Data Science Digest (agosto de 2019)

Saudações a todos! O DataFest retorna à Ucrânia e será realizado em 7 de setembro em Odessa. Agora um programa está sendo formado, mas se você quiser fazer uma apresentação, poderá enviar seu tópico aqui . Registre-se como membro aqui . Lembro que o resumo tem seu próprio canal Telegram e páginas nas redes sociais ( Facebook , Twitter , LinkedIn ), onde publico diariamente links para materiais úteis. Inscreva-se agora!

Enquanto isso, ofereço uma nova seleção de materiais sob o corte.

Artigos

• Recomendações personalizadas para experiências usando o Deep Learning - neste artigo, você aprenderá como o modelo Recomendado para Você (RFY) do TripAdvisor, recentemente recomendado, gera recomendações personalizadas em um site usando o histórico de navegação e o Deep Learning.
• Construindo pipelines de dados com o Kafka - Este artigo é destinado a engenheiros iniciantes que construirão seu primeiro pipeline de dados com base no Kafka.
• Noções básicas de aprendizado profundo do MIT: introdução e visão geral com o TensorFlow - Uma visão geral de 7 arquiteturas de aprendizado profundo com links para exemplos de TensorFlow para cada um.
• Introdução ao Dagster - uma introdução ao Dagster - uma biblioteca Python para criar aplicativos de data baseados em processos ETL ou pipelines ML. Link para o itHub .
• Usando o DVC para criar um sistema de controle de versão eficiente para projetos de dados - neste artigo, você aprenderá o que é o DVC e como usá-lo para a versão de um projeto.
• Os 10 principais erros estatísticos cometidos por cientistas de dados - 10 erros cometidos por cientistas de dados usando estatísticas, incluindo exemplos e soluções.
• Detecção de anomalias para manequins - o artigo discute a detecção de anomalias não controladas para dados unidimensionais e multidimensionais, bem como várias estratégias para sua detecção. Caderno Jupyter.
• Os 25 principais truques dos pandas - 25 dicas sobre como trabalhar mais rápido e escrever melhor o código usando os pandas.
• Dicas para Treinar Modelos de Probabilidade - neste artigo, você aprenderá sobre os métodos comuns de treinamento de modelos generativos que otimizam a probabilidade de modelos auto-regressivos e normalização de fluxos.
• Painel: uma aplicação de alto nível e solução de painel para o ecossistema PyData - uma introdução ao Panel - uma nova biblioteca Python que permite criar aplicativos da web e painéis interativos personalizados.
• Como executar o reconhecimento de rosto com o VGGFace2 em Keras - neste artigo, você aprenderá sobre os modelos VGGFace e VGGFace2 para reconhecimento de rosto; como desenvolver um sistema de identificação de rosto para prever nomes de celebridades de determinadas fotografias; como desenvolver um sistema de verificação de rosto para verificar a identidade de uma pessoa a partir de uma fotografia.
• Pesquisa de arquitetura neural no CVPR 2019 - neste artigo, você aprenderá sobre a pesquisa de arquitetura neural (NAS) e como o NAS foi introduzido no CVPR 2019.
• E voilà! - Neste artigo, você aprenderá como o Voilà transforma os blocos de notas Jupyter em aplicativos da web independentes.
• Construindo a Plataforma de Automação de Marketing da Lyft - Um artigo sobre a plataforma de marketing da Lyft, que é alimentada por aprendizado de máquina.
• Melhores recursos para começar a usar GANs - Uma seleção de bons recursos para o aprendizado de redes adversárias generativas: métodos de uso, apresentações em vídeo, artigos e livros sobre a GAN.

Projeto

• TRFL é uma biblioteca TensorFlow que facilita a implementação de agentes de aprendizado por reforço desenvolvidos por uma equipe de pesquisa da DeepMind.
• Implementações do NumPy de vários modelos de ML - um repositório com vários modelos de aprendizado de máquina baseados no NumPy.
• Modelos de imagem do PyTorch - um repositório de vários modelos de ML no PyTorch para trabalhar com imagens.

Vídeo

• Vídeos do ICML 2019 - vídeos e slides da Conferência Internacional sobre Aprendizado de Máquina.

Livros

• R avançado
• Study E-Book - O repositório contém muitos e-books sobre visão computacional, aprendizado profundo, aprendizado de máquina, matemática, PNL, Python e aprendizado por reforço.

Eventos

• Moscow Data Science Major - 31 de agosto de Moscou - uma conferência gratuita da comunidade Open Data Science . 11 seções: Summer ML conf, SysML, história de falha / cessação, treinamentos de ML, testes A / B, PNL, PyData, ML4SG, CV / Aprenda a combinar, DS 4 Life, cerveja aleatória. A participação é gratuita, é necessária a inscrição .
• Odessa Data Fest - 7 de setembro de Odessa é uma conferência comunitária gratuita da Open Data Science . 4 seções: Visão computacional, PNL, SysML, Negócios e casos. A participação é gratuita, é necessária a inscrição .
• Data Science fwdays'19 - 7 de setembro de Kiev - uma conferência sobre IA e Data Science. 2 fluxos de relatórios esperam por você; cantos de discussão; pós-festa. Ingressos Para os leitores do resumo, um desconto de 15% no código promocional: digest_fwdays.
• AI Ucrânia 2019 - 21 a 22 de setembro, Kiev - uma das conferências de IA mais poderosas da Ucrânia este ano será realizada em três fluxos: Data Science e Machine Learning; Big Data e Análise; AI Business e Startups. O programa já está no site. Para os leitores do resumo, um desconto de 7% no código promocional: DSDigest-AI2019.
• Data Science UA Conference - 19 de outubro de Kiev - 7ª Conferência sobre Machine Learning, Inteligência Artificial e Data Science em Kiev. Rede produtiva e conhecimentos técnicos. Mais de 500 participantes e 20 palestrantes, 3 transmissões. Mais informações . Para os leitores do resumo, um desconto de 10% no código promocional: DSUA_Digest.

Obrigado por ler esta edição. Espero que todos tenham encontrado algo útil para si. Ficaria grato por todas as sugestões para o próximo resumo. Participe do canal Telegram do resumo e suas páginas nas redes sociais: Medium , Facebook , Twitter , LinkedIn .

← Release anterior: Data Science Digest (julho de 2019)