Обзор наиболее интересных материалов по анализу данных и машинному обучению №30 (5 — 11 января 2015)

Обзор наиболее интересных материалов по анализу данных и машинному обучению №30 (5 — 11 января 2015) - 1
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

Шпаргалки по Data Science ^[1] — неплохой список различных шпаргалок по теме Data Science.
Перспективы Data Science ^[2] — интересная сессия вопросов и ответов с блога Microsoft Technet SQL Server с двумя Data Scientist из компании Microsoft.
Как выбрать проект для вашего Data Science портфолио ^[3]
Не беспокойтесь, Python не заменяет R ^[4]
Основные тенденции на рынке труда в области Big Data, на которые стоит обратить внимание в 2015 году ^[5]
24 полезных ресурса по теме Data Science ^[6] — хороший список ресурсов, который поможет держать руку на пульсе последних событий в области Data Science.
9 навыков, которые будут необходимы в 2015 году для работы в области Big Data ^[7]
9 советов, которые помогут сделать Data Mining эффективнее ^[8]

Теория и алгоритмы машинного обучения, примеры кода

Тривиум теории измерений ^[9]
Анализ данных с датчиков смартфона с помощью R и библиотеки BreakoutDetection ^[10]
Новая версия библиотеки Caret ^[11] — новая версия популярной библиотеки Caret для машинного обучения для языка программирования R появилась в CRAN. В данном коротком посте описаны основные нововведения данной версии.
Библиотеки Python для анализа данных ^[12]
Что такое scikit-learn? ^[13] — краткое описание популярной библиотеки машинного обучения scikit-learn для языка программирования Python от автора блога Analytics Vidhya.
Машинное обучение с носимыми устройствами с использованием scikit-learn и Python ^[14]
Определение аномалий во временных рядах ^[15] — статья с блога компании Twitter об интересной новой библиотеке для языка программирования R с открытым исходным кодом AnomalyDetection для определения аномалий во временных рядах.
Использования библиотеки AnomalyDetection на Wikipedia Page View Data ^[16] — продолжение темы использования библиотеки AnomalyDetection от Twitter.
Как работает линейная регрессия? ^[17] — простым языком о линейной регрессии.
Наглядно о нейронных сетях ^[18] — небольшая статья с иллюстрированным описанием работы нейронных сетей.
Случайное разделение данных на тестовый и тренировочный наборы: этого может быть недостаточно ^[19]
Обработка изображений и выбор признаков (Feature selection) с помощью Python ^[20]
Пример визуализации фильтра Калмана при помощи R ^[21]

Соревнования по машинному обучению

Онлайн-курсы, обучающие материалы и литература

Начало нового онлайн-курса «Artificial Intelligence Planning» ^[26] — в начале следующей недели на Coursera начнется курс «Artificial Intelligence Planning», представленный The University of Edinburgh.
Онлайн-курс «Image and video processing» на Coursera ^[27] — 5 января на Coursera началась новая сессия популярного онлайн-курса «Image and video processing: From Mars to Hollywood with a stop at the hospital» от Duke University.
Начался курс «Computational Methods for Data Analysis» ^[28] — очередная сессия достаточно популярного курса «Computational Methods for Data Analysis» от University of Washinton началась несколько дней назад на Coursera.
Онлайн-курс «Data Analysis and Visualization Using R» ^[29]
Книга: «Introduction to Probability, Statistics, and Random Processes» ^[30]
Книга: «Data Driven: Creating a Data Culture» ^[31]

Видеоматериалы

Лучшие выступления «Strata + Hadoop World» ^[32] — в данном посте представлен список лучших выступлений с конференций Strata + Hadoop World.

Data engineering

Обзоры

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №29 (29 декабря 2014 — 4 января 2015) ^[49]

Автор: moat

Источник ^[50]

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

Путь до страницы источника: https://www.pvsm.ru/data-mining/79199

Ссылки в тексте:

[1] Шпаргалки по Data Science: http://igorsubbotin.blogspot.ru/2015/01/data-science-cheat-sheets.html

[2] Перспективы Data Science: http://blogs.technet.com/b/dataplatforminsider/archive/2014/12/22/data-science-perspectives-q-amp-a-with-microsoft-data-scientists-val-fontama-and-wee-hyong-tok.aspx

[3] Как выбрать проект для вашего Data Science портфолио: http://www.getadatasciencejob.com/advice/how-to-choose-a-data-science-project-for-your-data-science-portfolio

[4] Не беспокойтесь, Python не заменяет R: http://www.firstclassanalytics.com/big-data/dont-worry-python-isnt-displacing-r

[5] Основные тенденции на рынке труда в области Big Data, на которые стоит обратить внимание в 2015 году: https://datafloq.com/read/big-data-job-growth-trends-watch-2015/673

[6] 24 полезных ресурса по теме Data Science: http://blog.udacity.com/2014/12/24-data-science-resources-keep-finger-pulse.html

[7] 9 навыков, которые будут необходимы в 2015 году для работы в области Big Data: http://www.datanami.com/2015/01/07/9-must-skills-land-top-big-data-jobs-2015/?utm_source=feedly&utm_reader=feedly&utm_medium=rss&utm_campaign=9-must-skills-land-top-big-data-jobs-2015

[8] 9 советов, которые помогут сделать Data Mining эффективнее: http://www.datasciencecentral.com/profiles/blogs/9-tips-for-effective-data-mining

[9] Тривиум теории измерений: http://habrahabr.ru/post/246983/

[10] Анализ данных с датчиков смартфона с помощью R и библиотеки BreakoutDetection: http://beautifuldata.net/2015/01/how-to-analyze-smartphone-sensor-data-with-r-and-the-breakoutdetection-package/

[11] Новая версия библиотеки Caret: http://appliedpredictivemodeling.com/blog/2014/11/28/caret-update

[12] Библиотеки Python для анализа данных: http://dataconomy.com/python-packages-for-data-mining/

[13] Что такое scikit-learn?: http://www.analyticsvidhya.com/blog/2015/01/scikit-learn-python-machine-learning-tool/

[14] Машинное обучение с носимыми устройствами с использованием scikit-learn и Python: http://efavdb.com/machine-learning-with-wearable-sensors/

[15] Определение аномалий во временных рядах: https://blog.twitter.com/2015/introducing-practical-and-robust-anomaly-detection-in-a-time-series

[16] Использования библиотеки AnomalyDetection на Wikipedia Page View Data: http://beautifuldata.net/2015/01/anomaly-detection-with-wikipedia-page-view-data/

[17] Как работает линейная регрессия?: http://www.applyingdata.com/understanding-linear-regression/

[18] Наглядно о нейронных сетях: http://techeffigytutorials.blogspot.ru/2015/01/neural-network-illustrated-step-by-step.html

[19] Случайное разделение данных на тестовый и тренировочный наборы: этого может быть недостаточно: http://www.win-vector.com/blog/2015/01/random-testtrain-split-is-not-always-enough/

[20] Обработка изображений и выбор признаков (Feature selection) с помощью Python: http://www.analyticsvidhya.com/blog/2015/01/basics-image-processing-feature-extraction-python/

[21] Пример визуализации фильтра Калмана при помощи R: http://www.magesblog.com/2015/01/kalman-filter-example-visualised-with-r.html

[22] BudgetApps — Первый Всероссийский конкурс по открытым финансовым данным: http://habrahabr.ru/company/infoculture/blog/247117/

[23] Метрики в соренованиях по машинному обучению: ROC и AUC: http://shapeofdata.wordpress.com/2015/01/05/precision-recall-aucs-and-rocs/

[24] Отчет победителя соревнования "«Getting a Handel on Data Science» на Kaggle InClass: http://blog.kaggle.com/2015/01/05/kaggle-inclass-stanfords-getting-a-handel-on-data-science-winners-report/

[25] AI соревнование по Angry Birds: http://www.aibirds.org/

[26] Начало нового онлайн-курса «Artificial Intelligence Planning»: http://igorsubbotin.blogspot.ru/2015/01/artificial-intelligence-planning-on-coursera.html

[27] Онлайн-курс «Image and video processing» на Coursera: http://igorsubbotin.blogspot.ru/2015/01/image-and-video-processing-coursera-duke-5-jan-15.html

[28] Начался курс «Computational Methods for Data Analysis»: http://igorsubbotin.blogspot.ru/2015/01/computational-methods-for-data-analysis-5-jan-15.html

[29] Онлайн-курс «Data Analysis and Visualization Using R»: http://varianceexplained.org/RData/

[30] Книга: «Introduction to Probability, Statistics, and Random Processes»: http://www.probabilitycourse.com/

[31] Книга: «Data Driven: Creating a Data Culture»: http://radar.oreilly.com/2015/01/becoming-data-driven.html

[32] Лучшие выступления «Strata + Hadoop World»: http://igorsubbotin.blogspot.ru/2015/01/best-of-strata-hadoop-world.html

[33] Новая новая вещь (The new new thing): http://habrahabr.ru/post/246997/

[34] Big Data на вашем компьютере: Как установить Hadoop 2.6.0: http://zaleslaw.blogspot.ru/2015/01/big-data-on-your-local-machine-how-to-install-hadoop.html

[35] Spark SQL Data Sources API: Унифицированный доступ к данным на платформе Apache Spark: http://databricks.com/blog/2015/01/09/spark-sql-data-sources-api-unified-data-access-for-the-spark-platform.html

[36] Бесплатная электронная книга: «Field Guide To Hadoop»: https://ctovision.com/2015/01/new-oreilly-ebook-field-guide-hadoop/

[37] Apache Samza: обработка потоковой информации от LinkedIn: http://engineering.linkedin.com/samza/apache-samza-linkedin%E2%80%99s-stream-processing-engine

[38] Интересное из мира R (5-11 января 2015 г.): http://r-analytics.blogspot.ru/2015/01/r-5-11-2015.html#.VLJyuXs_xoN

[39] Еженедельный дайджест от DataScienceCentral (12 января): http://www.datasciencecentral.com/profiles/blogs/weekly-digest-january-12

[40] Лучшие материалы за неделю от KDnuggets.com (28 декабря — 3 января): http://www.kdnuggets.com/2015/01/top-news-week-dec-28.html

[41] Дайджест лучших ресурсов от DataScienceCentral 6 января): http://www.datasciencecentral.com/profiles/blogs/77-new-external-resources-and-articles-about-data-science-big

[42] Новости Data Science от MyDataMine.com (8 января): http://mydatamine.com/2015/01/data-science-news-8-jan-2015/

[43] Новости Big Data от MyDataMine.com (9 января): http://mydatamine.com/2015/01/big-data-news-9-jan-2015/

[44] Еженедельный сборник лучших материалов от R1Soft (9 января): http://www.r1soft.com/blog/this-week-in-data-january-9-2014

[45] Лучшие ресурсы за неделю от Data Elixir (№17): http://dataelixir.com/issues/17

[46] Наиболее интересные материалы от Freakonometrics №201: http://freakonometrics.hypotheses.org/18695

[47] Наиболее интересные материалы от Freakonometrics №202: http://freakonometrics.hypotheses.org/18752

[48] Наиболее интересные материалы по High Scalability (9 января): http://highscalability.com/blog/2015/1/9/stuff-the-internet-says-on-scalability-for-january-9th-2015.html

[49] Обзор наиболее интересных материалов по анализу данных и машинному обучению №29 (29 декабря 2014 — 4 января 2015): http://habrahabr.ru/post/247321/

[50] Источник: http://habrahabr.ru/post/247587/

Нажмите здесь для печати.