- PVSM.RU - https://www.pvsm.ru -
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.
Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №27 (15 — 21 декабря 2014) [45]
Автор: moat
Источник [46]
Сайт-источник PVSM.RU: https://www.pvsm.ru
Путь до страницы источника: https://www.pvsm.ru/data-mining/78312
Ссылки в тексте:
[1] Пять наиболее важных событий в мире R по итогам 2014 г.: http://r-analytics.blogspot.ru/2014/12/r-2014.html#.VJ8U8__TQA
[2] Как Deep Learning может в будущем быть использован в различных сферах жизнедеятельности: http://www.dataversity.net/deep-learning-get-familiar-widespread-industry-impact/
[3] Список ресурсов по машинному обучению: http://www.startup.ml/resources
[4] Анонс Spark Packages: http://databricks.com/blog/2014/12/22/announcing-spark-packages.html
[5] Интерактивная трехмерная визуализация различных наборов данных в браузере с помощью data-projector: http://fastml.com/interactive-in-browser-3d-visualization-of-datasets/
[6] Прогнозы на 2015 год: что случится с Big Data и Data Science?: http://www.kdnuggets.com/2014/12/2015-predictions-big-data-data-science.html
[7] 7 лучших ресурсов 2014 года по Big Data от SmartData Collective: http://smartdatacollective.com/tamaradull/286336/my-7-big-data-favorites-2014
[8] 8 предсказаний по теме Big Data на 2015 год от SmartData Collective: http://smartdatacollective.com/bernardmarr/288376/my-8-big-data-predictions-2015
[9] 4 шага к успеху в области Big Data в 2015 году: http://www.techradar.com/news/internet/data-centre/four-steps-for-success-with-big-data-in-2015-1277562
[10] 10 лучших статей 2014 года по теме Data Science с блога Analytics Vidhya: http://www.analyticsvidhya.com/blog/2014/12/top-10-articles-2014/
[11] Руководство хакера по нейронным сетям. Глава 2: Машинное обучение. Бинарная классификация: http://habrahabr.ru/company/paysto/blog/246523/
[12] Руководство хакера по нейронным сетям. Глава 2: Машинное обучение. Обучение сети на основе метода опорных векторов (SVM): http://habrahabr.ru/company/paysto/blog/246849/
[13] Обзор алгоритмов сжатия графов: http://habrahabr.ru/post/246325/
[14] InterSystems iKnow. Загружаем данные из Вконтакте: http://habrahabr.ru/company/intersystems/blog/246719/
[15] Линейная алгебра в машинном обучении: http://machinelearningmastery.com/linear-algebra-machine-learning/
[16] Сбор и анализ данных бейсбольной статистики с помощью R: http://blog.yhathq.com/posts/scraping-and-analyzing-baseball-data-with-r.html
[17] Деревья принятия решений: наращивание и отсечение ветвей: http://www.ams.org/samplings/feature-column/fc-2014-12
[18] Использование метода опорных компонент (Principal Component Analysis) при работе с изображениями: http://alstatr.blogspot.ru/2014/12/principal-component-analysis-on-imaging.html
[19] Распознавание рукописных цифр с помощью R (часть 1): http://www.flaviobarros.net/2014/12/22/handwritten-digit-recognition-part1/
[20] Сравнение работы с Dataframe в Python, R и Julia: http://ajkl.github.io/Dataframes/
[21] Пример создания предсказательных моделей с помощью библиотеки caret: http://www.analyticsvidhya.com/blog/2014/12/caret-package-stop-solution-building-predictive-models/
[22] Расширенная версия шпаргалки по scikit-learn: https://medium.com/@chris_bour/an-extended-version-of-the-scikit-learn-cheat-sheet-5f46efc6cbb
[23] Набор для машинного обучения: http://www.machinelearningsalon.org/download.html
[24] Визуализация данных с помощью GAE Python, D3.js и Google BigQuery (часть 1): http://code.tutsplus.com/tutorials/data-visualization-app-using-gae-python-d3js-and-google-bigquery--cms-22175
[25] Визуализация данных с помощью GAE Python, D3.js и Google BigQuery (часть 2): http://code.tutsplus.com/tutorials/data-visualization-app-using-gae-python-d3js-and-google-bigquery-part-2--cms-22467
[26] Визуализация данных с помощью GAE Python, D3.js и Google BigQuery (часть 3): http://code.tutsplus.com/tutorials/data-visualization-app-using-gae-python-d3js-and-google-bigquery-part-3--cms-22629
[27] Пример использования Spark (часть 3): очистка и сортировка номеров Social Security: http://www.sasanalysis.com/2014/12/spark-practice-3-clean-and-sort-social.html
[28] Пример кода: применение функции к каждой строке в data.frame: http://www.markhneedham.com/blog/2014/12/04/r-applying-a-function-to-every-row-of-a-data-frame/
[29] Как подходить к решению проблем на Kaggle: http://www.analyticsvidhya.com/blog/2014/12/framework-kaggle-competition/
[30] Интервью с Yann LeCun: сверточные сети и CIFAR-10: http://blog.kaggle.com/2014/12/22/convolutional-nets-and-cifar-10-an-interview-with-yan-lecun/
[31] Анализ данных Kaggle с помощью R: http://notesofdabbler.wordpress.com/2014/12/23/explore-kaggle-competition-data-with-r/
[32] Анонс нового онлайн-курса «Statistics and R for the Life Sciences»: http://igorsubbotin.blogspot.ru/2014/12/statistics-and-r-for-life-sciences-from-edx-and-harvardx.html
[33] Материалы курса «Convex Optimization» от Carnegie Mellon University: http://www.stat.cmu.edu/~ryantibs/convexopt/
[34] Набор лекций с курса «Principles of Distributed Computing» (ETH Zürich): http://dcg.ethz.ch/lectures/podc_allstars/
[35] Основные ловушки проектов машинного обучения: http://machinelearningmastery.com/common-pitfalls-machine-learning-projects/
[36] Машинное обучение с помощью статистических и казуальных методов: http://machinelearningmastery.com/machine-learning-statistical-causal-methods/
[37] Azure Data Factory Preview: http://habrahabr.ru/post/110751/
[38] Дайджест лучших ресурсов от DataScienceCentral (29 декабря): http://www.datasciencecentral.com/profiles/blogs/weekly-digest-december-29
[39] Лучшие материалы за неделю от KDnuggets.com (14 — 20 декабря): http://www.kdnuggets.com/2014/12/top-news-week-dec-14.html
[40] Еженедельный сборник лучших материалов от R1Soft (26 декабря): http://www.r1soft.com/blog/this-week-in-data-december-26-2014
[41] Лучшие ресурсы за неделю от Data Elixir (№15): http://dataelixir.com/issues/15
[42] Наиболее интересные материалы от Freakonometrics №195: http://freakonometrics.hypotheses.org/18360
[43] Наиболее интересные материалы от Freakonometrics №196: http://freakonometrics.hypotheses.org/18400
[44] Наиболее интересные материалы от Freakonometrics №197: http://freakonometrics.hypotheses.org/18484
[45] Обзор наиболее интересных материалов по анализу данных и машинному обучению №27 (15 — 21 декабря 2014): http://habrahabr.ru/post/246405/
[46] Источник: http://habrahabr.ru/post/246939/
Нажмите здесь для печати.