Обзор наиболее интересных материалов по анализу данных и машинному обучению №35 (9 — 15 февраля 2015)

Обзор наиболее интересных материалов по анализу данных и машинному обучению №35 (9 — 15 февраля 2015) - 1
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

Обзорные онлайн-курсы по математике ^[1]
Как отследить каждый бросок в НБА? ^[2]
Data Scientist в 2015 году ^[3] — занимательная инфографика.
Системы компьютерного зрения Microsoft превосходят результаты человека ^[4] — исследователи из Microsoft не так давно выпустили публикацию, в которой они описывают разработанную систему, которая превосходит результаты человека в области распознавания изображений на популярном наборе данных ImageNet.
Deep learning модули с открытым исходным кодом для библиотеки Torch от Facebook ^[5]
10 вещей полезных при анализе данных, которым нас научила статистика ^[6]
Data Science: использование Python, R и SQL ^[7]
Torch против Theano ^[8] — сравнение производительности двух популярных библиотек для Deep Learning.
Два основных инструмента анализа данных для задач сравнения различных наборов данных ^[9]

Теория и алгоритмы машинного обучения, примеры кода

Чтобы распознавать картинки, не нужно распознавать картинки ^[10]
Как начать развиваться с сфере анализа данных ^[11] — данная статья с блога популярного портала онлайн обучения Udacity может помочь новичкам в своем развитии в области анализа данных.
Введение в анализ данных на Python ^[12]
Обработка данных с помощью R ^[13] — неплохое введение в анализ данных с помощью языка программирования R.
Введение в обучение с учителем (Supervised Learning) ^[14] — слайды с доклада Sebastian Raschka: «An Introduction to Supervised Machine Learning and Pattern Classification: The Big Picture».
Создание веб-сервиса с помощью R и Azure Machine Learning ^[15]
Визуализация работы метода главных компонент ^[16]
Иллюстрация работы метода главных компонент (PCA) ^[17]
Нейронная сеть при помощи NumPy ^[18]
R для распределенных вычислений ^[19] — отчет о недавно прошедшем семинаре, который был посвящен теме использования языка программрования R для распределенных вычислений.
Краткое введение в Weka ^[20]
Deep learning для распознавания речи ^[21] — список публикаций, посвященных использованию Deep learning для расознавания речи.
Серия уроков по машинному обучению и обработке естественного языка. Урок 2: Вероятность ^[22]

Онлайн-курсы, обучающие материалы и литература

Основы статистики: просто о сложных формулах ^[23]
Data Mining Specialization на Coursera ^[24] — 9 февраля Coursera совместно с University of Illinois at Urbana-Champaign запустили новую специализацию под названием «Data Mining Specialization».
Artficial Intelligence от UC Berkley ^[25] — 6 февраля начался на edX очень интересный курс, посвященный теме искусственного интеллекта: CS188: Introduction to Artificial Intelligence. Курс представлен университетом UC Berkley.
Начался онлайн-курс «Introduction to Probability — The Science of Uncertainty» от MIT ^[26] — 3 февраля на edX началась очередная сессия курса, посвященного теории вероятностей, и представленного Massachusetts Institute of Technology: Introduction to Probability — The Science of Uncertainty.
Книга: Learning Spark ^[27]

Видеоматериалы, подкасты

Внутреннее устройство Apache Spark ^[28] — интересное видео по теме Apache Spark, Dean Chen (Software engineer, eBay) рассказывает о внутреннем устройстве Apache Spark.
Что ждет Apache Spark в 2015 году ^[29] — интересное видео с недавнего митапа «What's coming for Spark in 2015», прошедшего в офисе компании Databricks в Сан-Франциско, в котором Patrick Wendell из Databricks рассказал о ближайших планах развития Apache Spark.
Использование Deep Learning для обработки текста ^[30]
Talking Machines: Эпизод 4: Интервью с Hanna Wallach ^[31] — четвертый эпизод серии подкастов «Talking Machines», в данном случае это интервью с Hanna Wallach (Microsoft Research и Professor, Department of Computer Science, University of Massachusetts Amherst), в данном эпизоде затронуты такие темы, как масштабирование, размер наборов данных и другие.
Машинное обучение с использованием F# ^[32] — в очередном выпуске подкаста «The F# Show» Richard Minerich расскажет о своем опыте машинное обучения с использованием функционального языка программирования F#.

Data engineering

Обзоры

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №34 (2 — 8 февраля 2015) ^[40]

Автор: moat

Источник ^[41]

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

Путь до страницы источника: https://www.pvsm.ru/data-mining/82962

Ссылки в тексте:

[1] Обзорные онлайн-курсы по математике: http://habrahabr.ru/company/stepic/blog/249955/

[2] Как отследить каждый бросок в НБА?: http://geektimes.ru/post/245866/?utm_source=tm_habrahabr&utm_medium=tm_block&utm_campaign=tm_promo

[3] Data Scientist в 2015 году: http://igorsubbotin.blogspot.ru/2015/02/being-a-data-scientist-in-2015-infographic.html

[4] Системы компьютерного зрения Microsoft превосходят результаты человека: https://gigaom.com/2015/02/13/microsoft-says-its-new-computer-vision-system-can-outperform-humans/

[5] Deep learning модули с открытым исходным кодом для библиотеки Torch от Facebook: http://www.kdnuggets.com/2015/02/facebook-open-source-deep-learning-torch.html

[6] 10 вещей полезных при анализе данных, которым нас научила статистика: http://www.kdnuggets.com/2015/02/10-things-statistics-big-data-analysis.html

[7] Data Science: использование Python, R и SQL: http://www.datasciencecentral.com/profiles/blogs/programming-for-data-science-the-polyglot-approach-python-r-sql

[8] Torch против Theano: http://fastml.com/torch-vs-theano/

[9] Два основных инструмента анализа данных для задач сравнения различных наборов данных: https://irthoughts.wordpress.com/2015/02/10/two-essential-tools-for-data-miners/

[10] Чтобы распознавать картинки, не нужно распознавать картинки: http://habrahabr.ru/post/249661/

[11] Как начать развиваться с сфере анализа данных: http://blog.udacity.com/2015/02/how-to-start-learning-data-analysis.html

[12] Введение в анализ данных на Python: http://alstatr.blogspot.ru/2015/02/python-getting-started-with-data.html

[13] Обработка данных с помощью R: http://www.infoworld.com/article/2880360/big-data/learn-to-crunch-big-data-with-r.html

[14] Введение в обучение с учителем (Supervised Learning): http://www.slideshare.net/SebastianRaschka/nextgen-talk-022015

[15] Создание веб-сервиса с помощью R и Azure Machine Learning: http://blogs.technet.com/b/machinelearning/archive/2015/02/12/building-web-services-with-r-and-azure-ml.aspx

[16] Визуализация работы метода главных компонент: http://setosa.io/ev/principal-component-analysis/

[17] Иллюстрация работы метода главных компонент (PCA): http://www.joyofdata.de/blog/illustration-of-principal-component-analysis-pca/

[18] Нейронная сеть при помощи NumPy: http://databoys.github.io/Feedforward/

[19] R для распределенных вычислений: http://h30507.www3.hp.com/t5/Innovation-HP-Labs/Enhancing-R-for-Distributed-Computing/ba-p/180010#.VN-ZEi4_xoP

[20] Краткое введение в Weka: http://www.analyticsvidhya.com/learning-paths-data-science-business-analytics-business-intelligence-big-data/weka-gui-learn-machine-learning/

[21] Deep learning для распознавания речи: http://memkite.com/blog/2015/02/11/deep-learning-for-speech-recognition/

[22] Серия уроков по машинному обучению и обработке естественного языка. Урок 2: Вероятность: http://www.thoughtly.co/blog/probability/

[23] Основы статистики: просто о сложных формулах: http://habrahabr.ru/post/250527/

[24] Data Mining Specialization на Coursera: http://igorsubbotin.blogspot.ru/2015/02/data-mining-specialization-on-coursera.html

[25] Artficial Intelligence от UC Berkley: http://igorsubbotin.blogspot.ru/2015/02/artficial-intelligence-uc-berkley-feb6.html

[26] Начался онлайн-курс «Introduction to Probability — The Science of Uncertainty» от MIT: http://igorsubbotin.blogspot.ru/2015/02/introduction-to-probability-science-of.html

[27] Книга: Learning Spark: http://databricks.com/blog/2015/02/09/learning-spark-book-available-from-oreilly.html

[28] Внутреннее устройство Apache Spark: http://igorsubbotin.blogspot.ru/2015/02/diving-spark.html

[29] Что ждет Apache Spark в 2015 году: http://igorsubbotin.blogspot.ru/2015/02/apache-spark-in-2015.html

[30] Использование Deep Learning для обработки текста: http://research.microsoft.com/apps/video/default.aspx?id=226265

[31] Talking Machines: Эпизод 4: Интервью с Hanna Wallach: http://www.thetalkingmachines.com/blog/2015/2/12/using-models-in-the-wild-and-women-in-machine-learning

[32] Машинное обучение с использованием F#: http://fsharpshow.com/2-a-machine-learning-journey-in-fsharp/

[33] Apache Spark продолжает развиваться за пределами экосистемы Hadoop: http://www.datanami.com/2015/02/13/apache-spark-continues-spread-beyond-hadoop/?utm_source=feedly&utm_reader=feedly&utm_medium=rss&utm_campaign=apache-spark-continues-spread-beyond-hadoop

[34] Couchdoop: совместная работа Couchbase и Hadoop: http://blog.cloudera.com/blog/2015/02/couchdoop-couchbase-meets-apache-hadoop/

[35] Новости Data Science от MyDataMine.com (13 февраля): http://mydatamine.com/2015/02/data-science-news-13-feb-2015/

[36] Новости Big Data от MyDataMine.com (10 февраля): http://mydatamine.com/2015/02/big-data-news-10-feb-2015/

[37] Лучшие ресурсы за неделю от Data Elixir (№22): http://dataelixir.com/issues/22

[38] Еженедельный сборник лучших материалов от R1Soft (13 февраля): http://www.r1soft.com/blog/this-week-in-data-february-13-2015

[39] Наиболее интересные материалы по High Scalability (13 февраля): http://highscalability.com/blog/2015/2/13/stuff-the-internet-says-on-scalability-for-february-13th-201.html

[40] Обзор наиболее интересных материалов по анализу данных и машинному обучению №34 (2 — 8 февраля 2015): http://habrahabr.ru/post/250157/

[41] Источник: http://habrahabr.ru/post/250613/

Нажмите здесь для печати.