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

Список ресурсов по машинному обучению. Часть 2

Список ресурсов по машинному обучению. Часть 2 - 1 [1]

Продолжим (1 [2], 2 [3]) рассматривать тему машинного обучения. Вашему вниманию вторая часть (первая тут [4]) адаптированной подборки полезных материалов.

Разное

  • Список: [5] отличные фреймворки, библиотеки и приложения машинного обучения;
  • Список: [6] отличные библиотеки и другие ресурсы для визуализации данных;
  • Awesome Data Science: [7] материалы по науке о данных;
  • Data Science Masters: [8] обучающие материалы и литература по даталогии;
  • Cross Validated: [9] FAQ по машинному обучению;
  • Список: [10] университетские курсы, связанные с машинным обучением;
  • Quora: [11] алгоритмы машинного обучения, которые нужно понимать;
  • Статья: [12] разница между линейно независимыми, ортогональными и некоррелированными переменными;
  • Список: [13] концепции и алгоритмы машинного обучения;
  • Презентации: [14] различные темы;

  • Презентация: [15] лекции MIT по машинному обучению;
  • Статья: [16] сравнение алгоритмов обучения с учителем;
  • Статья: [17] основы науки о данных;
  • Статья: [18] три ошибки в машинном обучении, которые стоит избегать;
  • TheAnalyticsEdge: [19] лекции с примерами;

Интервью

  • Quora: [20] как студенту подготовиться к интервью на должность специалиста по работе с данными;
  • Quora: [21] с чего начать знакомство с машинным обучением;
  • Quora: [22] FAQ по интервью на должность специалиста по работе с данными;
  • Quora: [23] самые важные навыки для специалиста по обработке данных;

Искусственный интеллект

  • Репозиторий: [24] список ресурсов по искусственному интеллекту;
  • edX: [25] курс по искусственному интеллекту от Дэна Клейна и Питера Аббеля;
  • Udacity: [26] курс Питера Норвига и Себастьяна Труна;
  • TED Talks: [27] искусственный интеллект;

Генетические алгоритмы

  • Wiki: [28] генетические алгоритмы;
  • Outlace: [29] простая реализация генетических алгоритмов на Python (часть 1);
  • Outlace: [30] простая реализация генетических алгоритмов на Python (часть 2);
  • ai-junkie: [31] о генетических алгоритмах простым языком;
  • Wiki: [32] генетическое программирование;
  • GitHub: [33] генетическое программирование на Python;
  • Quora: [34] генетические алгоритмы и генетическое программирование;

Статистика

  • Stat Trek: [35] все о статистике и вероятностях;
  • Intro2stats: [36] изучайте статистику с помощью Python;
  • Statistics for Hackers: [37] презентация от Джейка Вандерпласа;
  • Online Statistics Book: [38] интерактивный мультимедийный курс по статистике;
  • Статья: [39] что такое выборочное распределение;
  • Обучение: [40] программа углубленного изучения статистики;
  • Обучение: [41] статистика и вероятность;
  • Обучение: [42] алгебра матриц;
  • Форум: [43] что такое несмещенная оценка;
  • Wiki: [44] критерий согласия;
  • Статья: [45] что такое квантиль-квантиль графики;

Полезные блоги

  • Блог Эдвина Чена: [46] блог о математике, статистике, машинном обучении и науке о данных;
  • Data School: [47] даталогия для начинающих;
  • ML Wave: [48] изучение машинного обучения;
  • Karpathy: [49] блог о глубоком обучении и науке о данных;
  • Colah: [50] отличный блог о нейронных сетях;
  • Блог Алекса Минаара: [51] блог о машинном обучении и программировании;
  • Statistically Significant: [52] блог Эндрю Ландграфа о науке о данных;
  • Simply Statistics: [53] блог ведут три профессора биостатистики;
  • Yanir Seroussi: [54] блог о науке о данных и не только;
  • fastML: [55] доступным языком о машинном обучении;

  • Trevor Stephens: [56] персональная страница Тревора Стефенса;
  • Kaggle: [57] все об обработке и анализе данных;
  • Outlace: [58] блог студента о машинном обучении;
  • r4stats: [59] все о науке о данных и R;
  • Variance Explained: [60] блог Дэвида Робинсона;
  • AI Junkie: [61] блог об искусственном интеллекте;

Ресурсы на Quora

Kaggle Competitions

  • Статья: [70] как (почти) выиграть Kaggle Competitions;
  • Статья: [71] применение сверточных нейронных сетей для расшифровки сигналов ЭЭГ;
  • Статья: [72] разбор Facebook Recruiting III;
  • Статья: [73] предсказание коэффициента CTR с помощью динамического машинного обучения;

Шпаргалки

Классификация

  • Статья: [76] помогает ли балансировка классов улучшить результаты работы классификатора;
  • Quora: [77] преимущества различных алгоритмов классификации;
  • Статья: [78] ROC-анализ;
  • Статья: [79] матрица неточностей – терминология;

Линейная регрессия

  • Статья: [80] условия применения линейной регрессии;
  • duke.edu: [81] все о линейной регрессии;
  • Data School: [82] применение и оценка результатов линейной регрессии;
  • ResearchGate: [83] что, если зависимая переменная не имеет нормального распределения;
  • Wiki: [84] мультиколлинеарность;
  • Статья: [85] мультиколлинеарность и фактор инфляции дисперсии (VIF);
  • Статья: [86] регуляризация и выбор переменных с помощью метода эластичных нейронных сетей;

Логистическая регрессия

  • Wiki: [87] логистическая регрессия;
  • Статья: [88] геометрическая интерпретация логистической регрессии;
  • FAQ: [89] что такое псевдо R-квадрат;

Проверка модели с помощью повторной выборки

  • Wiki: [90] повторная выборка/ресэмплинг;
  • Chioka: [91] хорошие материалы по перекрестной проверке;
  • Эндрю Ын: [92] предотвращение переобучения при перекрестной проверке;
  • Гевин Коули: [93]влияние переобучения и систематических ошибок отбора на оценку эффективности модели;
  • Эндрю Мур: [94] перекрестная проверка для выявления и предотвращения переобучения;
  • Wiki: [95] статистический бутстрэп;
  • Бутстрэп: [96] анимации;
  • Пример: [97] статистический бутстрэп;

Глубокое обучение

  • Список: [98] руководства, проекты и сообщества по глубокому обучению;
  • Deeplearning4j: [99] ресурсы по глубокому обучению;
  • Стэнфорд: [100] интересные проекты по глубокому обучению и обработке естественного языка;
  • Статья: [101] ключевые концепции глубокого обучения;
  • Статья: [102] обработка естественного языка с применением глубоких сетей на Torch;
  • Стэнфорд: [103] руководство по глубокому обучению;
  • Quora: [104] FAQ по глубокому обучению;
  • Google: [105] страничка, посвященная глубокому обучению;
  • Reddit: [106] сабреддит по глубокому обучению;
  • Reddit: [107] еще один сабреддит;

  • Статья: [108] где изучать глубокое обучение;
  • NVidia: [101] концепции глубокого обучения;
  • Intro2deeplearning: [109] глубокое обучение и Python;
  • Intro2deeplearning: [110] отличная презентация;
  • Оксфорд: [111] видео с лекциями 2015 года;
  • Видео: [112] Deep Learning Summer School 2015;
  • Список: [113] программное обеспечение для глубокого обучения;
  • Статья: [114] нейронные сети с точки зрения программиста;
  • Kdnuggets: [115] топ-5 работ по глубокому обучению;
  • Видео: [116] Джеффри Хинтон о глубоком обучении;
  • Deeplearning: [117] лучшие материалы по глубокому обучению;
  • Deeplearning: [118] все о машинном обучении;

  • Deeplearning: [113] ПО для машинного обучения;
  • Deeplearning4j: [119] руководство по библиотеке;
  • Статья: [120] поразительное руководство по глубокому обучению;
  • Статья: [121] основы глубокого обучения;
  • Стэнфорд: [122] статья по глубокому обучению;
  • Deeplearning: [123] руководства по глубокому обучению;
  • Статья: [124] нейронный машинный перевод с применением GPU (Часть 1);
  • Статья: [125] нейронный машинный перевод с применением GPU (Часть 1);
  • Статья: [126] нейронный машинный перевод с применением GPU (Часть 1);
  • Deep Speech: [127] распознавание речи с применением GPU-системы для обучения глубоких нейронных сетей;

Фреймворки для глубокого обучения

  • FastML: [128] Torch или Theano;
  • Deeplearning4j: [129] Dl4j, Torch7 или Theano;
  • Список: [130] библиотеки для глубокого обучения;
  • Theano: [131] Python-библиотека;
  • Статья: [132] знакомство с Theano;
  • Theano: [133] руководство;
  • Theano: [134] еще одно руководство;
  • Theano: [135] применение логистической регрессии для классификации цифр;
  • Theano: [136] многослойный перцептрон;
  • Theano: [137] сверточные нейронные сети;

  • Theano: [138] рекуррентная нейронная сеть;
  • Theano: [139] LSTM-сети для анализа эмоциональной окраски высказываний;
  • Theano: [140] ограниченная машина Больцмана;
  • Theano: [141] глубокие сети доверия;
  • Theano: [142] еще руководства;
  • Torch: [143] еще одна библиотека для машинного обучения;
  • Руководство: [144] машинное обучение в Torch;
  • Статья: [145] знакомство с Torch;
  • Репозиторий: [146] обучающие материалы по Torch;
  • Репозиторий: [147] отличные материалы по Torch;

  • Оксфорд: [148] лекции по машинному обучению с использованием Torch;
  • Torch: [149] небольшой обзор;
  • Torch: [150] подсказки и советы;
  • Torch: [102] обработка естественного языка с помощью глубоких нейронных сетей;
  • Caffe: [151] глубокое обучение для решения задач компьютерного зрения с Caffe и cuDNN;
  • TensorFlow: [152] библиотека машинного обучения от Google;
  • TensorFlow: [153] примеры для начинающих;
  • Репозиторий: [154] материалы для изучения TensorFlow;
  • TensorFlow: [155] бенчмарки;

Нейронные сети прямого распространения

  • Руководство: [156] реализация нейронной сети;
  • Статья: [132] ускорение работы нейронной сети с помощью Theano и GPU;
  • Статья: [157] основы нейронных сетей;
  • Статья: [158] метод обратного распространения ошибки;
  • AI Junkie: [159] нейронная сеть на C++;
  • Code Project: [160] нейронные сети для начинающих;
  • Презентация: [161] алгоритмы регрессии и классификации;
  • Статья: [162] знакомство с нейронными сетями;

Рекуррентные и LSTM-сети

  • Awesome-rnn: [163] список ресурсов;
  • Руководство: [164] рекуррентная нейронная сеть (Часть 1);
  • Руководство: [165] рекуррентная нейронная сеть (Часть 2);
  • Руководство: [166] рекуррентная нейронная сеть (Часть 3);
  • Статья: [167] обработка естественного языка, рекуррентные сети и представления;
  • Статья: [168] эффективность рекуррентных нейронных сетей;
  • Deeplearning4j: [169] введение в рекуррентные нейронные сети;
  • Deeplearning4j: [170] введение в LSTM-сети;
  • Статья: [171] применение рекуррентных нейронных сетей;
  • Статьи: [172] оптимизация производительности рекуррентных сетей;

  • Пример: [173] простая рекуррентная нейронная сеть;
  • Статья: [174] генерация кликбейт-заголовков с помощью рекуррентных нейронных сетей;
  • Презентация: [175] использование рекуррентных сетей для текстового анализа;
  • Статья: [176] использование рекуррентных нейронных сетей для машинного перевода;
  • Keras: [177] создание музыки с помощью рекуррентных нейронных сетей;
  • Keras: [178] использование рекуррентных нейронных сетей для генерации диалога;
  • Статья: [179] введение в LSTM-сети;
  • Статья: [180] LSTM-сети;
  • Deeplearning4j: [170] LSTM-сети для новичков;
  • Статья: [181] реализация LSTM-сети с нуля;

  • GitHub: [182] символьная модель языка и её реализация char-rnn в Torch;
  • GitHub: [183] применение LSTM-сетей для расшифровки сигналов ЭЭГ;
  • Статья: [139] применение LSTM-сетей для анализа текстов на Theano;
  • Статья: [184] применение глубокого обучения для анализа изображений;
  • Google: [185] компьютер отвечает на email с помощью LSTM;
  • Google: [186] LSTM-сети значительно повышают эффективность голосового поиска;
  • Deeplearning: [187] еще одна статья на тему голосового поиска;
  • NVidia: [102] обработка естественного языка с помощью LSTM-сетей на Torch;
  • Torch: [188] анализ изображений с помощью сверточных и LSTM-сетей;
  • Сравнение: [181] LSTM или управляемые рекуррентные модули (GRU);
  • Wiki: [189] рекурсивные нейронные сети;
  • Deeplearning4j: [190] рекурсивная тензорная нейронная сеть (RNTN);
  • Deeplearning4j: [191] использование word2vec, глубоких сетей доверия и RNTN для анализа текста;

Ограниченная машина Больцмана

  • Deeplearning4j: [192] руководство для начинающих по ограниченной машине Больцмана;
  • Deep Learning: [193] еще одно хорошее руководство;
  • Статья: [194] введение в ограниченные машины Больцмана;
  • Джеффри Хинтон: [195] руководство по обучению ограниченных машин Больцмана;
  • GitHub: [196] ограниченные машины Больцмана на R;
  • Deeplearning4j: [197] руководство по созданию глубоких сетей доверия;

Автокодировщики

  • Эндрю Ын: [198] разреженные автокодировщики;
  • Deeplearning4j: [199] руководство по глубоким автокодировщикам;
  • Deep Learning: [200] шумоподавляющие автокодировщики;
  • Deep Learning: [201] вложенные шумоподавляющие автокодировщики;

Сверточные сети

  • Awesome Deep Vision: [202] список ресурсов по машинному зрению;
  • Deeplearning4j: [203] введение в сверточные нейронные сети;
  • Статья: [204] применение сверточных сетей для обработки естественного языка;
  • Стэнфорд: [205] применение сверточных сетей для распознавания образов;
  • Стэнфорд: [206] библиотека JavaScript для работы со сверточными сетями;
  • Статья: [207] применение сверточных сетей для распознавания лиц;
  • Статья: [208] создание классификатора фотографий;
  • Kaggle: [209] интервью с Яном Лекуном;
  • Статья: [210] визуализация сверточных сетей;

Обработка естественного языка

  • Статья: [228] обновление ЛРД-модели в реальном времени;
  • Статья: [229] обновление ЛРД-модели в реальном времени со Spark;
  • Статья: [230] ЛРД на Scala (Часть 1);
  • Статья: [231] ЛРД на Scala (Часть 2);
  • Статья: [232] сегментация ленты событий Twitter с применением тематического моделирования;
  • Статья: [233] построение тематической модели подписчиков в Twitter;
  • Google: [234] word2vec;
  • Wiki: [215] модель bag-of-words;
  • Статья: [235] тщательный анализ моделей skip-gram;
  • Руководство: [236] skip-gram-моделирование;

  • Kaggle: [237] векторное представление слов;
  • Статья: [238] как работать с word2vec;
  • Deeplearning4j: [239] алгоритм word2vec;
  • Quora: [240] как работает word2vec;
  • Quora: [241] об архитектурах CBOW и skip-gram простыми словами;
  • Quora: [242] в чем разница между BOW и CBOW;
  • Quora: [243] что лучше для word2vec – CBOW или skip-gram;
  • Wiki: [244] расстояние Левенштейна;

  • Статья: [216] классификация текстов с помощью модели bag-of-words;
  • Статья: [245] изучение языка с помощью методов обработки естественного языка и обучения с подкреплением;
  • Kaggle: [246] векторное представление слов и bag-of-words (Часть 1);
  • Kaggle: [237] векторное представление слов и bag-of-words (Часть 2);
  • Kaggle: [247] векторное представление слов и bag-of-words (Часть 3);
  • Руководство: [248] предсказание слов в обработке естественного языка;
  • Статья: [235] подробнее о skip-gram-моделировании;

Компьютерное зрение

Метод опорных векторов

  • Статья: [255] сравнение метода опорных векторов и нейронных сетей;
  • Статья: [256] алгоритмы оптимизации в методе опорных векторов;
  • LIBSVM: [257] библиотека для классификации методом опорных векторов;

  • Quora: [258] что такое ядра в машинном обучении;
  • Quora: [259] гауссово ядро в методе опорных векторов;
  • Wiki: [260] шкалирование по Платту;
  • Статья: [261] калибровка классификаторов с использованием шкалирования по Платту;

Обучение с подкреплением

Деревья решений

  • Wiki: [265] деревья решений;
  • FAQ: [266] деревья решений;
  • Статья: [267] решающие леса и деревья;
  • Статья: [268] методы, основанные на деревьях решений в R;
  • Статья: [269] как работают деревья решений;
  • Статья: [270] алгоритмы и их суть;
  • Презентация: [271] деревья решений;

  • Статья: [272] использование суррогатов с целью улучшения неполных наборов данных;
  • Статья: [273] деревья решений;
  • Wiki: [274] отсечение ветвей деревьев решений;
  • Wiki: [275] процесс обратный отсечению ветвей;
  • Сравнение: [276] алгоритмы CART и CTREE;
  • Сравнение: [277] алгоритмы CHAID и CART;

  • Сравнение: [278] алгоритмы CART и CHAID;
  • Статья: [279] еще одно сравнение различных алгоритмов;
  • Wiki: [280] рекурсивное секционирование;
  • Статья: [281] алгоритм CART;
  • CART: [282] оценка важности переменной;
  • FAQ: [283] рекурсивное секционирование;
  • Статья: [284] пакет party в R;
  • Wiki: [285] автоматический детектор взаимодействия Хи-квадрат (CHAID);
  • Статья: [286] введение в CHAID;
  • Руководство: [287] CHAID;

MARS

  • Wiki: [288] многомерные адаптивные регрессионные сплайны (MARS);

Вероятностные деревья решений

  • Статья: [289] байесовское обучение в вероятностных деревьях решений;
  • Статья: [290] вероятностные деревья;

Случайный лес

  • GitHub: [291] список ресурсов по теме случайного леса;
  • Kaggle: [292] настройка параметров алгоритма случайного леса;
  • Презентация: [293] ошибка out-of-bag;
  • Статья: [294] оценка алгоритмов случайного леса для анализа выживаемости;
  • FAQ: [295] случайный лес;

Алгоритмы бустинга деревьев

Композиционное обучение

Стэкинг

  • Статья: [317] стэкинг, блендинг и многоярусное обобщение;
  • Статья: [318] многоярусное обобщение;
  • Статья: [319] когда следует применять многоярусное обобщение;
  • Статья: [320] многоярусное обобщение;

Размерность Вапника — Червоненкиса

  • Wiki: [321] размерность Вапника – Червоненкиса;
  • Quora: [322] интуитивно понятное объяснение размерности Вапника – Червоненкиса;
  • Видео: [323] что такое размерность Вапника – Червоненкиса;
  • Статья: [324] знакомство с размерностью Вапника – Червоненкиса;
  • FAQ: [325] размерность Вапника – Червоненкиса;

Байесовские методы машинного обучения

  • GitHub: [326] знакомство с байесовскими методами машинного обучения;
  • Видео: [327] должны ли все методы машинного обучения быть байесовскими;
  • Руководство: [328] байесовская оптимизация;
  • Статья: [329] байесовский вывод и глубокое обучение;
  • Статья: [330] байесовская статистика простыми словами;
  • GitHub: [331] фильтры Калмана и Байеса на Python;
  • Wiki: [332] цепь Маркова;

Частичное обучение

Оптимизация

  • Статья: [341] оптимизация портфеля активов на R с применением квадратичного программирования;
  • Статья: [342] алгоритмы оптимизации в машинном обучении;
  • Видео: [343] алгоритмы оптимизации в машинном обучении;
  • Статья: [344] алгоритмы оптимизации в анализе данных;
  • Видео: [345] лекции по оптимизации;
  • Статья: [256] алгоритмы оптимизации для метода опорных векторов;
  • Статья: [346] взаимосвязь проблем оптимизации и машинного обучения;

Дополнительно

  • GitHub: [347] коллекция руководств по использованию R в науке о данных.

P.S. В нашем блоге мы пишем о разработке [348] систем связи и о первых шагах [349] на пути к продвинутому программированию. Впереди еще много интересного, подписывайтесь и не пропускайте наши новые материалы, друзья.

Автор: Университет ИТМО

Источник [350]

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

Путь до страницы источника: https://www.pvsm.ru/mashinnoe-obuchenie/112839

Ссылки в тексте:

[1] Image: http://habrahabr.ru/company/spbifmo/blog/277593/

[2] 1: https://habrahabr.ru/company/spbifmo/blog/271027/

[3] 2: https://habrahabr.ru/company/spbifmo/blog/276479/

[4] тут: https://habrahabr.ru/company/spbifmo/blog/277511/

[5] Список:: https://github.com/josephmisiti/awesome-machine-learning

[6] Список:: https://github.com/fasouto/awesome-dataviz

[7] Awesome Data Science:: https://github.com/okulbilisim/awesome-datascience

[8] Data Science Masters:: http://datasciencemasters.org/

[9] Cross Validated:: http://stats.stackexchange.com/questions/tagged/machine-learning

[10] Список:: https://github.com/prakhar1989/awesome-courses#machine-learning

[11] Quora:: https://www.quora.com/What-are-some-Machine-Learning-algorithms-that-you-should-always-have-a-strong-understanding-of-and-why

[12] Статья:: https://www.psych.umn.edu/faculty/waller/classes/FA2010/Readings/rodgers.pdf

[13] Список:: https://en.wikipedia.org/wiki/List_of_machine_learning_concepts

[14] Презентации:: http://www.slideshare.net/pierluca.lanzi/presentations

[15] Презентация:: http://www.ai.mit.edu/courses/6.867-f04/lectures.html

[16] Статья:: http://www.dataschool.io/comparing-supervised-learning-algorithms/

[17] Статья:: http://www.dataschool.io/learning-data-science-fundamentals/

[18] Статья:: https://medium.com/@nomadic_mind/new-to-machine-learning-avoid-these-three-mistakes-73258b3848a4#.lih061l3l

[19] TheAnalyticsEdge:: https://github.com/pedrosan/TheAnalyticsEdge

[20] Quora:: https://www.quora.com/How-can-a-computer-science-graduate-student-prepare-himself-for-data-scientist-machine-learning-intern-interviews

[21] Quora:: https://www.quora.com/How-do-I-learn-machine-learning-1/answer/Xavier-Amatriain

[22] Quora:: https://www.quora.com/topic/Data-Science-Interviews/faq

[23] Quora:: https://www.quora.com/What-are-the-key-skills-of-a-data-scientist

[24] Репозиторий:: https://github.com/owainlewis/awesome-artificial-intelligence

[25] edX:: https://courses.edx.org/courses/BerkeleyX/CS188x_1/1T2013/info

[26] Udacity:: https://www.udacity.com/course/intro-to-artificial-intelligence--cs271

[27] TED Talks:: http://www.ted.com/playlists/310/talks_on_artificial_intelligen

[28] Wiki:: https://en.wikipedia.org/wiki/Genetic_algorithm

[29] Outlace:: http://outlace.com/Simple-Genetic-Algorithm-in-15-lines-of-Python/

[30] Outlace:: http://outlace.com/Simple-Genetic-Algorithm-Python-Addendum/

[31] ai-junkie:: http://www.ai-junkie.com/ga/intro/gat1.html

[32] Wiki:: https://en.wikipedia.org/wiki/Genetic_programming

[33] GitHub:: https://github.com/trevorstephens/gplearn

[34] Quora:: https://www.quora.com/Whats-the-difference-between-Genetic-Algorithms-and-Genetic-Programming

[35] Stat Trek:: http://stattrek.com/

[36] Intro2stats:: https://github.com/rouseguy/intro2stats

[37] Statistics for Hackers:: https://speakerdeck.com/jakevdp/statistics-for-hackers

[38] Online Statistics Book:: http://onlinestatbook.com/2/index.html

[39] Статья:: http://stattrek.com/sampling/sampling-distribution.aspx

[40] Обучение:: http://stattrek.com/tutorials/ap-statistics-tutorial.aspx

[41] Обучение:: http://stattrek.com/tutorials/statistics-tutorial.aspx

[42] Обучение:: http://stattrek.com/tutorials/matrix-algebra-tutorial.aspx

[43] Форум:: https://www.physicsforums.com/threads/what-is-an-unbiased-estimator.547728/

[44] Wiki:: https://en.wikipedia.org/wiki/Goodness_of_fit

[45] Статья:: http://onlinestatbook.com/2/advanced_graphs/q-q_plots.html

[46] Блог Эдвина Чена:: http://blog.echen.me/

[47] Data School:: http://www.dataschool.io/

[48] ML Wave:: http://mlwave.com/

[49] Karpathy:: http://karpathy.github.io/

[50] Colah:: http://colah.github.io/

[51] Блог Алекса Минаара:: http://alexminnaar.com/

[52] Statistically Significant:: http://andland.github.io/

[53] Simply Statistics:: http://simplystatistics.org/

[54] Yanir Seroussi:: http://yanirseroussi.com/

[55] fastML:: http://fastml.com/

[56] Trevor Stephens:: http://trevorstephens.com/

[57] Kaggle:: http://blog.kaggle.com/

[58] Outlace:: http://outlace.com/

[59] r4stats:: http://r4stats.com/

[60] Variance Explained:: http://varianceexplained.org/

[61] AI Junkie:: http://www.ai-junkie.com/

[62] Quora:: https://www.quora.com/topic/Machine-Learning/writers

[63] Наука о данных:: https://www.quora.com/Data-Science

[64] Ответы Уильяма Чена;: https://www.quora.com/William-Chen-6/answers

[65] Ответы Майкла Хочстера;: https://www.quora.com/Michael-Hochster/answers

[66] Ответы Рикардо Владимиро;: https://www.quora.com/Ricardo-Vladimiro-1/answers

[67] Блог:: https://datastories.quora.com/

[68] FAQ:: https://www.quora.com/topic/Data-Science/faq

[69] FAQ:: https://www.quora.com/topic/Machine-Learning/faq

[70] Статья:: http://yanirseroussi.com/2014/08/24/how-to-almost-win-kaggle-competitions/

[71] Статья:: http://blog.kaggle.com/2015/10/05/grasp-and-lift-eeg-detection-winners-interview-3rd-place-team-hedj/

[72] Статья:: http://alexminnaar.com/tag/kaggle-competitions.html

[73] Статья:: http://mlwave.com/predicting-click-through-rates-with-online-machine-learning/

[74] Вероятность; : http://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf

[75] Машинное обучение; : https://github.com/soulmachine/machine-learning-cheat-sheet

[76] Статья:: http://www.win-vector.com/blog/2015/02/does-balancing-classes-improve-classifier-performance/

[77] Quora:: https://www.quora.com/What-are-the-advantages-of-different-classification-algorithms

[78] Статья:: https://ccrma.stanford.edu/workshops/mir2009/references/ROCintro.pdf

[79] Статья:: http://www.dataschool.io/simple-guide-to-confusion-matrix-terminology/

[80] Статья:: http://pareonline.net/getvn.asp?n=2&v=8

[81] duke.edu:: http://people.duke.edu/~rnau/regintro.htm

[82] Data School:: http://www.dataschool.io/applying-and-interpreting-linear-regression/

[83] ResearchGate:: http://www.researchgate.net/post/Is_linear_regression_valid_when_the_outcome_dependant_variable_not_normally_distributed

[84] Wiki:: https://en.wikipedia.org/wiki/Multicollinearity

[85] Статья:: http://jonlefcheck.net/2012/12/28/dealing-with-multicollinearity-using-variance-inflation-factors/

[86] Статья:: https://web.stanford.edu/~hastie/Papers/elasticnet.pdf

[87] Wiki:: https://en.wikipedia.org/wiki/Logistic_regression

[88] Статья:: http://florianhartl.com/logistic-regression-geometric-intuition.html

[89] FAQ:: http://www.ats.ucla.edu/stat/mult_pkg/faq/general/Psuedo_RSquareds.htm

[90] Wiki:: https://en.wikipedia.org/wiki/Resampling_%28statistics%29

[91] Chioka:: http://www.chioka.in/tag/cross-validation/

[92] Эндрю Ын:: http://ai.stanford.edu/~ang/papers/cv-final.pdf

[93] Гевин Коули:: http://www.jmlr.org/papers/volume11/cawley10a/cawley10a.pdf

[94] Эндрю Мур:: http://www.autonlab.org/tutorials/overfit10.pdf

[95] Wiki:: https://en.wikipedia.org/wiki/Bootstrapping_%28statistics%29

[96] Бутстрэп:: https://www.stat.auckland.ac.nz/~wild/BootAnim/

[97] Пример:: http://statistics.about.com/od/Applications/a/Example-Of-Bootstrapping.htm

[98] Список:: https://github.com/ChristosChristofidis/awesome-deep-learning

[99] Deeplearning4j:: http://deeplearning4j.org/documentation.html

[100] Стэнфорд:: http://cs224d.stanford.edu/reports.html

[101] Статья:: http://devblogs.nvidia.com/parallelforall/deep-learning-nutshell-core-concepts/

[102] Статья:: http://devblogs.nvidia.com/parallelforall/understanding-natural-language-deep-neural-networks-using-torch/

[103] Стэнфорд:: http://ufldl.stanford.edu/tutorial/

[104] Quora:: https://www.quora.com/topic/Deep-Learning/faq

[105] Google:: https://plus.google.com/communities/112866381580457264725

[106] Reddit:: http://deeplearning.net/2014/11/22/recent-reddit-amas-about-deep-learning/

[107] Reddit:: https://www.reddit.com/r/IAmA/comments/3mdk9v/we_are_google_researchers_working_on_deep/

[108] Статья:: http://www.kdnuggets.com/2014/05/learn-deep-learning-courses-tutorials-overviews.html

[109] Intro2deeplearning:: https://github.com/rouseguy/intro2deeplearning

[110] Intro2deeplearning:: https://speakerdeck.com/bargava/introduction-to-deep-learning

[111] Оксфорд:: https://www.youtube.com/playlist?list=PLE6Wd9FR--EfW8dtjAuPoTuPcqmOV53Fu

[112] Видео:: http://videolectures.net/deeplearning2015_montreal/

[113] Список:: http://deeplearning.net/software_links/

[114] Статья:: http://karpathy.github.io/neuralnets/

[115] Kdnuggets:: http://www.kdnuggets.com/2015/10/top-arxiv-deep-learning-papers-explained.html

[116] Видео:: https://www.youtube.com/watch?v=IcOMKXAw5VA

[117] Deeplearning:: http://deeplearning.net/reading-list/

[118] Deeplearning:: http://deeplearning.net/

[119] Deeplearning4j:: http://deeplearning4j.org/

[120] Статья:: http://www.toptal.com/machine-learning/an-introduction-to-deep-learning-from-perceptrons-to-deep-networks

[121] Статья:: http://alexminnaar.com/deep-learning-basics-neural-networks-backpropagation-and-stochastic-gradient-descent.html

[122] Стэнфорд:: http://ufldl.stanford.edu/tutorial/supervised/MultiLayerNeuralNetworks/

[123] Deeplearning:: http://deeplearning.net/tutorial/index.html

[124] Статья:: http://devblogs.nvidia.com/parallelforall/introduction-neural-machine-translation-with-gpus/

[125] Статья:: http://devblogs.nvidia.com/parallelforall/introduction-neural-machine-translation-gpus-part-2/

[126] Статья:: http://devblogs.nvidia.com/parallelforall/introduction-neural-machine-translation-gpus-part-3/

[127] Deep Speech:: http://devblogs.nvidia.com/parallelforall/deep-speech-accurate-speech-recognition-gpu-accelerated-deep-learning/

[128] FastML:: http://fastml.com/torch-vs-theano/

[129] Deeplearning4j:: http://deeplearning4j.org/compare-dl4j-torch7-pylearn.html

[130] Список:: http://www.teglor.com/b/deep-learning-libraries-language-cm569/

[131] Theano:: http://deeplearning.net/software/theano/

[132] Статья:: http://www.wildml.com/2015/09/speeding-up-your-neural-network-with-theano-and-the-gpu/

[133] Theano:: http://outlace.com/Beginner-Tutorial-Theano/

[134] Theano:: http://deeplearning.net/software/theano/tutorial/

[135] Theano:: http://deeplearning.net/tutorial/logreg.html#logreg

[136] Theano:: http://deeplearning.net/tutorial/mlp.html#mlp

[137] Theano:: http://Theano

[138] Theano:: http://deeplearning.net/tutorial/rnnslu.html#rnnslu

[139] Theano:: http://deeplearning.net/tutorial/lstm.html#lstm

[140] Theano:: http://deeplearning.net/tutorial/rbm.html#rbm

[141] Theano:: http://deeplearning.net/tutorial/DBN.html#dbn

[142] Theano:: https://github.com/lisa-lab/DeepLearningTutorials

[143] Torch:: http://torch.ch/

[144] Руководство:: http://code.madbits.com/wiki/doku.php

[145] Статья:: http://ml.informatik.uni-freiburg.de/_media/teaching/ws1415/presentation_dl_lect3.pdf

[146] Репозиторий:: https://github.com/chetannaik/learning_torch

[147] Репозиторий:: https://github.com/carpedm20/awesome-torch

[148] Оксфорд:: https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/

[149] Torch:: https://apaszke.github.io/torch-internals.html

[150] Torch:: https://github.com/torch/torch7/wiki/Cheatsheet

[151] Caffe:: http://devblogs.nvidia.com/parallelforall/deep-learning-computer-vision-caffe-cudnn/

[152] TensorFlow:: http://tensorflow.org/

[153] TensorFlow:: https://github.com/aymericdamien/TensorFlow-Examples

[154] Репозиторий:: https://github.com/chetannaik/learning_tensorflow

[155] TensorFlow:: https://github.com/soumith/convnet-benchmarks/issues/66

[156] Руководство:: http://www.wildml.com/2015/09/implementing-a-neural-network-from-scratch/

[157] Статья:: https://takinginitiative.wordpress.com/2008/04/03/basic-neural-network-tutorial-theory/

[158] Статья:: http://home.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html

[159] AI Junkie:: http://www.ai-junkie.com/ann/evolved/nnt6.html

[160] Code Project:: http://www.codeproject.com/Articles/16419/AI-Neural-Network-for-beginners-Part-of

[161] Презентация:: http://www.autonlab.org/tutorials/neural13.pdf

[162] Статья:: http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html

[163] Awesome-rnn:: https://github.com/kjw0612/awesome-rnn

[164] Руководство:: http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/

[165] Руководство:: http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-2-implementing-a-language-model-rnn-with-python-numpy-and-theano/

[166] Руководство:: http://www.wildml.com/2015/10/recurrent-neural-networks-tutorial-part-3-backpropagation-through-time-and-vanishing-gradients/

[167] Статья:: http://colah.github.io/posts/2014-07-NLP-RNNs-Representations/

[168] Статья:: http://karpathy.github.io/2015/05/21/rnn-effectiveness/

[169] Deeplearning4j:: http://deeplearning4j.org/recurrentnetwork.html

[170] Deeplearning4j:: http://deeplearning4j.org/lstm.html

[171] Статья:: http://hackaday.com/2015/10/15/73-computer-scientists-created-a-neural-net-and-you-wont-believe-what-happened-next/

[172] Статьи:: http://svail.github.io/

[173] Пример:: http://outlace.com/Simple-Recurrent-Neural-Network/

[174] Статья:: http://larseidnes.com/2015/10/13/auto-generating-clickbait-with-recurrent-neural-networks/

[175] Презентация:: http://www.slideshare.net/indicods/general-sequence-learning-with-recurrent-neural-networks-for-next-ml

[176] Статья:: http://emnlp2014.org/papers/pdf/EMNLP2014179.pdf

[177] Keras:: https://github.com/MattVitelli/GRUV

[178] Keras:: http://neuralniche.com/post/tutorial/

[179] Статья:: http://colah.github.io/posts/2015-08-Understanding-LSTMs/

[180] Статья:: https://apaszke.github.io/lstm-explained.html

[181] Статья:: http://www.wildml.com/2015/10/recurrent-neural-network-tutorial-part-4-implementing-a-grulstm-rnn-with-python-and-theano/

[182] GitHub:: https://github.com/karpathy/char-rnn

[183] GitHub:: https://github.com/apaszke/kaggle-grasp-and-lift

[184] Статья:: http://avisingh599.github.io/deeplearning/visual-qa/

[185] Google:: http://googleresearch.blogspot.in/2015/11/computer-respond-to-this-email.html

[186] Google:: http://googleresearch.blogspot.ch/2015/09/google-voice-search-faster-and-more.html

[187] Deeplearning:: http://deeplearning.net/2015/09/30/long-short-term-memory-dramatically-improves-google-voice-etc-now-available-to-a-billion-users/

[188] Torch:: https://github.com/abhshkdz/neural-vqa

[189] Wiki:: https://en.wikipedia.org/wiki/Recursive_neural_network

[190] Deeplearning4j:: http://deeplearning4j.org/recursiveneuraltensornetwork.html

[191] Deeplearning4j:: http://deeplearning4j.org/zh-sentiment_analysis_word2vec.html

[192] Deeplearning4j:: http://deeplearning4j.org/restrictedboltzmannmachine.html

[193] Deep Learning:: http://deeplearning.net/tutorial/rbm.html

[194] Статья:: http://blog.echen.me/2011/07/18/introduction-to-restricted-boltzmann-machines/

[195] Джеффри Хинтон:: https://www.cs.toronto.edu/~hinton/absps/guideTR.pdf

[196] GitHub:: https://github.com/zachmayer/rbm

[197] Deeplearning4j:: http://deeplearning4j.org/deepbeliefnetwork.html

[198] Эндрю Ын:: https://web.stanford.edu/class/cs294a/sparseAutoencoder.pdf

[199] Deeplearning4j:: http://deeplearning4j.org/deepautoencoder.html

[200] Deep Learning:: http://deeplearning.net/tutorial/dA.html

[201] Deep Learning:: http://deeplearning.net/tutorial/SdA.html#sda

[202] Awesome Deep Vision:: https://github.com/kjw0612/awesome-deep-vision

[203] Deeplearning4j:: http://deeplearning4j.org/convolutionalnets.html

[204] Статья:: http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/

[205] Стэнфорд:: http://vision.stanford.edu/teaching/cs231n/

[206] Стэнфорд:: http://cs.stanford.edu/people/karpathy/convnetjs/

[207] Статья:: http://danielnouri.org/notes/2014/12/17/using-convolutional-neural-nets-to-detect-facial-keypoints-tutorial/

[208] Статья:: http://engineeringblog.yelp.com/2015/10/how-we-use-deep-learning-to-classify-business-photos-at-yelp.html

[209] Kaggle:: http://blog.kaggle.com/2014/12/22/convolutional-nets-and-cifar-10-an-interview-with-yan-lecun/

[210] Статья:: https://www.cs.nyu.edu/~fergus/papers/zeilerECCV2014.pdf

[211] GitHub:: https://github.com/edobashira/speech-language-processing

[212] Руководство:: http://michaelerasm.us/tf-idf-in-10-minutes/

[213] Google:: https://static.googleusercontent.com/media/research.google.com/en/us/pubs/archive/35671.pdf

[214] Руководство:: http://graph-ssl.wdfiles.com/local--files/blog%3A_start/graph_ssl_acl12_tutorial_slides_final.pdf

[215] Модель bag-of-words; : https://en.wikipedia.org/wiki/Bag-of-words_model

[216] Руководство:: http://fastml.com/classifying-text-with-bag-of-words-a-tutorial/

[217] Тематическое моделирование; : https://en.wikipedia.org/wiki/Topic_model

[218] Латентное размещение Дирихле (ЛРД); : https://en.wikipedia.org/wiki/Latent_Dirichlet_allocation

[219] Латентно-семантический анализ (ЛСА); : https://en.wikipedia.org/wiki/Latent_semantic_analysis

[220] Вероятностный латентно-семантический анализ (ВЛСА); : https://en.wikipedia.org/wiki/Probabilistic_latent_semantic_analysis

[221] Статья:: http://blog.echen.me/2011/08/22/introduction-to-latent-dirichlet-allocation/

[222] Статья:: http://confusedlanguagetech.blogspot.in/2012/07/jordan-boyd-graber-and-philip-resnik.html

[223] Статья:: http://www.matthewjockers.net/2011/09/29/the-lda-buffet-is-now-open-or-latent-dirichlet-allocation-for-english-majors/

[224] Quora:: https://www.quora.com/Whats-the-difference-between-Latent-Semantic-Indexing-LSI-and-Latent-Dirichlet-Allocation-LDA

[225] Принстон:: https://www.cs.princeton.edu/~blei/papers/BleiNgJordan2003.pdf

[226] Quora:: https://www.quora.com/What-is-an-intuitive-explanation-of-the-Dirichlet-distribution

[227] Статья:: http://tedunderwood.com/2012/04/07/topic-modeling-made-just-simple-enough/

[228] Статья:: http://alexminnaar.com/online-latent-dirichlet-allocation-the-best-option-for-topic-modeling-with-large-data-sets.html

[229] Статья:: http://alexminnaar.com/distributed-online-latent-dirichlet-allocation-with-apache-spark.html

[230] Статья:: http://alexminnaar.com/latent-dirichlet-allocation-in-scala-part-i-the-theory.html

[231] Статья:: http://alexminnaar.com/latent-dirichlet-allocation-in-scala-part-ii-the-code.html

[232] Статья:: http://alexperrier.github.io/jekyll/update/2015/09/16/segmentation_twitter_timelines_lda_vs_lsa.html

[233] Статья:: http://alexperrier.github.io/jekyll/update/2015/09/04/topic-modeling-of-twitter-followers.html

[234] Google:: https://code.google.com/p/word2vec/

[235] Статья:: http://homepages.inf.ed.ac.uk/ballison/pdf/lrec_skipgrams.pdf

[236] Руководство:: http://alexminnaar.com/word2vec-tutorial-part-i-the-skip-gram-model.html

[237] Kaggle:: https://www.kaggle.com/c/word2vec-nlp-tutorial/details/part-2-word-vectors

[238] Статья:: http://rare-technologies.com/making-sense-of-word2vec/

[239] Deeplearning4j:: http://deeplearning4j.org/word2vec.html

[240] Quora:: https://www.quora.com/How-does-word2vec-work

[241] Quora:: https://www.quora.com/What-are-the-continuous-bag-of-words-and-skip-gram-architectures-in-laymans-terms

[242] Quora:: https://www.quora.com/What-is-the-difference-between-the-Bag-of-Words-model-and-the-Continuous-Bag-of-Words-model

[243] Quora:: https://www.quora.com/Is-skip-gram-negative-sampling-better-than-CBOW-NS-for-word2vec-If-so-why

[244] Wiki:: https://en.wikipedia.org/wiki/Levenshtein_distance

[245] Статья:: http://blog.dennybritz.com/2015/09/11/reimagining-language-learning-with-nlp-and-reinforcement-learning/

[246] Kaggle:: https://www.kaggle.com/c/word2vec-nlp-tutorial/details/part-1-for-beginners-bag-of-words

[247] Kaggle:: https://www.kaggle.com/c/word2vec-nlp-tutorial/details/part-3-more-fun-with-word-vectors

[248] Руководство:: https://gigadom.wordpress.com/2015/10/02/natural-language-processing-what-would-shakespeare-say/

[249] Awesome Computer Vision:: https://github.com/jbhuang0604/awesome-computer-vision

[250] Quora:: https://www.quora.com/What-does-support-vector-machine-SVM-mean-in-laymans-terms

[251] Руководство:: http://alex.smola.org/papers/2003/SmoSch03b.pdf

[252] Руководство:: http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf

[253] Презентация:: http://www.csie.ntu.edu.tw/~cjlin/talks/freiburg.pdf

[254] Статья:: http://www.statsoft.com/Textbook/Support-Vector-Machines

[255] Статья:: http://www.svms.org/anns.html

[256] Статья:: http://pages.cs.wisc.edu/~swright/talks/sjw-complearning.pdf

[257] LIBSVM:: https://www.csie.ntu.edu.tw/~cjlin/libsvm/

[258] Quora:: https://www.quora.com/What-are-Kernels-in-Machine-Learning-and-SVM

[259] Quora:: https://www.quora.com/Support-Vector-Machines/What-is-the-intuition-behind-Gaussian-kernel-in-SVM

[260] Wiki:: https://en.wikipedia.org/wiki/Platt_scaling

[261] Статья:: http://fastml.com/classifier-calibration-with-platts-scaling-and-isotonic-regression/

[262] Awesome Reinforcement Learning:: https://github.com/aikorea/awesome-rl

[263] Руководство:: http://outlace.com/Reinforcement-Learning-Part-1/

[264] Руководство:: http://outlace.com/Reinforcement-Learning-Part-2/

[265] Wiki:: https://en.wikipedia.org/wiki/Decision_tree_learning

[266] FAQ:: http://stats.stackexchange.com/questions/tagged/cart

[267] Статья:: http://statistical-research.com/a-brief-tour-of-the-trees-and-forests/

[268] Статья:: http://www.statmethods.net/advstats/cart.html

[269] Статья:: http://www.aihorizon.com/essays/generalai/decision_trees.htm

[270] Статья:: http://www.ise.bgu.ac.il/faculty/liorr/hbchap9.pdf

[271] Презентация:: http://www.slideshare.net/pierluca.lanzi/machine-learning-and-data-mining-11-decision-trees

[272] Статья:: http://www.salford-systems.com/videos/tutorials/tips-and-tricks/using-surrogates-to-improve-datasets-with-missing-values

[273] Статья:: https://www.mindtools.com/dectree.html

[274] Wiki:: https://en.wikipedia.org/wiki/Pruning_%28decision_trees%29

[275] Wiki:: https://en.wikipedia.org/wiki/Grafting_%28decision_trees%29

[276] Сравнение:: http://stats.stackexchange.com/questions/12140/conditional-inference-trees-vs-traditional-decision-trees

[277] Сравнение:: http://stats.stackexchange.com/questions/61230/chaid-vs-crt-or-cart

[278] Сравнение:: http://www.bzst.com/2006/10/classification-trees-cart-vs-chaid.html

[279] Статья:: http://www.ftpress.com/articles/article.aspx?p=2248639&seqNum=11

[280] Wiki:: https://en.wikipedia.org/wiki/Recursive_partitioning

[281] Статья:: http://documents.software.dell.com/Statistics/Textbook/Classification-and-Regression-Trees

[282] CART:: http://stats.stackexchange.com/questions/6478/how-to-measure-rank-variable-importance-when-using-cart-specifically-using

[283] FAQ:: http://stats.stackexchange.com/questions/tagged/rpart

[284] Статья:: https://cran.r-project.org/web/packages/party/party.pdf

[285] Wiki:: https://en.wikipedia.org/wiki/CHAID

[286] Статья:: https://smartdrill.com/Introduction-to-CHAID.html

[287] Руководство:: http://www.statsoft.com/Textbook/CHAID-Analysis

[288] Wiki:: https://en.wikipedia.org/wiki/Multivariate_adaptive_regression_splines

[289] Статья:: http://www.stats.org.uk/bayesian/Jordan.pdf

[290] Статья:: http://people.stern.nyu.edu/adamodar/pdfiles/papers/probabilistic.pdf

[291] GitHub:: https://github.com/kjw0612/awesome-random-forest

[292] Kaggle:: https://www.kaggle.com/forums/f/15/kaggle-forum/t/4092/how-to-tune-rf-parameters-in-practice

[293] Презентация:: https://stat.ethz.ch/education/semesters/ss2012/ams/slides/v10.2.pdf

[294] Статья:: http://www.jstatsoft.org/article/view/v050i11

[295] FAQ:: http://stats.stackexchange.com/questions/tagged/random-forest

[296] Статья:: http://www.datasciencecentral.com/profiles/blogs/boosting-algorithms-for-better-predictions

[297] Wiki:: https://en.wikipedia.org/wiki/Boosting_%28machine_learning%29

[298] Чен Тьянци:: https://homes.cs.washington.edu/~tqchen/pdf/BoostedTree.pdf

[299] Wiki:: https://en.wikipedia.org/wiki/Gradient_boosting

[300] Презентация:: http://www.slideshare.net/mark_landry/gbm-package-in-r

[301] FAQ:: http://stats.stackexchange.com/tags/gbm/hot

[302] Kaggle:: https://www.kaggle.com/c/higgs-boson/forums/t/9497/r-s-gbm-vs-python-s-xgboost

[303] Kaggle:: https://www.kaggle.com/khozzy/rossmann-store-sales/xgboost-parameter-tuning-template/log

[304] Kaggle:: https://www.kaggle.com/c/otto-group-product-classification-challenge/forums/t/13012/question-to-experienced-kagglers-and-anyone-who-wants-to-take-a-shot/68296#post68296

[305] Обзор:: https://www.kaggle.com/c/higgs-boson/forums/t/10335/xgboost-post-competition-survey

[306] Wiki:: https://en.wikipedia.org/wiki/AdaBoost

[307] AdaBoost:: http://hamzehal.blogspot.com/2014/06/adaboost-sparse-input-support.html

[308] Пакет:: https://cran.r-project.org/web/packages/adabag/adabag.pdf

[309] AdaBoost:: http://math.mit.edu/~rothvoss/18.304.3PM/Presentations/1-Eric-Boosting304FinalRpdf.pdf

[310] Wiki:: https://en.wikipedia.org/wiki/Ensemble_learning

[311] Kaggle:: http://mlwave.com/kaggle-ensembling-guide/

[312] Статья:: http://machine-learning.martinsewell.com/ensembles/

[313] Статья:: http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/springerEBR09.pdf

[314] Композиционные модели на R;: http://amunategui.github.io/blending-models/

[315] Kaggle:: https://www.kaggle.com/c/afsis-soil-properties/forums/t/10391/best-ensemble-references

[316] Сравнение:: http://www.chioka.in/which-is-better-boosting-or-bagging/

[317] Статья:: http://www.chioka.in/stacking-blending-and-stacked-generalization/

[318] Статья:: http://machine-learning.martinsewell.com/ensembles/stacking/

[319] Статья:: http://www.ijcai.org/Past Proceedings/IJCAI-97-VOL2/PDF/011.pdf

[320] Статья:: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.56.1533&rep=rep1&type=pdf

[321] Wiki:: https://en.wikipedia.org/wiki/VC_dimension

[322] Quora:: https://www.quora.com/Explain-VC-dimension-and-shattering-in-lucid-Way

[323] Видео:: https://www.youtube.com/watch?v=puDzy2XmR5c

[324] Статья:: http://www.svms.org/vc-dimension/

[325] FAQ:: http://stats.stackexchange.com/questions/tagged/vc-dimension

[326] GitHub:: https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers

[327] Видео:: http://videolectures.net/bark08_ghahramani_samlbb/

[328] Руководство:: http://www.iro.umontreal.ca/~bengioy/cifar/NCAP2014-summerschool/slides/Ryan_adams_140814_bayesopt_ncap.pdf

[329] Статья:: http://blog.shakirm.com/2015/10/bayesian-reasoning-and-deep-learning/

[330] Статья:: http://greenteapress.com/thinkbayes/

[331] GitHub:: https://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python

[332] Wiki:: https://en.wikipedia.org/wiki/Markov_chain

[333] Wiki:: https://en.wikipedia.org/wiki/Semi-supervised_learning

[334] Руководство:: http://pages.cs.wisc.edu/~jerryzhu/pub/sslicml07.pdf

[335] Иерархическая кластеризация (таксономия); : http://is.tuebingen.mpg.de/fileadmin/user_upload/files/publications/taxo_%5B0%5D.pdf

[336] Видео-руководство:: https://www.youtube.com/watch?v=sWxcIjZFGNM

[337] Статья:: http://stats.stackexchange.com/questions/517/unsupervised-supervised-and-semi-supervised-learning

[338] Статья:: http://mlg.eng.cam.ac.uk/zoubin/papers/zglactive.pdf

[339] Статья:: http://mlg.eng.cam.ac.uk/zoubin/papers/zgl.pdf

[340] Статья:: http://icml.cc/2012/papers/616.pdf

[341] Статья:: http://www.wdiam.com/2012/06/10/mean-variance-portfolio-optimization-with-r-and-quadratic-programming/?utm_content=buffer04c12&utm_medium=social&utm_source=linkedin.com&utm_campaign=buffer

[342] Статья:: http://pages.cs.wisc.edu/~swright/nips2010/sjw-nips10.pdf

[343] Видео:: http://videolectures.net/nips2010_wright_oaml/

[344] Статья:: http://www.birs.ca/workshops/2011/11w2035/files/Wright.pdf

[345] Видео:: http://videolectures.net/stephen_j_wright/

[346] Статья:: http://jmlr.org/papers/volume7/MLOPT-intro06a/MLOPT-intro06a.pdf

[347] GitHub:: https://github.com/ujjwalkarn/DataScienceR

[348] разработке: https://habrahabr.ru/company/spbifmo/blog/269127/

[349] первых шагах: https://habrahabr.ru/company/spbifmo/blog/275071/

[350] Источник: https://habrahabr.ru/post/277593/