Дайджест наиболее интересных материалов по анализу данных (9 — 16 июня 2014)

Данный выпуск дайджеста наиболее интересных материалов, посвященных теме анализа данных содержит достаточно много статей, которые рассматривают теоретические аспекты вопросов, связанных с Data Science. Есть несколько статей, которые будут интересны новичкам. Также представлены ссылки на серию интересных статей о работе со схемами данных в MongoDb. Есть несколько ссылок на материалы, в которых рассматривается важная проблема переобучения (overfitting) в процессе машинного обучения. Некоторые статьи посвящены литературе, рекомендуемой к прочтению для тех кому интересна тема анализа данных.

Статьи

Список литературы на лето ^[1] [EN]
Интересный большой список литературы, посвященный теме анализа данных.
Введение в Deep Neural Networks ^[2] [EN]
Введение в интересную тему Deep Neural Networks с примерами кода на C#.
Сборник статей и ресурсов по анализу данных ^[3] [EN]
Большой сборник полезных статей и ресурсов, посвященных анализу данных.
Еще один сборник статей и ресурсов по анализу данных ^[4] [EN]
Еще один большой сборник полезных статей и ресурсов, посвященных анализу данных.
Постер Big Data ^[5] [EN]
Постер, посвященный теме Big Data, на котором достаточно емко собраны интересные вопросы разных аспектов работы с большими данными.
Как стать Data Scientist ^[6] [EN]
Отличная статья о том как начать свой профессиональный путь в области анализа данных.
Стоит ли заниматься статистикой и машинным обучением? ^[7] [EN]
Поднимается очень интересный вопрос того что если вы хотите сменить профессию на направление анализа данных, то будет ли проблемой не очень уверенные знания в математике. Интересно прежде всего обсуждение разных точек зрения на данный вопрос в комментариях.
Серия статей по работе со схемами данных в MongoDb:
- Схемы данных в MongoDb (часть 1) ^[8] [EN]
  Первая часть серии статей про работу со схемами данных в MongoDb.
- Схемы данных в MongoDb (часть 2) ^[9] [EN]
  Вторая часть серии статей про работу со схемами данных в MongoDb.
- Схемы данных в MongoDb (часть 3) ^[10] [EN]
  Третья часть серии статей про работу со схемами данных в MongoDb.
Введение в Random Forest ^[11] [EN]
Простое и понятное введение в алгоритм машинного обучения Random Forest.
Data Shinobi 2 — Дерево Data Shinobi ^[12] [EN]
Продолжение серии статей по анализу больших объемов данных, во второй части автор предлагает набор основных проблем, с которым сталкивается специалист по анализу данных и основные способы решения данных вопросов.
Обзор алгоритмов машинного обучения ^[13] [EN]
Краткий обзор по алгоритмам машинного обучения с описанием ключевых особенностей основных алгоритмов.
100+ интересных наборов данных ^[14] [EN]
Более 100 любопытных датасетов для анализа данных.
Три интересные статьи про переобучение (overfitting) при машинном обучении:
- О проклятии размерности ^[15] [EN]
  Статья, объясняющая понятие проклятия размерности (Curse of Dimensionality) на простом и доступном языке.
- Почему переобучение опаснее низкой точности предсказания (часть 1) ^[16] [EN]
  Первая часть обсуждения вопроса большей опасности переобучения (overfitting) по сравнению с проблемой низкой точности предсказания результата (poor accuracy).
- Почему переобучение опаснее низкой точности предсказания (часть 2) ^[17] [EN]
  Вторая часть обсуждения вопроса большей опасности переобучения (overfitting) по сравнению с проблемой низкой точности предсказания результата (poor accuracy).
Список полезных к прочтению книг для специалиста по анализу данных ^[18] [EN]
Хороший достаточно краткий список полезных для изучения книг (R, Python, Machine Learning).

Видеоматериалы

Классификация тональности текста (Sentiment classification) ^[19] [EN]
Видео о классификации тональности текста (Sentiment classification) в Facebook от специалиста по машинному обучению.
Основы Hadoop для новичков ^[20] [EN]
Видео об основах семейства Hadoop для новичков.
Обработка естественного языка при помощи методики Deep Learning ^[21] [EN]
Описание применение методики Deep Learning для обработки естественного языка (Natural Language Processing) достаточно простым и доступным языком.

Автор: moat

Источник ^[22]

Сайт-источник PVSM.RU: https://www.pvsm.ru

Путь до страницы источника: https://www.pvsm.ru/data-mining/62647

Ссылки в тексте:

[1] Список литературы на лето: http://www.datasciencecentral.com/profiles/blogs/data-science-summer-reading-list-2014

[2] Введение в Deep Neural Networks: http://visualstudiomagazine.com/articles/2014/06/01/deep-neural-networks.aspx

[3] Сборник статей и ресурсов по анализу данных: http://www.datasciencecentral.com/profiles/blogs/another-set-of-great-articles-and-resources-mostly-external

[4] Еще один сборник статей и ресурсов по анализу данных: http://www.datasciencecentral.com/profiles/blogs/comprehensive-list-of-data-science-resources

[5] Постер Big Data: http://www.kdnuggets.com/2014/06/huge-big-data-poster.html

[6] Как стать Data Scientist: http://treycausey.com/getting_started.html

[7] Стоит ли заниматься статистикой и машинным обучением?: http://andrewgelman.com/2014/06/14/hes-great-math-wants-statistics-machine-learning/

[8] Схемы данных в MongoDb (часть 1): http://blog.mongodb.org/post/87200945828/6-rules-of-thumb-for-mongodb-schema-design-part-1

[9] Схемы данных в MongoDb (часть 2): http://blog.mongodb.org/post/87892923503/6-rules-of-thumb-for-mongodb-schema-design-part-2

[10] Схемы данных в MongoDb (часть 3): http://blog.mongodb.org/post/88473035333/6-rules-of-thumb-for-mongodb-schema-design-part-3

[11] Введение в Random Forest: http://www.analyticsvidhya.com/blog/2014/06/introduction-random-forest-simplified/

[12] Data Shinobi 2 — Дерево Data Shinobi: http://www.datasciencecentral.com/profiles/blogs/data-shinobi-2-the-tree-of-the-data-shinobi

[13] Обзор алгоритмов машинного обучения: http://www.datasciencecentral.com/profiles/blogs/a-tour-of-machine-learning-algorithms

[14] 100+ интересных наборов данных: http://www.datasciencecentral.com/profiles/blogs/100-interesting-data-sets-for-statistics

[15] О проклятии размерности: http://www.datasciencecentral.com/profiles/blogs/about-the-curse-of-dimensionality

[16] Почему переобучение опаснее низкой точности предсказания (часть 1): http://smartdatacollective.com/deanabbott/202916/why-overfitting-more-dangerous-just-poor-accuracy-part-i

[17] Почему переобучение опаснее низкой точности предсказания (часть 2): http://smartdatacollective.com/deanabbott/202911/why-overfitting-more-dangerous-just-poor-accuracy-part-ii

[18] Список полезных к прочтению книг для специалиста по анализу данных: http://www.analyticsvidhya.com/blog/2014/06/books-data-scientists-or-aspiring-ones/

[19] Классификация тональности текста (Sentiment classification): http://inside-bigdata.com/2014/06/12/data-science-101-sentiment-classification-facebook/

[20] Основы Hadoop для новичков: http://www.techtalkshub.com/hadoop-just-basics-big-data-rookies/

[21] Обработка естественного языка при помощи методики Deep Learning: http://techtalks.tv/talks/deep-learning-for-nlp-without-magic-part-1/58414/

[22] Источник: http://habrahabr.ru/post/226641/

Нажмите здесь для печати.