Обзор наиболее интересных материалов по анализу данных и машинному обучению №32 (19 — 25 января 2015)

Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

•   Визуализация многомерных данных с помощью диаграмм Эндрюса
•   Microsoft покупает компанию Revolution Analytics
•  Лучшие презентации SlideShare по теме Big Data — обновленная версия рейтинга самых популярных презентаций SlideShare по теме Big Data с небольшой аналитикой от KDnuggets.com.
•  Data Scientist: 5 основных навыков
  
•  15 отличных визуализаций данных
•  Исследователи показали сеть машинного обучения для групп распределенных устройств
•  Компьютеры учатся как лечить рак и диабет, играя в Atari и покер
•  История развития алгоритмов компьютерного зрения за последние 20 лет
•   Пострение рекомендательной системы (часть 1)
•  Несколько слов об искуственных нейронных сетях и Deep Learning
•  Пострение масштабируемых алгоритмов машинного обучения

Теория и алгоритмы машинного обучения, примеры кода

•    Введение в scikit-learn — в данном посте представлен обзор библиотеки машинного обучения scikit-learn.
•    Data tidying: Подготовка наборов данных для анализа на конкретных примерах
•   Визуализация работы Deep Learning — большая статья, которая поможет лучше понять принципы работы Deep Learning.
•  Кластеризация методом k-средних: за все нужно платить — небольшая любопытная статья, в которой автор рассуждает о тонкостях алгоритма кластеризации методом k-средних (k-means).
•  Немного о сверточных нейронных сетях
•   Глубокое погружение в рекурентные нейронные сети
•   Краткий обзор алгоритма Kernel PCA
•   Машинное обучение для распознавания лиц — неплохой пример использования алгоритмов машинного обучения для распознавания лиц с использованием библиотеки scikit-learn для языка программирования Python.
•   Анализ текста для новичков: Классификация документов
•   Обучение сверточной нейронной сети игре Go
•  Эффективность работы модели (часть 2) — в данной статье автор блога Analytics Vydhya продолжит тему оценки эффективности работы предсказательной модели.
•   Введение в caretEnsemble — полезная статья о библиотеке caretEnsemble, которая позволяет применять алгоритмические композиции (Ensemble Methods) для моделей из популярной библиотеки машинного обучения caret для языка программирования R.
•   О деревьях принятия решений простым языком — неплохое краткое описание деревьев принятия решений с блога Analytics Vidhya.
•   Анализ данных на Python — полезные примеры кода для анализа данных с помощью языка программирования Python.
•  Jetpack: инструменты машинного обучения в Docker
•   Основные ошибки разработчиков при использовании Python для анализа больших данных
•   Пример использования Random Forest и бустинга с помощью MLlib
•   Набор полезных приемов для Pandas — небольшой список полезных примеров кода для библиотеки Pandas для языка программирования Python.

Соревнования по машинному обучению

•   Как начать работу в Kaggle: руководство для новичков в Data Science
•  Новое соревнование по машинному обучению «How much did it rain?» — несколько дней назад на Kaggle началось новое соревнование по машинному обучению «How much did it rain?»

Онлайн-курсы, обучающие материалы и литература

•   Начало онлайн-курса Mining Massive Datasets от Stanford University — 31 января на Coursera начнется вторая сессия онлайн-курса «Mining Massive Datasets» от Stanford University.
•   Обзор книги: Advanced Analytics with Apache Spark
•    Бесплатная электронная книга: H2O and R — бесплатная книга о платформе для машинного обучения H2O и её использовании с языком программирования R.

Видеоматериалы

•     Введение в Random Forest от Dr. Nando de Freitas — в данном посте представлена лекция по популярному алгоритму машинного обучения Random Forest от Dr. Nando de Freitas (Adjunct Professor at UBC Computer Science, Full-time Professor at Oxford).

Data engineering

•  Surus: новый проект с открытым исходным кодом для анализа данных в Hadoop от компании Netflix

Обзоры

•  Интересное из мира R (19-25 января 2015 г.)
•  Еженедельный дайджест от DataScienceCentral (26 января)
•  Дайджест лучших ресурсов от DataScienceCentral (23 января)
•  Лучшие материалы за неделю от KDnuggets.com (11 — 17 января)
•  Новости Data Science от MyDataMine.com (22 января)
•  Лучшие ресурсы за неделю от Data Elixir (№19)
•  Еженедельный сборник лучших материалов от R1Soft (23 января)
•  Наиболее интересные материалы по High Scalability (23 января)

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №31 (12 — 18 января 2015)

Автор: moat

Источник