Обзор наиболее интересных материалов по анализу данных и машинному обучению №25 (1 — 7 декабря 2014)

Обзор наиболее интересных материалов по анализу данных и машинному обучению №25 (1 — 7 декабря 2014) - 1
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

Как узнать больше о ваших пользователях? Применение Data Mining в Рейтинге Mail.Ru ^[1]
Руководство хакера по нейронным сетям. Схемы реальных значений. Стратегия №3: Аналитический градиент ^[2]
Process Mining: знакомство ^[3]
Немцы создали библиотеку пьяных аудиозаписей ^[4]
Исследование причин аномального голосования на сайте РОИ или особенности электронной демократии в России ^[5]
Описание изображений естественным языком ^[6] — интересная статья с Google Research Blog об использовании Deep Learning для описания различных изображений естественным языком.
Хотите зарабатывать деньги в Data Science? Изучайте инструменты для работы с данными ^[7]
10 основных тенденций в бизнес-аналитике на 2015 год ^[8]
Тенденции в больших данных, бизнес-аналитике и Hadoop ^[9]
Кто такой Data Scientist ^[10] — интересные развернутые размышления с портала Data Science Central о том, что же все-таки значит такой модный сейчас термин Data Scientist.
Автоматическое осмысление данных ^[11] — статья с Google Research Blog об интересном проекте The Automatic Statistician.
11 инструментов для машинного обучения с открытым исходным кодом ^[12] — полезный список из 11 инструментов для машинного обучения с открытым исходным кодом.
63 ресурса по теме Data Science ^[13] — очередной список интересных ссылок на различные ресурсы по тематике Data Science от популярного портала Data Science Central.
Netflix: 10 уроков, полученных при построении систем машинного обучения ^[14] — автор блога MachineLearningMastery.com раскрывает основные тезисы из недавней презентации от компании Netflix, на которую я давал ссылку в прошлом обзоре.
9 лучших аналитических платформ ^[15]
Список полезных ресурсов по языку программирования R ^[16]
Интересные ресурсы по Julia ^[17]
Python Tools для Visual Studio теперь работают и в Azure Machine Learning ^[18]

Теория и алгоритмы машинного обучения, примеры кода

Сравнение различных видов перекрестных проверок (Cross-validation) ^[19] — полезная статья от автора книги «Applied Predictive Modeling» об использовании различных видов перекрестных проверок (Cross-validation) в машинном обучении.
Deep Learning для шахмат ^[20] — статья об интересном эксперименте использования алгоритма машинного обучения Deep Learning (GPU при помощи библиотеки Theano) для обучения на основе базы данных шахматных игр.
Обработка CSV данных с помощью Python ^[21]
Машинное обучение без учителя с помощью scikit-learn ^[22]
Введение в R для программистов ^[23]
Введение в анализ текста с использованием Twitter Streaming API и Python ^[24]
Лаборатория машинного обучения SKLL (SciKit-Learn Laboratory) ^[25]
Введение в анализ данных на Python ^[26]
Data Science на практике с использованием Python ^[27]
Пример кода: запись в CSV файл из Apache Spark ^[28]
Пример кода: выбор случайных записей из data.frame с помощью dplyr ^[29]

Онлайн-курсы, обучающие материалы и литература

Анонс двух новых онлайн-курсов по Apache Spark ^[30] — на сайте edX в начале 2015 года будет представлено два новых курса по теме использования Apache Spark.
Портал с различными онлайн-курсами по теме Data Science ^[31] — встретил интересный портал с большим количеством онлайн-курсов по тематике Data Science: IntelliPaat.
Бесплатная книга «Probabilistic Programming & Bayesian Methods for Hackers» ^[32] — интересная бесплатная книга под названием «Probabilistic Programming & Bayesian Methods for Hackers» с примерами на языке программирования Python.
Материалы с летней школы машинного обучения в Париже ^[33]
  20 бесплатных книг по основам искусственного интеллекта ^[34]
  Бесплатная книга «2014 Data Science Salary Survey» ^[35]
  Список рекомендуемой литературы по эконометрике ^[36] — очередной список литературы по эконометрике, которые советует к прочтению профессор Dave Giles.

Видеоматериалы

Масштабировние алгоритмов машинного обучения с помощью Apache Spark ^[37] — в данном посте представлено интересное видео с одной из встреч группы «SF Machine Learning Meetup group» в Сан-Франциско, посвященное теме использования Apache Spark.
Несколько обучающих видео по теме Data Science ^[38] — в данном посте представлен интересный набор из 12 обучающих видеоматериалов по теме Data Science за последние 2 года.
Deep Learning с помощью Python ^[39] — интересное видео по теме Deep Learning от Alec Radford (Head of Research at indico Data Solutions).

Data engineering

Тонкая настройка сборщика мусора JVM для HBase ^[40] — любопытная статья с блога компании Cloudera о возможностях настройки сборщика мусора JVM для улучшение производительности работы HBase.

Обзоры

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №24 (24 — 30 ноября 2014) ^[50]

Автор: moat

Источник ^[51]

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

Путь до страницы источника: https://www.pvsm.ru/data-mining/76532

Ссылки в тексте:

[1] Как узнать больше о ваших пользователях? Применение Data Mining в Рейтинге Mail.Ru: http://habrahabr.ru/company/mailru/blog/244285/

[2] Руководство хакера по нейронным сетям. Схемы реальных значений. Стратегия №3: Аналитический градиент: http://habrahabr.ru/company/paysto/blog/245051/

[3] Process Mining: знакомство: http://habrahabr.ru/post/244879/

[4] Немцы создали библиотеку пьяных аудиозаписей: http://habrahabr.ru/post/245125/

[5] Исследование причин аномального голосования на сайте РОИ или особенности электронной демократии в России: http://habrahabr.ru/post/244753/

[6] Описание изображений естественным языком: http://googleresearch.blogspot.ca/2014/11/a-picture-is-worth-thousand-coherent.html

[7] Хотите зарабатывать деньги в Data Science? Изучайте инструменты для работы с данными: https://gigaom.com/2014/12/04/want-to-make-data-scientist-money-learn-data-science-tools/

[8] 10 основных тенденций в бизнес-аналитике на 2015 год: http://www.kdnuggets.com/2014/12/tableau-top-10-trends-business-intelligence-2015.html

[9] Тенденции в больших данных, бизнес-аналитике и Hadoop: http://www.datasciencecentral.com/profiles/blogs/trends-in-big-data-vs-hadoop-vs-business-intelligence

[10] Кто такой Data Scientist: http://www.datasciencecentral.com/profiles/blogs/data-scientist-owning-up-to-the-title

[11] Автоматическое осмысление данных: http://googleresearch.blogspot.ru/2014/12/automatically-making-sense-of-data.html

[12] 11 инструментов для машинного обучения с открытым исходным кодом: http://www.infoworld.com/article/2853707/machine-learning/11-open-source-tools-machine-learning.html

[13] 63 ресурса по теме Data Science: http://www.datasciencecentral.com/profiles/blogs/new-selection-of-40-machine-learning-big-data-ressources-and

[14] Netflix: 10 уроков, полученных при построении систем машинного обучения: http://machinelearningmastery.com/lessons-learned-building-machine-learning-systems/

[15] 9 лучших аналитических платформ: http://blog.revolutionanalytics.com/2014/12/datamations-top-9-big-data-analytic-platforms.html

[16] Список полезных ресурсов по языку программирования R: http://www.johndcook.com/blog/2014/12/03/r-resources/

[17] Интересные ресурсы по Julia: http://101.datascience.community/2014/12/03/considering-julia-resources/

[18] Python Tools для Visual Studio теперь работают и в Azure Machine Learning: http://blogs.technet.com/b/machinelearning/archive/2014/12/02/python-tools-for-visual-studio-now-integrates-with-azure-machine-learning.aspx

[19] Сравнение различных видов перекрестных проверок (Cross-validation): http://appliedpredictivemodeling.com/blog/2014/11/27/vpuig01pqbklmi72b8lcl3ij5hj2qm

[20] Deep Learning для шахмат: http://erikbern.com/?p=841

[21] Обработка CSV данных с помощью Python: http://districtdatalabs.silvrback.com/simple-csv-data-wrangling-with-python

[22] Машинное обучение без учителя с помощью scikit-learn: http://opensource.datacratic.com/mtlpy50/

[23] Введение в R для программистов: http://www.johndcook.com/blog/r_language_for_programmers/

[24] Введение в анализ текста с использованием Twitter Streaming API и Python: http://adilmoujahid.com/posts/2014/07/twitter-analytics/

[25] Лаборатория машинного обучения SKLL (SciKit-Learn Laboratory): https://github.com/EducationalTestingService/skll

[26] Введение в анализ данных на Python: https://ipython-books.github.io/featured-07/

[27] Data Science на практике с использованием Python: http://radimrehurek.com/data_science_python/

[28] Пример кода: запись в CSV файл из Apache Spark: http://www.markhneedham.com/blog/2014/11/30/spark-write-to-csv-file/

[29] Пример кода: выбор случайных записей из data.frame с помощью dplyr: http://www.markhneedham.com/blog/2014/11/26/r-dplyr-select-random-rows-from-a-data-frame/

[30] Анонс двух новых онлайн-курсов по Apache Spark: http://igorsubbotin.blogspot.ru/2014/12/announcing-two-spark-based-moocs.html

[31] Портал с различными онлайн-курсами по теме Data Science: http://igorsubbotin.blogspot.ru/2014/12/intellipaat-data-science-courses.html

[32] Бесплатная книга «Probabilistic Programming & Bayesian Methods for Hackers»: https://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers/

[33] Материалы с летней школы машинного обучения в Париже: http://www.di.ens.fr/willow/events/cvml2013/materials/index.html

[34] 20 бесплатных книг по основам искусственного интеллекта: http://www.bigdata-madesimple.com/20-free-books-to-get-started-with-artificial-intelligence/

[35] Бесплатная книга «2014 Data Science Salary Survey»: http://datasciencereport.com/2014/12/04/free-2014-data-science-salary-survey-results-more/#.VILXM8kXIXY

[36] Список рекомендуемой литературы по эконометрике: http://davegiles.blogspot.ru/2014/12/heresyour-reading-list.html

[37] Масштабировние алгоритмов машинного обучения с помощью Apache Spark: http://igorsubbotin.blogspot.ru/2014/12/large-scale-machine-learning-with-apache-spark.html

[38] Несколько обучающих видео по теме Data Science: http://igorsubbotin.blogspot.ru/2014/12/a-dozen-informative-videos-on-data-science.html

[39] Deep Learning с помощью Python: http://igorsubbotin.blogspot.ru/2014/12/introduction-to-deep-learning-with-python.html

[40] Тонкая настройка сборщика мусора JVM для HBase: http://blog.cloudera.com/blog/2014/12/tuning-java-garbage-collection-for-hbase/

[41] Интересное из мира R (24-30 ноября 2014): http://r-analytics.blogspot.ru/2014/11/r-24-30-2014.html#.VIMgockXI6L

[42] Еженедельный дайджест от DataScienceCentral (8 декабря): http://www.datasciencecentral.com/profiles/blogs/weekly-digest-december-8

[43] Лучшие материалы за неделю от KDnuggets.com (23 — 29 ноября): http://www.kdnuggets.com/2014/11/top-news-week-nov-23.html

[44] Лучшие материалы за ноябрь от KDnuggets.com: http://www.kdnuggets.com/2014/12/top-news-2014-nov.html

[45] Наиболее интересные материалы от Freakonometrics №190: http://freakonometrics.hypotheses.org/18171

[46] Наиболее интересные материалы от Freakonometrics №189: http://freakonometrics.hypotheses.org/18127

[47] Еженедельный сборник лучших материалов от R1Soft (5 декабря): http://www.r1soft.com/blog/this-week-in-data-december-5-2014

[48] Лучшие материалы: Big Data Zone (28 ноября — 5 декабря): http://java.dzone.com/articles/best-week-nov-28-dec-5-big

[49] Наиболее интересные материалы по High Scalability (5 декабря): http://highscalability.com/blog/2014/12/5/stuff-the-internet-says-on-scalability-for-december-5th-2014.html

[50] Обзор наиболее интересных материалов по анализу данных и машинному обучению №24 (24 — 30 ноября 2014): http://habrahabr.ru/post/244579/

[51] Источник: http://habrahabr.ru/post/245195/

Нажмите здесь для печати.