Обзор наиболее интересных материалов по анализу данных и машинному обучению №4 (23 июня — 7 июля 2014)

---

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

Путь до страницы источника: https://www.pvsm.ru/data-mining/64309

Ссылки в тексте:

[1] выпуск: http://habrahabr.ru/post/228187/

[2] Визуализация с помощью D3.js: http://www.datasciencecentral.com/profiles/blogs/beyond-the-visualization-zoo

[3] Наука о данных, большие данные и статистика. Теперь все вместе (Видеолекция): http://igorsubbotin.blogspot.ru/2014/07/data-science-big-data-and-statistics-all-together-now.html

[4] Лучшие специалисты по анализу данных в Twitter: http://www.datasciencecentral.com/profiles/blogs/top-data-scientists-on-twitter

[5] Цепи Маркова: http://techeffigy.wordpress.com/2014/06/30/markov-chains-explained/

[6] Статьи и ресурсы по анализу данных: http://www.datasciencecentral.com/profiles/blogs/new-batch-of-resources-and-articles-from-leading-bloggers-june-29

[7] 25 Популярных специалистов по данным на LinkedIn: http://www.datasciencecentral.com/profiles/blogs/25-data-scientists-popular-on-linkedin

[8] Техники визуализации, которые вы знаете с детства: http://www.juiceanalytics.com/writing/your-first-drawing-knew-a-lot-about-visualization

[9] Watson и машинное обучение: http://www.kdnuggets.com/2014/07/watson-meets-machine-learning.html

[10] Почему стать Data Scientist не так уж и просто: https://medium.com/cs-math/5b65b548069b

[11] Deep Learning с использованием Hadoop (Видеолекция): http://igorsubbotin.blogspot.ru/2014/06/introduction-deep-learning-hadoop.html

[12] Использование Facebook API с помощью R: http://www.analyticsvidhya.com/blog/2014/07/facebook-analyst/

[13] Книги по визуализации данных: http://www.bigdata-madesimple.com/35-invaluable-books-on-data-visualization/

[14] 12 интересныг книг и онлайн-ресурсов по R: http://ucanalytics.com/blogs/learn-r-12-books-and-online-resources/

[15] Развертывание продукта на R: http://inside-bigdata.com/2014/07/03/production-deployment-environments-r/

[16] Машинное обучение — это в том числе и соревнования на Kaggle: http://machinelearningmastery.com/machine-learning-is-kaggle-competitions/

[17] «Machine learning isn't Kaggle competitions»: http://jvns.ca/blog/2014/06/19/machine-learning-isnt-kaggle-competitions/

[18] Сообщества, посвященные машинному обучению: http://machinelearningmastery.com/machine-learning-communities/

[19] Книги по машинному обучению с использованием R: http://machinelearningmastery.com/books-for-machine-learning-with-r/

[20] «Data Scientist» больше чем «Data Analyst»?: http://www.kdnuggets.com/2014/07/data-scientist-more-than-data-analyst.html

[21] Основы анализа данных при помощи Python: http://www.analyticsvidhya.com/blog/2014/07/baby-steps-learning-python-data-analysis/

[22] Cayley: открытая графовая база данных: http://nosql.mypopescu.com/post/90447307945/cayley-an-open-source-graph-database

[23] Вероятностные модели: от наивного Байеса к LDA, часть 1: http://habrahabr.ru/company/surfingbird/blog/228249/

[24] Список открытых ресурсов полезных для машинного обучения.: https://github.com/rasbt/pattern_classification/blob/master/README.md#links-to-useful-resources

[25] Использование Galene в LinkedIn: https://engineering.linkedin.com/search/did-you-mean-galene

[26] Структурированные и неструктурированные типы данных: http://smartdatacollective.com/michelenemschoff/206391/quick-guide-structured-and-unstructured-data

[27] Нужна ли научная степень, для того чтобы быть Data Scientist?: http://www.kdnuggets.com/2014/06/masters-degree-become-data-scientist.html

[28] Google I/O 2014 — Модели искусственного интеллекта, основанные на биологических моделях (Рэймонд Курцвейл) (Видеолекция): http://igorsubbotin.blogspot.ru/2014/06/biologically-inspired-models-of-intelligence.html

[29] Сравнение облачных хранилищ 2014: http://smartdatacollective.com/zach-taiji/206096/look-cloud-storage-wars-2014

[30] Domino — современная платформа для анализа данных: http://www.kdnuggets.com/2014/06/domino-platform-modern-data-analysis.html

[31] Как начать заниматься машинным обучением: http://machinelearningmastery.com/practical-advice-for-getting-started-in-machine-learning/

[32] Кластеризация изображений: http://www.datasciencecentral.com/profiles/blogs/clustering-similar-images-using-mapreduce-style-feature

[33] Анализ записей в Google+: http://decisionstats.com/2014/06/26/analysing-google-plus-posts-using-r-language-rstats/

[34] Сравнение производительности SAS и Revolution R Enterprise: http://inside-bigdata.com/2014/06/25/revolution-r-enterprise-vs-sas-performance/

[35] Andrew Ng рассказывает о Deep Learning (Видеолекция): http://lucy24.bitbucket.org/andrew-ng-about-deep-learning-at-paris-ml-meetup.html

[36] Сравнение алгоритмов CART и Random Forest (часть 1): http://www.analyticsvidhya.com/blog/2014/06/comparing-cart-random-forest-1/

[37] Сравнение алгоритмов CART и Random Forest (часть 2): http://www.analyticsvidhya.com/blog/2014/06/comparing-random-forest-simple-cart-model/

[38] Сравнение In-Memory Database и In-Memory Data Grid: http://inside-bigdata.com/2014/06/24/in-memory-database-vs-in-memory-data-grid/

[39] MongoDB совместно с Google Cloud Platform: http://inside-bigdata.com/2014/06/24/mongodb-powers-modern-application-development-google-cloud-platform/

[40] Генерация и визуализация многомерных случайных величин с помощью R: http://www.statsblogs.com/2014/06/24/generating-and-visualising-multivariate-random-numbers-in-r/

[41] Data Shinobi 3: http://www.datasciencecentral.com/profiles/blogs/data-shinobi-3-the-shrines-the-deities

[42] Введение в Hadoop: http://smartdatacollective.com/bernardmarr/205456/what-s-hadoop-here-s-simple-explanation-everyone

[43] Что такое Deep Learning и почему вокруг данного алгоритма так много шума?: http://www.analyticsvidhya.com/blog/2014/06/deep-learning-attention/

[44] Источник: http://habrahabr.ru/post/228989/

Нажмите здесь для печати.