Обзор наиболее интересных материалов по анализу данных и машинному обучению №9 (11 — 18 августа 2014)

Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения. В данном выпуске достаточно много интересных видеоматериалов. Некоторые количество материалов посвящено теме Data Engineering. В данном выпуске достаточно много практических примеров кода на языках программирования R и Python. Как обычно много материалов посвящено алгоритмам машинного обучения.

Материалы по анализу данных и машинному обучению

•  Визуализация с помощью фреймворка D3 ^[1]
  Небольшая статья про визуализацию данных с помощью популярного JS-фреймворка D3.
•   Свой собственный поиск по изображениям ^[2]
  Автор рассказывает свою собственную разработку на Python, которая позволяет упростить работу с изображениями на локальном компьютере.
•    Alex Smola рассказывает про масштабируемое машинное обучение ^[3]
  Это еще одна лекция из серии лекций, которые были представлены на летней школе машинного обучения Machine Learning Summer School (MLSS ’14) в Питтсбурге. В данной видеолекции известный специалист в области компьютерных наук и в том числе в области машинного обучения Alex Smola (исследователь в Google, профессор университета Карнеги-Меллона) затрагивает очень интересную и важную тему масштабирования в машинном обучении.
•  Будущее потребления контента глазами Yahoo ^[4]
  Интересная о статья о планах компании Yahoo на будущее в области искусственного интеллекта и машинного обучения.
•   21 инструмент навигации в R ^[5]
  Полезный набор из 21 инструмента навигации для языка программирования R, который будет полезен каждому.
•  Развитие технологий искусственного интеллекта в Facebook завистит от этого человека ^[6]
  Интересная статья о Yann LeCunn — одном из самых известных специалистов в области анализа данных и машинного обучения, который является одним из основоположников Deep Learning и сейчас занимается развитием технологий машинного обучения в компании Facebook.
•  Список ведущих исследователей в области анализа данных ^[7]
  Любопытный список ведущих исследователей и ученых в области анализа данных и Data Science от популярного портала KDnuggets, основанный на обработке результатов данных с Microsoft Academic Search.
•   Выбор подмножества записей из большого файла ^[8]
  При работе с большим файлом в языке программирования R чаще гораздо удобнее работать с небольшим случайным подмножеством записей из всего набора данных. В данной короткой статье представлен пример кода для извлечения подмножества записей из файла.
•   Apache Spark совместно с IPython ^[9]
  Небольшая статья с блога компании Cloudera об интеграции Apache Spark и IPython.
•   Библиотека машинного обучения PyStruct ^[10]
  Библиотека для машинного обучения, а именно Structured Learning с использованием языка программирования Python. Библиотека создана с ориентировкой на схожесть дизайна с популярной библиотекой машинного обучения scikit-learn.
•  Быстрое обучение с Vowpal Wabbit ^[11]
  Небольшая статья от Microsoft Technet Machine Learning Blog о системе машинного обучения с открытым исходным кодом Vowpal Rabbit, которую развивает Microsoft Research и которая имеет возможность интеграции с облачной платформой машинного обучения Microsoft Azure ML.
•   Лучшие видео первой половины года по теме анализа данных ^[12]В данной cтатье можно найти список лучших видеоматериалов первого полугодия 2014, которые были на портале IBM Big Data & Analytics Hub.
•  Библиотека машинного обучения QuickML ^[13]
  Интересная библиотека для машинного обучения с использованием языка программирования Java.
•  SAS в облаке ^[14]
  В данной статье достаточно кратко рассказывается о работе SAS в облаке AWS от компании Amazon, а также об интеграции платформы SAS с некоторыми AWS-сервисами.
•  38 статей по анализу данных, которые должен прочитать каждый ^[15]
  Отличный список из 38 статей по анализу данных, которые будут интересны тому, кто интересуется данной темой.
•   Как сделать наклонные подписи на осях графика ^[16]
  Как сделать наклонные подписи на осях графика — вопрос, который часто возникает при использовании стандартных средств визуализации в языке программирования R. В данной статье есть небольшой пример кода, который позволяет делать подписи к осях под различными углами наклона.
•   Как улучшить свои навыки в машинном обучении ^[17]
  Хорошая небольшая статья, написанная простым языком, о том как улучшить свои навыки машинного обучения.
•  Сравнение программного обеспечения для анализа данных ^[18]
  Сравнительная таблица программных продуктов (R, MATLAB, SAS, STATA и SPSS) на предмет встроенной поддержки различных инструментов статистического анализа в них.
•   18 основных инструментов семейства Hadoop ^[19]
  Количество новых инструментов вокруг Hadoop стремительно растет и следить за всеми новинками в данном направлении достаточно сложно. В данный статье можно найти список из 18 основных с кратким описанием каждого.
•   Библиотека semPlot для языка R ^[20]
  Небольшой пример использования библиотеки semPlot, которая предназначена для визуализации данных Structural equation modeling (SEM), что позволяет исследовать различные сложные взаимосвязи между переменными.
•   Дилемма заключённого: пример на языке R ^[21]
  Интересный пример реализации фундаментальной проблемы из теории игр «Дилемма заключенного» с использованием языка программирования R.
•    Немного базовой статистики ^[22]
  Немного примеров простых операций из статистики с примерами на языке программирования Python.
•   Трансформация данных из SAS в SQLite ^[23]
  Полезный пример кода на языке программирования Python для трансформации данных из формата SAS в формат SQLite.
•   GrapherR: GUI-система визуализации для R ^[24]
  GrapherR — библиотека для языка программирования R, которая позволяет визуализировать различные данные, но что очень важно — данная библиотека имеет свой GUI.
•   Сверточные нейронные сети ^[25]
  Публикация посвящена теме сверточных нейронных сетей, с достаточно глубоким погружением в материал и теорию по данной интересной и популярной теме.
•   Так вы хотели попробовать Deep Learning? ^[26]
  Статья посвящена популярной теме Deep Learning, а скорее является набором полезных и интересных ресурсов по данной тематике, которые позволят лучше разобраться в теме Deep Learning.
•  Краткое описание OpenML ^[27]
  Небольшая статья про набирающий популярность портал по машинному обучению OpenML, на котором в том числе можно поучаствовать в соревнованиях по машинному обучению.
•    Исследовательский анализ данных с помощью Python и Pandas ^[28]
  Очень любопытная статья про исследовательский анализ данных с использованием Python и Pandas, с примерами кода на основе популярного датасета «Титаник» с Kaggle.
•    Построение инфраструктуры для машинного обучения ^[29]
  В данном интересном видео с очень легким стилем изложения Джош Виллис (Senior Director of Data Science в Cloudera) расскажет над чем работает в Cloudera в данный момент и про использование машинного обучения на живой среде с большим количеством данных или Industrial Machine Learning, что зачастую бывает гораздо сложнее чем академическое машинное обучение.
•   Новое в CDH 5.1: Кэширование чтения в HDFS ^[30]
  Данная статья расскажет о новой функциональности в CDH 5.1: кэширование чтения в HDFS, которая потенциально позоволит значительно увеличить скорость чтения в системах, которые используют HDFS.
•   Нелинейная классификация в R ^[31]
  Восемь видов нелинейной классификации с примерами на языке программирования R.

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №8 (4 — 11 августа 2014) ^[32]

Автор: moat

Источник ^[33]