahan menarik dari bidang Ilmu Data.

Pada bulan Januari, saya memulai survei ilmuwan data tentang alat kerja mereka. Selama masa ini, lebih dari 600 orang telah mengambil bagian di dalamnya. Hingga 3 Maret, Anda masih dapat mengambil bagian di dalamnya , jika Anda belum melakukannya. Saya berencana untuk mempublikasikan hasilnya pada 10 Maret, tetapi untuk saat ini saya menawarkan pilihan bahan baru di bawah potongan.

Artikel

• Produktivitas Pembelajaran Mesin Scaling di LinkedIn - tentang pendekatan LinkedIn untuk meningkatkan sistem ML dan berbagi pengetahuan di antara para insinyur.
• Segmentasi Gambar menggunakan modul scikit-image Python - Tinjauan umum metode segmentasi gambar menggunakan scikit-image.
• Klasifikasi kanker payudara dengan Keras dan Belajar Dalam - tentang mengembangkan model ML untuk memprediksi kanker payudara menggunakan gambar histologis.
• Gambaran Umum Algoritma TOP untuk Pembelajaran Mesin. Bagian 1 - pada bagian pertama, berbagai jenis pembelajaran mesin dipertimbangkan, serta algoritma seperti regresi linier, K-Nearest Neighbors (kNN) dan jaringan saraf convolutional. Contoh python disertakan.
• Membangun model pembelajaran mesin sepenuhnya kustom pada AWS SageMaker - Panduan praktis untuk bekerja dengan AWS SageMaker.
• Keras, Regression, dan CNNs - tentang pengembangan jaringan saraf convolutional untuk memprediksi regresi menggunakan Keras dan memprediksi harga perumahan berdasarkan serangkaian gambar.
• Apa yang digunakan Kagglers untuk Klasifikasi Teks - ikhtisar model untuk mengklasifikasikan teks dengan contoh penggunaannya.
• AlphaStar: Menguasai Game Strategi Real-Time StarCraft II adalah tentang AlphaStar, yang memenangkan StarCraft II pemain profesional terbaik.
• Fashion MNIST dengan Keras dan Deep Learning adalah tentang menciptakan jaringan saraf convolutional untuk mengklasifikasikan pakaian menggunakan dataset Fashion MNIST.
• Perbandingan GPU yang berbeda dalam hal kinerja dan harga untuk Deep Learning dapat ditemukan dalam materi Tim Dettmers, yang terus diperbarui. Dan jika Anda membutuhkan server Multi-GPU untuk bekerja, maka saya akan dengan senang hati membantu. Anda dapat menulis kepada saya di PM.
• Gambaran umum ekosistem NLP di peta R - Mindmap dari ekosistem NLP di R.
• Kerangka Kerja untuk Deep Deep Learning .
• Memprediksi konsumsi listrik Irlandia dengan jaringan saraf pada R dan Python - tentang menciptakan jaringan saraf untuk memprediksi konsumsi energi dalam R dan Python.

Proyek

• Makalah dengan Kode adalah proyek yang berisi tautan ke artikel pembelajaran mesin bersama dengan kode terkait.
• Recommenders adalah proyek sumber terbuka dari Microsoft yang mengumpulkan praktik terbaik untuk membangun sistem rekomendasi.

Buku

• MATLAB Deep Learning: Dengan Pembelajaran Mesin, Jaringan Saraf Tiruan dan Kecerdasan Buatan oleh Phil Kim
• Buku bagus untuk ilmu data
• 13 Buku Matematika Klasik untuk Pembelajar Seumur Hidup

Video

• Pembelajaran Jauh UC Berkeley STAT-157 2019

Acara

• Pada 16 Maret, konferensi Data Ilmu UA 6 tahunan akan diadakan di Kiev. Program di situs ini, kode promosi diskon - DataScienceDigest.
• Daftar Machine Learning / Konferensi Pembelajaran Jauh pada 2019

Saya memiliki versi bahasa Inggris dari intisari ini, yang dapat Anda berlangganan di sini . Saya juga membuat untuk grup intisari di jejaring sosial ( Facebook , Twitter , Telegram ) dan agar, tanpa menunggu tanggal rilis intisari, saya segera menerbitkan tautan ke materi menarik di dalamnya.

Jika Anda berasal dari Odessa, bergabunglah dengan grup kami di FB atau meetup.com .

Terima kasih telah membaca masalah ini. Saya harap semua orang menemukan sesuatu yang berguna untuk diri mereka sendiri. Saya akan berterima kasih atas saran untuk intisari selanjutnya.