Resumo da ciência de dados

Habr, olá!

Durante muito tempo, conduzi um resumo do Habr dedicado à IA e ao BigData. Agora, quero restaurá-lo e, uma vez por mês, fazer uma seleção de materiais interessantes do campo da Ciência de Dados.

Em janeiro, iniciei uma pesquisa com cientistas de dados sobre suas ferramentas de trabalho. Durante esse período, mais de 600 pessoas já participaram dele. Até 3 de março, você ainda poderá participar , se ainda não o fez. Pretendo publicar os resultados no dia 10 de março, mas por enquanto ofereço uma nova seleção de materiais sob o corte.

Artigos

• Escalando a produtividade do aprendizado de máquina no LinkedIn - na abordagem do LinkedIn para escalar sistemas de ML e compartilhar conhecimento entre engenheiros.
• Segmentação de imagens usando o módulo scikit-image do Python - Uma visão geral dos métodos de segmentação de imagens usando scikit-image.
• Classificação do câncer de mama com Keras e Deep Learning - sobre o desenvolvimento de um modelo de ML para prever o câncer de mama usando imagens histológicas.
• Visão geral dos algoritmos TOP para aprendizado de máquina. Parte 1 - na primeira parte, são considerados vários tipos de aprendizado de máquina, bem como algoritmos como regressão linear, K-vizinhos mais próximos (kNN) e uma rede neural convolucional. Exemplos de Python estão incluídos.
• Criando modelos de aprendizado de máquina totalmente personalizados no AWS SageMaker - Um guia prático para trabalhar com o AWS SageMaker.
• Keras, Regression e CNNs - no desenvolvimento de uma rede neural convolucional para prever a regressão usando Keras e prever os preços da habitação com base em um conjunto de imagens.
• O que os Kagglers estão usando para a Classificação de texto - uma visão geral dos modelos para classificar o texto com exemplos de seu uso.
• AlphaStar: dominando o jogo de estratégia em tempo real O StarCraft II trata do AlphaStar, que conquistou o StarCraft II como os melhores jogadores profissionais.
• O Fashion MNIST com Keras e Deep Learning trata da criação de uma rede neural convolucional para classificar roupas usando o conjunto de dados Fashion MNIST.
• Uma comparação de diferentes GPUs em termos de desempenho e preço do Deep Learning pode ser encontrada no material de Tim Dettmers, que ele atualiza constantemente. E se você precisar de servidores com várias GPUs para trabalhar, terei prazer em ajudar com isso. Você pode escrever para mim no PM.
• Uma visão geral do ecossistema da PNL em R - Mapa mental do ecossistema da PNL em R.
• Estrutura para uma melhor aprendizagem profunda .
• Prevendo o consumo de eletricidade irlandês com redes neurais em R e Python - sobre a criação de uma rede neural para prever o consumo de energia em R e Python.

Projetos

• O Papers with Code é um projeto que contém links para artigos de aprendizado de máquina junto com o código relacionado.
• Recommenders é um projeto de código aberto da Microsoft que coleta as práticas recomendadas para a criação de sistemas de recomendação.

Livros

• Aprendizado Profundo MATLAB: Com Aprendizado de Máquina, Redes Neurais e Inteligência Artificial por Phil Kim
• Ótimos livros para ciência de dados
• 13 livros clássicos de matemática para alunos ao longo da vida

Vídeo

• UC Learning Berkeley STAT-157 2019

Eventos

• Em 16 de março, a 6ª conferência anual da Data Science UA será realizada em Kiev. O programa no site, código promocional com desconto - DataScienceDigest.
• Lista de conferências Machine Learning / Deep Learning em 2019

Eu tenho uma versão em inglês deste resumo, que você pode assinar aqui . Também criei para os grupos de resumo nas redes sociais ( Facebook , Twitter , Telegram ) e, sem esperar pela data de lançamento do resumo, imediatamente publico links para materiais interessantes neles.

Se você é de Odessa, junte-se ao nosso grupo no FB ou meetup.com .

Obrigado por ler esta edição. Espero que todos tenham encontrado algo útil para si. Ficaria grato por todas as sugestões para o próximo resumo.