Intisari Ilmu Data (Agustus 2019)

Salam untuk semuanya! DataFest kembali ke Ukraina dan akan diadakan pada 7 September di Odessa. Sekarang sebuah program sedang dibentuk, tetapi jika Anda ingin membuat presentasi, Anda dapat mengirimkan topik Anda di sini . Daftar sebagai anggota di sini . Saya mengingatkan Anda bahwa intisari memiliki saluran dan halaman Telegram sendiri di jejaring sosial ( Facebook , Twitter , LinkedIn ), tempat saya menerbitkan tautan ke materi yang bermanfaat setiap hari. Bergabunglah sekarang!

Sementara itu, saya menawarkan pilihan bahan baru di bawah potongan.

Artikel

• Rekomendasi yang Dipersonalisasi untuk Pengalaman Menggunakan Pembelajaran Jauh - dalam artikel ini Anda akan mempelajari bagaimana model Recommended Recommended for You (RFY) yang baru-baru ini direkomendasikan menghasilkan rekomendasi hasil personalisasi pada situs web menggunakan riwayat penelusuran dan pembelajaran mendalam.
• Membangun Pipa Data Dengan Kafka - Artikel ini ditujukan untuk para insinyur pemula yang akan membangun pipa data pertama mereka berdasarkan Kafka.
• MIT Deep Learning Basics: Pendahuluan dan Tinjauan Umum dengan TensorFlow - Tinjauan umum 7 arsitektur pembelajaran dalam dengan tautan ke contoh-contoh TensorFlow untuk masing-masingnya.
• Memperkenalkan Dagster - pengantar Dagster - perpustakaan Python untuk membangun aplikasi tanggal berdasarkan proses ETL atau saluran pipa ML. Tautan ke itHub .
• Menggunakan DVC untuk membuat sistem kontrol versi yang efisien untuk proyek data - dalam artikel ini Anda akan mempelajari apa itu DVC dan bagaimana menggunakannya untuk versi proyek.
• 10 Kesalahan Statistik Teratas yang Dibuat oleh Ilmuwan Data - 10 kesalahan yang dibuat oleh Ilmuwan Data menggunakan statistik, termasuk contoh dan solusi.
• Deteksi Anomali untuk Dummies - artikel ini membahas deteksi anomali yang tidak terkendali untuk data satu dimensi dan multidimensi, serta berbagai strategi untuk deteksi mereka. Notebook Jupyter.
• 25 trik panda teratas - 25 tips tentang cara bekerja lebih cepat dan menulis kode lebih baik menggunakan panda.
• Kiat untuk Model Kemungkinan Pelatihan - dalam artikel ini Anda akan belajar tentang metode umum model pelatihan generatif yang mengoptimalkan kemungkinan untuk model autoregresif dan arus normalisasi.
• Panel: Aplikasi tingkat tinggi dan solusi dasbor untuk ekosistem PyData - pengantar Panel - pustaka Python baru yang memungkinkan Anda membuat aplikasi web dan dasbor interaktif khusus.
• Cara Melakukan Pengenalan Wajah Dengan VGGFace2 di Keras - dalam artikel ini Anda akan belajar tentang model VGGFace dan VGGFace2 untuk pengenalan wajah; bagaimana mengembangkan sistem identifikasi wajah untuk memprediksi nama-nama selebriti dari foto-foto yang diberikan; bagaimana mengembangkan sistem verifikasi wajah untuk memverifikasi identitas seseorang dari sebuah foto.
• Pencarian Arsitektur Saraf di CVPR 2019 - dalam artikel ini Anda akan belajar tentang pencarian arsitektur saraf (NAS) dan bagaimana NAS diperkenalkan di CVPR 2019.
• Dan voila! - Pada artikel ini, Anda akan belajar bagaimana Voilà mengubah notes Jupyter menjadi aplikasi web mandiri.
• Membangun Platform Otomasi Pemasaran Lyft - Artikel tentang platform pemasaran Lyft, yang didukung oleh pembelajaran mesin.
• Sumber Daya Terbaik untuk Memulai Dengan GAN - Pilihan sumber daya yang baik untuk mempelajari jaringan permusuhan generatif: metode penggunaan, presentasi video, artikel dan buku tentang GAN.

Proyek

• TRFL adalah perpustakaan TensorFlow yang memfasilitasi implementasi agen pembelajaran penguatan yang dikembangkan oleh tim peneliti di DeepMind.
• Implementasi NumPy dari berbagai model ML - repositori dengan berbagai model pembelajaran mesin berdasarkan NumPy.
• Model Gambar PyTorch - repositori berbagai model ML di PyTorch untuk bekerja dengan gambar.

Video

• Video ICML 2019 - video dan slide dari Konferensi Internasional tentang Pembelajaran Mesin.

Buku

• Lanjutan r
• Study E-Book - Repositori berisi banyak e-book tentang visi komputer, pembelajaran mendalam, pembelajaran mesin, matematika, NLP, Python, dan pembelajaran penguatan.

Acara

• Jurusan Ilmu Data Moskow - 31 Agustus, Moskwa - konferensi gratis komunitas Open Data Science . 11 bagian: Konfirmasi ML Musim Panas, SysML, Cerita kegagalan / pelatihan, pelatihan ML, pengujian A / B, NLP, PyData, ML4SG, CV / Belajar mencocokkan, DS 4 Life, bir Acak. Partisipasi gratis, diperlukan pendaftaran .
• Odessa Data Fest - 7 September, Odessa adalah konferensi komunitas Open Data Science gratis. 4 bagian: Visi Komputer, NLP, SysML, Bisnis & Kasus. Partisipasi gratis, diperlukan pendaftaran .
• Ilmu Data fwdays'19 - 7 September, Kiev - sebuah konferensi tentang AI dan Ilmu Data. 2 aliran laporan menunggu Anda; sudut diskusi; setelah pesta. Tiket Untuk pembaca ringkasan, diskon 15% pada kode promosi: digest_fwdays.
• AI Ukraina 2019 - 21-22 September, Kiev - salah satu konferensi AI paling kuat di Ukraina tahun ini akan diadakan dalam 3 aliran: Ilmu Data dan Pembelajaran Mesin; Big Data dan Analisis; Bisnis dan Startup AI. Program sudah ada di situs. Untuk pembaca intisari, diskon 7% pada kode promosi: DSDigest-AI2019.
• Ilmu Data Konferensi UA - 19 Oktober, Kiev - Konferensi ke - 7 tentang Pembelajaran Mesin, Kecerdasan Buatan dan Ilmu Data di Kiev. Jejaring yang produktif dan wawasan teknis. Lebih dari 500 peserta dan 20 pembicara, 3 aliran. Info lebih lanjut Untuk pembaca intisari, diskon 10% pada kode promo: DSUA_Digest.

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. Bergabunglah dengan saluran Telegram dari intisari dan halaman-halamannya di jejaring sosial: Sedang , Facebook , Twitter , LinkedIn .

Release Rilis sebelumnya: Data Science Digest (Juli 2019)