Обзор наиболее интересных материалов по анализу данных и машинному обучению №29 (29 декабря 2014 — 4 января 2015)

Обзор наиболее интересных материалов по анализу данных и машинному обучению №29 (29 декабря 2014 — 4 января 2015) - 1
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

Анализ Вконтакте на примере книжных предпочтений участников культурных сообществ ^[1]
Список ресурсов по Deep Learning ^[2] — хороший список ссылок на различные полезные ресурсы по теме Deep Learning.
Защита вашего онлайн-сервиса с помщью машинного обучения и больших данных ^[3]
Talking Machines ^[4] — интересный сайт под названием «Talking Machines», на котором регулярно будут публиковаться интервью с известными экспертами в области машинного обучения.
7 лучших постов с блога «Beautiful Data» за 2014 год ^[5]
Прогнозы на рынок труда в области Big Data в 2015 году ^[6]
5 тенденций Big Data, на которые стоит обратить внимание в 2015 году ^[7]
Прогнозы на 2015 в сфере Big Data от Big Data Analytics News ^[8]
10 лучших статей за год с блога «Microsoft Technet Machine Learning» ^[9]
Лучшие материалы за год: NoSQL Zone ^[10]

Теория и алгоритмы машинного обучения, примеры кода

Руководство хакера по нейронным сетям. Глава 2: Машинное обучение. Обобщаем SVM до нейронной сети ^[11]
Руководство хакера по нейронным сетям. Глава 2: Машинное обучение. Более традиционный подход: Функции потерь ^[12]
Играем с генетическими алгоритмами ^[13]
Анализ тональности текста в Excel с помощью Azure Machine Learning и Power Query ^[14]
Ask a Data Scientist: Как стать Data Scientist ^[15] — очередная статья с популярного портала insideBIGDATA из цикла «Ask a Data Scientist», в данном выпуске речь о том, как стать Data Scientist и какую деятельность подразумевает у профессия с таким названием.
Краткое введение в Deep Learning ^[16]
Краткое введение в R ^[17] — небольшая презентация по основам языка программирования R.
Построение детектора языка с помощью Python и scikit-learn ^[18]
Шпаргалка по матричным операциям ^[19] — хорошая шпаргалка по операциям с матрицами в MATLAB, Python, R и Julia.
11 видов переобучения (Overfitting) и советы по тому как их избегать ^[20]
Классификация методом логистической регрессии и оптимизации методом роя частиц ^[21] — статья из свежего выпуска MSDN Magazine — интересный пример классификации методом логистической регрессии с использованием оптимизации одного из подвида метода роя частиц, а именно Multi-Swarm Optimization (MSO). Примеры кода представлены на языке программирования C#.
Стохастический градиентный бустинг: выбор оптимального количества итераций ^[22]
Визуализация данных с помощью GAE Python, D3.js и Google BigQuery (часть 4) ^[23]
LambdaNet: библиотека AI на Haskell ^[24]
Работа с Pivot Table в Pandas ^[25]
Основы работы с изображениями в Python ^[26]

Соревнования по машинному обучению

Вариант решения для соревнования по прогнозированию временных рядов ^[27] — автор блога Wiekvoet в данном посте описывает один из вариантов решения для соревнования по машинному обучению, посвященного анализу временных рядов от Rob J Hyndman.
Интервью с победителями соревнования CIFAR-10 ^[28] — еще одно интервью с участниками недавно завершившегося соревнования по машинному обучению CIFAR-10 на Kaggle, которое было посвящено вопросам распознавания изображений, в данном случае это интервью с победителями данного соревнования.

Онлайн-курсы, обучающие материалы и литература

Список литературы по машинному обучению от Michael I. Jordan (Berkley) ^[29]
Обзор книги «Applied Predictive Analytics» ^[30]
Список рекомендуемой литературы по эконометрике ^[31] — очередной список литературы по эконометрике, которые советует к прочтению профессор Dave Giles.

Видеоматериалы

Демистификация нейронных сетей ^[32] — cерия коротких обучающих видео по теме нейронных сетей.
Несколько интересных видео по теме Deep Learning ^[33] — в данном посте представлена небольшая подборка из нескольких интересных видеоматериалов по теме Deep Learning.

Data engineering

Обзоры

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №28 (22 — 28 декабря 2014) ^[46]

Автор: moat

Источник ^[47]

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

Путь до страницы источника: https://www.pvsm.ru/data-mining/78680

Ссылки в тексте:

[1] Анализ Вконтакте на примере книжных предпочтений участников культурных сообществ: http://habrahabr.ru/post/246941/

[2] Список ресурсов по Deep Learning: http://igorsubbotin.blogspot.ru/2015/01/deep-learning-resources.html

[3] Защита вашего онлайн-сервиса с помщью машинного обучения и больших данных: http://msdn.microsoft.com/ru-ru/magazine/dn890371%28en-us%29.aspx

[4] Talking Machines: http://www.thetalkingmachines.com/

[5] 7 лучших постов с блога «Beautiful Data» за 2014 год: http://beautifuldata.net/2015/01/the-top-7-beautiful-data-blog-posts-in-2014/

[6] Прогнозы на рынок труда в области Big Data в 2015 году: http://www.forbes.com/sites/louiscolumbus/2014/12/29/where-big-data-jobs-will-be-in-2015/

[7] 5 тенденций Big Data, на которые стоит обратить внимание в 2015 году: http://venturebeat.com/2014/12/30/5-trends-to-watch-for-in-big-data-in-2015/

[8] Прогнозы на 2015 в сфере Big Data от Big Data Analytics News: http://bigdataanalyticsnews.com/big-data-predictions-for-2015/

[9] 10 лучших статей за год с блога «Microsoft Technet Machine Learning»: http://blogs.technet.com/b/machinelearning/archive/2014/12/30/readers-choice-our-10-most-popular-ml-blog-posts-of-2014.aspx

[10] Лучшие материалы за год: NoSQL Zone: http://java.dzone.com/articles/dzone-best-year-nosql-zone

[11] Руководство хакера по нейронным сетям. Глава 2: Машинное обучение. Обобщаем SVM до нейронной сети: http://habrahabr.ru/company/paysto/blog/246973/

[12] Руководство хакера по нейронным сетям. Глава 2: Машинное обучение. Более традиционный подход: Функции потерь: http://habrahabr.ru/company/paysto/blog/247033/

[13] Играем с генетическими алгоритмами: http://habrahabr.ru/post/246951/

[14] Анализ тональности текста в Excel с помощью Azure Machine Learning и Power Query: http://habrahabr.ru/post/247299/

[15] Ask a Data Scientist: Как стать Data Scientist: http://insidebigdata.com/2014/12/31/ask-data-scientist-becoming-data-scientist/

[16] Краткое введение в Deep Learning: http://nikhilbuduma.com/2014/12/29/deep-learning-in-a-nutshell/

[17] Краткое введение в R: http://www.theresearchkitchen.com/archives/1017

[18] Построение детектора языка с помощью Python и scikit-learn: http://bugra.github.io/work/notes/2014-12-26/language-detector-via-scikit-learn/

[19] Шпаргалка по матричным операциям: http://sebastianraschka.com/Articles/2014_matrix_cheatsheet.html

[20] 11 видов переобучения (Overfitting) и советы по тому как их избегать: http://www.kdnuggets.com/2015/01/clever-methods-overfitting-avoid.html

[21] Классификация методом логистической регрессии и оптимизации методом роя частиц: http://msdn.microsoft.com/ru-ru/magazine/dn890377%28en-us%29.aspx

[22] Стохастический градиентный бустинг: выбор оптимального количества итераций: http://yanirseroussi.com/2014/12/29/stochastic-gradient-boosting-choosing-the-best-number-of-iterations/

[23] Визуализация данных с помощью GAE Python, D3.js и Google BigQuery (часть 4): http://code.tutsplus.com/tutorials/data-visualization-app-using-gae-python-d3js-and-google-bigquery-part-4--cms-22631

[24] LambdaNet: библиотека AI на Haskell: https://github.com/jbarrow/LambdaNet

[25] Работа с Pivot Table в Pandas: http://pbpython.com/pandas-pivot-table-explained.html

[26] Основы работы с изображениями в Python: http://www.analyticsvidhya.com/blog/2014/12/image-processing-python-basics/

[27] Вариант решения для соревнования по прогнозированию временных рядов: http://wiekvoet.blogspot.ru/2014/12/a-time-series-contest-attempt.html

[28] Интервью с победителями соревнования CIFAR-10: http://blog.kaggle.com/2015/01/02/cifar-10-competition-winners-interviews-with-dr-ben-graham-phil-culliton-zygmunt-zajac/

[29] Список литературы по машинному обучению от Michael I. Jordan (Berkley): https://honglangwang.wordpress.com/2014/12/30/machine-learning-books-suggested-by-michael-i-jordan-from-berkeley/

[30] Обзор книги «Applied Predictive Analytics»: http://smartdatacollective.com/sandrosaitta/289711/data-mining-book-review-applied-predictive-analytics

[31] Список рекомендуемой литературы по эконометрике: http://davegiles.blogspot.ru/2015/01/new-year-reading-list.html

[32] Демистификация нейронных сетей: http://igorsubbotin.blogspot.ru/2015/01/neural-networks-demystified-part1.html

[33] Несколько интересных видео по теме Deep Learning: http://igorsubbotin.blogspot.ru/2015/01/deep-learning-videos.html

[34] Тенденции NoSQL в 2015 году от DataVersity: http://www.dataversity.net/2015-trends-nosql-aspects-integration/

[35] 10 лучших статей за год по теме Hadoop с блога Hortonworks: http://hortonworks.com/blog/top-ten-popular-blogs-2014/

[36] Еженедельный дайджест от DataScienceCentral (5 января): http://www.datasciencecentral.com/profiles/blogs/weekly-digest-january-5

[37] Лучшие материалы за неделю от KDnuggets.com (21 — 27 декабря): http://www.kdnuggets.com/2014/12/top-news-week-dec-21.html

[38] Еженедельный сборник лучших материалов от R1Soft (2 января): http://www.r1soft.com/blog/this-week-in-data-january-2-2014

[39] Лучшие ресурсы за неделю от Data Elixir (№16): http://dataelixir.com/issues/16

[40] Новости Data Mining от MyDataMine.com (30 декабря): http://mydatamine.com/2014/12/data-science-news-30-dec-2014/

[41] Новости Big Data от MyDataMine.com (1 января): http://mydatamine.com/2015/01/big-data-news-1-jan-2015/

[42] Наиболее интересные материалы от Freakonometrics №198: http://freakonometrics.hypotheses.org/18534

[43] Наиболее интересные материалы от Freakonometrics №199: http://freakonometrics.hypotheses.org/18561

[44] Наиболее интересные материалы от Freakonometrics №200: http://freakonometrics.hypotheses.org/18459

[45] Наиболее интересные материалы по High Scalability (2 января): http://highscalability.com/blog/2015/1/2/stuff-the-internet-says-on-scalability-for-january-2nd-2015.html

[46] Обзор наиболее интересных материалов по анализу данных и машинному обучению №28 (22 — 28 декабря 2014): http://habrahabr.ru/post/246939/

[47] Источник: http://habrahabr.ru/post/247321/

Нажмите здесь для печати.