- PVSM.RU - https://www.pvsm.ru -
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.
Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №20 (27 октября — 2 ноября 2014) [45]
Автор: moat
Источник [46]
Сайт-источник PVSM.RU: https://www.pvsm.ru
Путь до страницы источника: https://www.pvsm.ru/data-mining/73929
Ссылки в тексте:
[1] Машинное обучение как сервис — бесплатно и в облаке: http://habrahabr.ru/company/microsoft/blog/242561/
[2] Microsoft Azure ❤ Big Data: http://habrahabr.ru/post/242403/
[3] Как мы делали аналитику для высоконагруженного сайта: http://habrahabr.ru/post/242369/
[4] DeepMind создаёт компьютер, повторяющий человеческую кратковременную память: http://geektimes.ru/post/241124/
[5] 3 вопроса, на которые необходимо ответить при выборе программы Data Science: http://www.mastersindatascience.org/blog/questions-before-choosing-data-science-program/
[6] 22 совета по теме Data Science: http://www.datasciencecentral.com/profiles/blogs/22-tips-for-better-data-science
[7] Гибкость модели данных: http://cloudvane.com/2014/11/05/big-data-101-data-agility/
[8] Открытые проблемы по теме работы с данными в Facebook: https://research.facebook.com/blog/1522692927972019/facebook-s-top-open-data-problems/
[9] 10 рекомендаций при реализации принципов Big Data: http://bigdataanalyticsnews.com/top-10-big-data-implementation-best-practices/
[10] Запуск R в облаке Azure ML: http://blog.revolutionanalytics.com/2014/11/r-on-azure-ml.html
[11] Как взять под контроль огромный список алгоритмов машинного обучения: http://machinelearningmastery.com/create-lists-of-machine-learning-algorithms/
[12] Hello World машинного обучения: http://machinelearningmastery.com/hello-world-of-applied-machine-learning/
[13] Кластеризация и модель распределенных вычислений: http://grigory.us/blog/mapreduce-clustering/
[14] Обнаружение выбросов — использование машинного обучения для обнаружения аномалий при анализе временных рядов: http://blogs.technet.com/b/machinelearning/archive/2014/11/05/anomaly-detection-using-machine-learning-to-detect-abnormalities-in-time-series-data.aspx
[15] Анализ покрытия кода R юнит тестами: http://www.r-statistics.com/2014/11/analyzing-coverage-of-r-unit-tests-in-packages-the-testcoverage-package/
[16] Анализ тональности текста твитов с помощью ALYIEN Text Analysis API: http://blog.aylien.com/post/101940755203/sentiment-analysis-of-tweets-with-aylien-text-analysis
[17] Введение в нейронные сети: http://www.rzagabe.com/artificial-neural-network-introduction/
[18] Интуиция регуляризованной логистической регрессии: http://kldavenport.com/regularized-logistic-regression-intuition/
[19] Введение в метод главных компонент: http://www.lauradhamilton.com/introduction-to-principal-component-analysis-pca
[20] О важной роли базового результата: http://machinelearningmastery.com/how-to-get-baseline-results-and-why-they-matter/
[21] Первое место: The Hunt for Prohibited Content: http://blog.kaggle.com/2014/11/03/1st-place-the-hunt-for-prohibited-content/
[22] Второе место: The Hunt for Prohibited Content: http://blog.kaggle.com/2014/11/03/2nd-place-the-hunt-for-prohibited-content/
[23] Сайт «Mining of Massive Datasets»: http://mmds.org/
[24] Hadley Wickham: введение в dplyr (часть 1): http://igorsubbotin.blogspot.ru/2014/11/hadley-wickhams-dplyr-tutorial-1.html
[25] Hadley Wickham: введение в dplyr (часть 2): http://igorsubbotin.blogspot.ru/2014/11/hadley-wickhams-dplyr-tutorial-2.html
[26] HighLoad++ 2014: Устройство современного распределенного Object Storage на примере LeoFS (Александр Чистяков, Git in Sky) : http://igorsubbotin.blogspot.ru/2014/11/leofs-from-alexander-chistyakov-at-highload2014.html
[27] HighLoad++ 2014: Sharding: patterns and antipatterns (Константин Осипов, Алексей Рыбак): http://igorsubbotin.blogspot.ru/2014/11/sharding-patterns-and-antipatterns-at-highload2014.html
[28] Использование Apache Spark и Neo4j для анализа больших графов: http://www.kennybastani.com/2014/11/using-apache-spark-and-neo4j-for-big.html
[29] Netflix Dynomite — как сделать нераспределенные базы данных распределенными: http://techblog.netflix.com/2014/11/introducing-dynomite.html
[30] Flafka: Apache Flume и Apache Kafka для обработки событий: http://blog.cloudera.com/blog/2014/11/flafka-apache-flume-meets-apache-kafka-for-event-processing/
[31] NoSQL в мире Hadoop: http://blog.cloudera.com/blog/2014/11/nosql-in-a-hadoop-world-2/
[32] Работа с сессиями со скоростью близкой к режиму реального времени с помощью Spark Streaming и Apache Hadoop: http://blog.cloudera.com/blog/2014/11/how-to-do-near-real-time-sessionization-with-spark-streaming-and-apache-hadoop/
[33] Три совета по моделированию данных в документо-ориентированных БД (часть 1): http://java.dzone.com/articles/three-things-know-about
[34] 10 советов по моделированию данных в мире реляционных и NoSQL хранилищ: http://www.dataversity.net/10-tips-data-modeling-hybrid-nosqlrelational-world/
[35] Введение в Hadoop MapReduce: http://blog.eviac.net/2014/11/getting-started-with-hadoop-mapreduce.html
[36] Лучшие ресурсы за неделю от Data Elixir: http://dataelixir.com/issues/9
[37] Еженедельный дайджест от DataScienceCentral: http://www.datasciencecentral.com/profiles/blogs/weekly-digest-november-10
[38] Дайджест лучших ресурсов от DataScienceCentral: http://www.datasciencecentral.com/profiles/blogs/new-batch-of-articles
[39] 10 лучших материалов недели: http://datasciencereport.com/2014/11/03/data-science-report-top-articles-videos-jobs-in-data-science-big-data-analytics/
[40] Лучшие материалы за неделю (26 октября — 1 ноября): http://www.kdnuggets.com/2014/11/top-news-week-oct-26.html
[41] Новости Data Mining: http://mydatamine.com/data-mining-news-november-5-2014/
[42] Наиболее интересные материалы от Freakonometrics №181: http://freakonometrics.hypotheses.org/17814
[43] Наиболее интересные материалы от Freakonometrics №180: http://freakonometrics.hypotheses.org/17716
[44] Наиболее интересные материалы по High Scalability: http://highscalability.com/blog/2014/11/7/stuff-the-internet-says-on-scalability-for-november-7th-2014.html
[45] Обзор наиболее интересных материалов по анализу данных и машинному обучению №20 (27 октября — 2 ноября 2014): http://habrahabr.ru/post/242237/
[46] Источник: http://habrahabr.ru/post/242687/
Нажмите здесь для печати.