Обзор наиболее интересных материалов по анализу данных и машинному обучению №18 (13 — 19 октября 2014)
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.
Общее
Зачем и как использовать визуализацию данных? [1]
Поисковые технологии в Airbnb [2]
Онлайн-трансляция YaC 2014 [3]
30 октября компания «Яндекс» проведет конференцию «Yet another Conference 2014», которая будет транслироваться онлайн, с достаточно большим количеством интересных докладов.
Знакомьтесь — Revolution R Open [4]
15 октября 2014 г. компания Revolution Analytics объявила о выпуске разработанного ею усовершенствованного дистрибутива R — Revolution Open R.
Сравнение Vowpal Wabbit, Liblinear/SBM и StreamSVM [5]
Сравнение эффективности работы Vowpal Wabbit, Liblinear/SBM и StreamSVM на основе набора данных «Webspam».
Использование R Notebook в облаке [6]
R Notebook: интересная адаптация IPython Notebook под работу языка программирования R от компании Domino Data Lab.
Как Big Data может улучшить нашу жизнь [7]
Интересная инфографика по теме Big Data.
Публикация веб-сервисов машинного обучения в Azure ML [8]
Статья с блога Microsoft Technet Machine Learning, в которой автор расскажет о возможностях облачного сервиса Azure ML, позволяющих специалистам по анализу данных размещать свои сервисы в облаке и публиковать их в магазине приложений Azure Marketplace.
Revolution R Open и Revolution R Plus [9]
Анонс Revolution R Open и Revolution R Plus от Revolution Analytics.
9 вариантов использования BigML [10]
Статья с блога BigML, которая при помощи инфографики расскажет о 9 различных способах использования платформы для машинного обучения BigML.
Машинное обучение в облаке [11]
Еще одна интересная статья с блога Microsoft Technet Machine Learning, в данном случае о распределенных облачных вычислениях для машинного обучения, ну и конечно же об Azure ML.
Интерсные наборы данных для проектов Data Science (часть 1) [12]
Хороший список различных источников данных.
Интерсные наборы данных для проектов Data Science (часть 2) [13]
Хороший список различных источников данных.
5 направлений, в которых вы должны развиваться как специалист по машинному обучению [14]
Хорошая статья от автора блога MachineLearningMastery, в которой он рассказывает о 5 направлениях, на которые стоит обратить свое внимание при развитии своих навыков машинного обучения.
Введение в Big Data в финансовой сфере (часть 4) [15]
Четвертая часть из серии статей про использование Big Data в банковской и финансовой сферах от портала insideBIGDATA.
12 учебных лагерей по теме Data Science [16]
Интересный список учебных лагерей по теме Data Science, который, я думаю, будет постоянно дополняться.
Теория и алгоритмы машинного обучения, примеры кода
Латентно-семантический анализ: реализация [17]
Как мы кластеризуем подарки в ОК [18]
Как выявить потери в продажах [19]
Процесс машинного обучения (часть 1) [20]
Первая часть из серии статей, в которых автор расскажет о различных этапах процесса машинного обучения (в основном речь пойдет об обучении с учителем — Supervised learning).
Deep Learning с помощью Caffe и cuDNN [21]
Интересная статья с блога компании nVidia о возможностях применения машинного обучения Deep Learning с использованием фреймворка Caffe и библиотеки cuDNN.
Deep Learning на Amazon EC2 GPU с помощью Python и nolearn [22]
Статья о возможностях использования Amazon EC2 GPU для целей машинного обучения методом Deep Learning, а также с использованием языка программирования Python и библиотеки nolearn.
Анализ Instagram с помощью R [23]
Небольшая статья о работе с данными популярного сервиса Instagram с помощью языка программирования R.
Реализация метода k ближайщих соседей с нуля [24]
Реализация метода k ближайщих соседей с нуля с помощью языка программрования Python от автор популярного блога MachineLearningMastery.
Введение в Python Pandas [25]
Набор ресурсов по библиотеке для анализа данных Pandas для языка программирования Python.
Визуализация правила Байеса [26]
Наглядная анимированная визуализация работы правила Байеса.
Введение в нейронные сети [27]
Достаточно простое описание работы нейронных сетей с блога Analytics Vidhya.
Линейная регрессия и операции с матрицами в Excel [28]
Описание возможности использования линейной регрессии и матричных операций в Excel.
Онлайн-курсы, обучающие материалы и литература
Новые специализации на Coursera [29]
Анонсированы 18 новых специализаций на Coursera.
Онлайн-курс «Foundations of Data Analysis» [30]
Недавно на edX был анонсирован новый онлайн-курс от University of Texas at Austin по теме анализа данных под названием «Foundations of Data Analysis».
Обзор книги «Scaling Apache Solr» [31]
Обзор книги «Scaling Apache Solr», посвященной вопросам масштабирования популярной полнотекстовой поисковой платформы Apache Solr.
Книга «Data Mining for Managers» [32]
Анонс новой книги по анализу данных «Data Mining for Managers».
Видеоматериалы
Yoshua Bengio о Deep Learning на конференции KDD 2014 [33]
Youshua Bengio (Department of Computer Science and Operations Research, University of Montreal) с интересным докладом о Deep Learning на конференции KDD 2014.
Использование библиотеки dplyr для работы с данными в R [34]
Интересное видео об использовании библиотеки dplyr для различных манипуляций с данными в языке программирования R.
Интерактивная визуализация с помощью rCharts [35]
Ramnath Vaidyanathan (Assistant Professor в McGill University) в данном небольшом видео с конференции useR! 2014 рассказывает о возможностях интерактивной визуализации с помощью языка программирования R и библиотеки rCharts.
Data engineering
Hadoop: что, где и зачем [36]
Что нового в RavenDB 3.0 [37]
В данном посте будет представлен набор материалов о достаточно популярной базе данных RavenDB и её новой версии RavenDB 3.0.
Использование RethinkDB с облаке Compose [38]
В дополнение к MongoDB и ElasticSearch в облаке Compose появилась возможность использования популярной базы данных RethinkDB, о деталях работы с этой базой данных в облаке Compose и пойдет речь в данной статье.
Использование Apache Helix в LinkedId [39]
Описание возможностей Apache Helix и использование данного фреймворка в инфраструктуре компании LinkedIn.
Моделирование в документо-ориентированных базах данных (часть 1) [40]
Первая часть любопытной серии статей с блога Couchbase, в которой будет рассмотрен вопрос построения эффективных моделей в документо-ориентированных базах данных.
Текущее состояние Hadoop [41]
Статья о текущем состоянии дел в экосистеме Hadoop, представленное в виде наглядной инфографики.
Ловушки шардирования (часть 1) [42]
Первая часть серии статей о тонкостях использования шардинга в популярном NoSQL-хранилище MongoDB.
Сравнение NoSQL и SQL [43]
Небольшая статья — очередное сравнение NoSQL и SQL.
Обзоры
Еженедельный дайджест от DataScienceCentral [44]
Регулярный еженедельный дайджест статей по анализу данных от портала DataScienceCentral.
Дайджест лучших ресурсов от DataScienceCentral [45]
Неплохой список свежих интересных статей и ресурсов от DataScienceCentral.
Новости Data Mining [46]
Небольшой список интересных ресурсов по теме Data Mining от 15 октября.
Лучшие материалы за неделю (5 — 11 октября) [47]
Лучшие материалы за неделю по теме анализа данных от портала KDnuggets.
Дайджест лучших ресурсов от DataScienceCentral [48]
Неплохой список свежих интересных статей и ресурсов от DataScienceCentral.
Наиболее интересные материалы от Freakonometrics №174 [49]
Сборник наиболее интересных материалов от популярного портала Freakonometrics.
Наиболее интересные материалы от Freakonometrics №173 [50]
Сборник наиболее интересных материалов от популярного портала Freakonometrics.
Наиболее интересные материалы по High Scalability [51]
Обзор наиболее интересных материалов по теме HighScalability от популярного портала High Scalability.
Лучшие материалы: NoSQL Zone (10 — 16 октября) [52]
Сборник лучших материалов от популярного портала DZone по теме NoSQL.
Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №17 (6 — 12 октября 2014) [53]
Автор: moat
Источник [54]
Сайт-источник PVSM.RU: https://www.pvsm.ru
Путь до страницы источника: https://www.pvsm.ru/data-mining/72093
Ссылки в тексте:
[1] Зачем и как использовать визуализацию данных?: http://habrahabr.ru/company/devexpress/blog/240325/
[2] Поисковые технологии в Airbnb: http://habrahabr.ru/company/airbnb/blog/240683/
[3] Онлайн-трансляция YaC 2014: http://igorsubbotin.blogspot.ru/2014/10/yac-2014-online.html
[4] Знакомьтесь — Revolution R Open : http://r-analytics.blogspot.ru/2014/10/revolution-r-open.html
[5] Сравнение Vowpal Wabbit, Liblinear/SBM и StreamSVM: http://fastml.com/vowpal-wabbit-liblinear-sbm-and-streamsvm-compared/
[6] Использование R Notebook в облаке: http://blog.dominodatalab.com/r-notebooks/
[7] Как Big Data может улучшить нашу жизнь: http://www.bigdata-startups.com/BigData-startup/21-ways-will-big-data-improve-life/
[8] Публикация веб-сервисов машинного обучения в Azure ML: http://blogs.technet.com/b/machinelearning/archive/2014/10/16/web-services-and-marketplaces-create-a-new-data-science-economy.aspx
[9] Revolution R Open и Revolution R Plus: http://blog.revolutionanalytics.com/2014/10/introducing-revolution-r-open-and-revolution-r-plus.html
[10] 9 вариантов использования BigML: http://blog.bigml.com/2014/10/14/9-ways-to-make-predictions-with-bigml/
[11] Машинное обучение в облаке: http://blogs.technet.com/b/machinelearning/archive/2014/10/14/distributed-cloud-based-machine-learning.aspx
[12] Интерсные наборы данных для проектов Data Science (часть 1): http://101.datascience.community/2014/10/17/data-sources-for-cool-data-science-projects-part-1-guest-post/
[13] Интерсные наборы данных для проектов Data Science (часть 2): http://101.datascience.community/2014/10/17/data-sources-for-cool-data-science-projects-part-2-guest-post/
[14] 5 направлений, в которых вы должны развиваться как специалист по машинному обучению: http://machinelearningmastery.com/5-machine-learning-areas-you-should-be-cultivating/
[15] Введение в Big Data в финансовой сфере (часть 4): http://inside-bigdata.com/2014/10/13/adopting-big-data-finance/
[16] 12 учебных лагерей по теме Data Science: http://101.datascience.community/2014/10/15/data-science-bootcamps/
[17] Латентно-семантический анализ: реализация: http://habrahabr.ru/post/240209/
[18] Как мы кластеризуем подарки в ОК: http://habrahabr.ru/company/odnoklassniki/blog/240213/
[19] Как выявить потери в продажах: http://habrahabr.ru/post/240511/
[20] Процесс машинного обучения (часть 1): http://www.erogol.com/machine-learning-work-flow-part-1/#sthash.UxQuPSPi.sfju
[21] Deep Learning с помощью Caffe и cuDNN: http://devblogs.nvidia.com/parallelforall/deep-learning-computer-vision-caffe-cudnn/
[22] Deep Learning на Amazon EC2 GPU с помощью Python и nolearn: http://www.pyimagesearch.com/2014/10/13/deep-learning-amazon-ec2-gpu-python-nolearn/
[23] Анализ Instagram с помощью R: http://thinktostart.com/analyze-instagram-r/
[24] Реализация метода k ближайщих соседей с нуля: http://machinelearningmastery.com/tutorial-to-implement-k-nearest-neighbors-in-python-from-scratch/
[25] Введение в Python Pandas: http://healthyalgorithms.com/2014/10/17/python-pandas-intros/
[26] Визуализация правила Байеса: http://simplystatistics.org/2014/10/17/bayes-rule-in-a-gif/
[27] Введение в нейронные сети: http://www.analyticsvidhya.com/blog/2014/10/introduction-neural-network-simplified/
[28] Линейная регрессия и операции с матрицами в Excel: http://sharpstatistics.co.uk/stats/regression-matrix-excel/
[29] Новые специализации на Coursera: http://igorsubbotin.blogspot.ru/2014/10/new-specializations-on-coursera.html
[30] Онлайн-курс «Foundations of Data Analysis»: http://igorsubbotin.blogspot.ru/2014/10/mooc-foundations-of-data-analysis-on-edx.html
[31] Обзор книги «Scaling Apache Solr»: http://www.dzone.com/articles/review-scaling-apache-solr
[32] Книга «Data Mining for Managers»: http://www.kdnuggets.com/2014/10/book-data-mining-managers.html
[33] Yoshua Bengio о Deep Learning на конференции KDD 2014: http://igorsubbotin.blogspot.ru/2014/10/yoshua-bengio-deep-learning-kdd-2014.html
[34] Использование библиотеки dplyr для работы с данными в R: http://igorsubbotin.blogspot.ru/2014/10/video-dplyr-for-data-manipulations.html
[35] Интерактивная визуализация с помощью rCharts: http://igorsubbotin.blogspot.ru/2014/10/ramnathvaidyanathan-on-rcharts-user2014.html
[36] Hadoop: что, где и зачем: http://habrahabr.ru/post/240405/
[37] Что нового в RavenDB 3.0: http://igorsubbotin.blogspot.ru/2014/10/what-is-new-in-ravendb-30.html
[38] Использование RethinkDB с облаке Compose: https://blog.compose.io/getting-started-with-compose-and-rethinkdb/
[39] Использование Apache Helix в LinkedId: http://engineering.linkedin.com/apache-helix/apache-helix-framework-distributed-system-development
[40] Моделирование в документо-ориентированных базах данных (часть 1): http://blog.couchbase.com/three-things-know-about-document-database-modelling-part-1
[41] Текущее состояние Hadoop: http://inside-bigdata.com/2014/10/18/current-state-hadoop-inforgraphic/
[42] Ловушки шардирования (часть 1): http://java.dzone.com/articles/sharding-pitfalls-part-i
[43] Сравнение NoSQL и SQL: http://smartdatacollective.com/mike20/276826/nosql-vs-sql-overview
[44] Еженедельный дайджест от DataScienceCentral: http://www.datasciencecentral.com/profiles/blogs/weekly-digest-october-20
[45] Дайджест лучших ресурсов от DataScienceCentral: http://www.datasciencecentral.com/profiles/blogs/external-data-science-resources-and-articles-weekly-selection
[46] Новости Data Mining: http://mydatamine.com/data-mining-news-october-15-2014/
[47] Лучшие материалы за неделю (5 — 11 октября): http://www.kdnuggets.com/2014/10/top-news-week-oct-5.html
[48] Дайджест лучших ресурсов от DataScienceCentral: http://datasciencereport.com/2014/10/12/our-top-5-data-scienceanalytics-jobs-articles-for-this-week-101214/
[49] Наиболее интересные материалы от Freakonometrics №174: http://freakonometrics.hypotheses.org/17362
[50] Наиболее интересные материалы от Freakonometrics №173: http://freakonometrics.hypotheses.org/17310
[51] Наиболее интересные материалы по High Scalability: http://highscalability.com/blog/2014/10/17/stuff-the-internet-says-on-scalability-for-october-17th-2014.html
[52] Лучшие материалы: NoSQL Zone (10 — 16 октября): http://java.dzone.com/articles/best-week-oct-10-nosql-zone
[53] Обзор наиболее интересных материалов по анализу данных и машинному обучению №17 (6 — 12 октября 2014): http://habrahabr.ru/post/240139/
[54] Источник: http://habrahabr.ru/post/240835/
Нажмите здесь для печати.