Обзор наиболее интересных материалов по анализу данных и машинному обучению №38 (2 — 8 марта 2015)

Обзор наиболее интересных материалов по анализу данных и машинному обучению №38 (2 — 8 марта 2015) - 1
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

Как говорить на языке «Data Science» ^[1]
Бонд. Джеймс Бонд. Роботизированная подделка почерка для маркетологов и социальных инженеров ^[2]
Седьмая ежегодная Летняя школа Microsoft Research по машинному обучению и интеллекту — сотрудничество с ACM Europe ^[3]
Google хочет измерять важность сайтов по фактам, а не ссылкам ^[4]
Wargaming и «Яндекс» сотрудничают в области Big Data ^[5]
Кто собирается заработать на грядущем буме систем искусственного интеллекта? ^[6]
EBay выпустила инструмент с открытым программным кодом Pulsar для укрощения больших данных ^[7]
Лицензирование доступа к Big Data как средство монетизации Twitter ^[8]
Почему Apache Spark меняет Кремниевую долину ^[9]
Как стать специалистом в области машинного обучения ^[10] — несколько полезных советов новичкам в области машинного обучения от автора блога MachineLearningMastery, которые помогут тем кто хочет построить карьеру в данной области, но не знает с чего начать.
8 причин популярности Apache Spark ^[11]
Три технологии, которые изменят интернет ^[12] — несколько слов о популряных сейчас технологиях, основанных на использовании машинного обучения: распознавание речи, поиск изображений и анализ видео.
Как PayPal использует Deep Learning для борьбы с мошенничеством ^[13]
IBM приобретает Deep Learning стартап AlchemyAPI ^[14]
Три ключевых шага для построения предсказательных приложений на основе машинного обучения ^[15]
Библиотека spragunr: Реализация алгоритма Deep Q-learning на базе библиотеки Theano ^[16]

Теория и алгоритмы машинного обучения, примеры кода

Поиск текстов, не соответствующих тематике и нахождение похожих статей ^[17]
Social Network Analysis: Spark GraphX ^[18]
Создание карты музыкальных композиций ^[19] — интересный пример визуальной классификации музыкальных композиций с помощью машинного обучения и использования языка программирования Python.
Факторный анализ ^[20]
R: Построение графиков с помощью встроенной функциональности визуализации ^[21] — при упоминании темы визуализации с помощью языка программирования R часто говорят о библиотеке ggplot, но не стоит забывать о встроенных возможностях визуализации Base R Plots.
Ловушки машинного обучения. Измерение эффективности модели (Часть 1) ^[22] — обсуждение безусловно важной темы измерения эффективности работы вашей предсказательной модели.
Тренировка модели методом градиентного спуска с использованием C# ^[23]
Обработка естественного языка с помощью глубинных нейронных сетей и библиотеки Torch ^[24]
Интерактивные визуализации с помощью D3.js, DC.js, Python и MongoDB ^[25]
Пример расчета PageRank с помощью Apache Hadoop ^[26]

Онлайн-курсы, обучающие материалы и литература

Видеоматериалы, подкасты

Data engineering

Обзоры

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №37 (23 февраля — 1 марта 2015) ^[49]

Автор: moat

Источник ^[50]

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

Путь до страницы источника: https://www.pvsm.ru/data-mining/85310

Ссылки в тексте:

[1] Как говорить на языке «Data Science»: http://r-analytics.blogspot.ru/2015/03/data-science.html#.VPyW5eE_xoN

[2] Бонд. Джеймс Бонд. Роботизированная подделка почерка для маркетологов и социальных инженеров: http://habrahabr.ru/post/251815/

[3] Седьмая ежегодная Летняя школа Microsoft Research по машинному обучению и интеллекту — сотрудничество с ACM Europe: http://habrahabr.ru/company/microsoft/blog/252213/

[4] Google хочет измерять важность сайтов по фактам, а не ссылкам: http://geektimes.ru/post/246596/

[5] Wargaming и «Яндекс» сотрудничают в области Big Data: http://megamozg.ru/post/10974/

[6] Кто собирается заработать на грядущем буме систем искусственного интеллекта?: http://megamozg.ru/post/10770/

[7] EBay выпустила инструмент с открытым программным кодом Pulsar для укрощения больших данных: http://megamozg.ru/post/11016/

[8] Лицензирование доступа к Big Data как средство монетизации Twitter: http://megamozg.ru/post/10982/

[9] Почему Apache Spark меняет Кремниевую долину: http://radius.com/2015/02/05/spark-technology-thats-changing-silicon-valley/

[10] Как стать специалистом в области машинного обучения: http://machinelearningmastery.com/ladder-approach-to-becoming-a-machine-learning-consultant/

[11] 8 причин популярности Apache Spark: http://insidebigdata.com/2015/03/06/8-reasons-apache-spark-hot/

[12] Три технологии, которые изменят интернет: http://www.cheatsheet.com/technology/3-important-technologies-that-will-change-the-internet.html/?a=viewall

[13] Как PayPal использует Deep Learning для борьбы с мошенничеством: https://gigaom.com/2015/03/06/how-paypal-uses-deep-learning-and-detective-work-to-fight-fraud/

[14] IBM приобретает Deep Learning стартап AlchemyAPI: https://gigaom.com/2015/03/04/ibm-acquires-deep-learning-startup-alchemyapi/

[15] Три ключевых шага для построения предсказательных приложений на основе машинного обучения: http://www.datanami.com/2015/03/03/the-3-key-steps-to-building-a-predictive-app-with-machine-learning/?utm_source=feedly&utm_reader=feedly&utm_medium=rss&utm_campaign=the-3-key-steps-to-building-a-predictive-app-with-machine-learning

[16] Библиотека spragunr: Реализация алгоритма Deep Q-learning на базе библиотеки Theano: https://github.com/spragunr/deep_q_rl

[17] Поиск текстов, не соответствующих тематике и нахождение похожих статей: http://habrahabr.ru/post/252265/

[18] Social Network Analysis: Spark GraphX: http://habrahabr.ru/post/252157/

[19] Создание карты музыкальных композиций: http://www.christianpeccei.com/musicmap/

[20] Факторный анализ: http://gorayni.blogspot.mx/2014/12/factor-analysis.html

[21] R: Построение графиков с помощью встроенной функциональности визуализации: http://blog.yhathq.com/posts/base-r-plots.html

[22] Ловушки машинного обучения. Измерение эффективности модели (Часть 1): http://blog.yhathq.com/posts/measuring-model-performance-1.html

[23] Тренировка модели методом градиентного спуска с использованием C#: https://msdn.microsoft.com/ru-ru/magazine/dn913188%28en-us%29.aspx

[24] Обработка естественного языка с помощью глубинных нейронных сетей и библиотеки Torch: http://devblogs.nvidia.com/parallelforall/understanding-natural-language-deep-neural-networks-using-torch/#.VPYhS2vB09E.reddit

[25] Интерактивные визуализации с помощью D3.js, DC.js, Python и MongoDB: http://adilmoujahid.com/posts/2015/01/interactive-data-visualization-d3-dc-python-mongodb/

[26] Пример расчета PageRank с помощью Apache Hadoop: https://pragmaticintegrator.wordpress.com/2015/02/18/calculate-pageranks-with-apache-hadoop/

[27] Онлайн-курс от Stanford University: Deep Learning for Natural Language Processing: http://cs224d.stanford.edu/

[28] Онлайн-курс от MIT на edX: Introduction to Computational Thinking and Data Science: https://www.edx.org/course/introduction-computational-thinking-data-mitx-6-00-2x-0#.VPyiU-E_xoP

[29] Онлайн-курс от MIT на edX: The Analytics Edge: https://www.edx.org/course/analytics-edge-mitx-15-071x-0#.VPyjEeE_xoP

[30] Онлайн-курс на Coursera: Data Analysis and Statistical Inference: https://www.coursera.org/course/statistics

[31] Обзор книг «Time Series Databases» и «New look at Anomaly detection»: http://www.datasciencecentral.com/profiles/blogs/book-review-about-time-series-databases-and-a-new-look-at-anomaly

[32] Бесплатная онлайн-книга: Kalman and Bayesian Filters in Python: http://nbviewer.ipython.org/github/rlabbe/Kalman-and-Bayesian-Filters-in-Python/blob/master/table_of_contents.ipynb

[33] Обзор бесплатной книги: The Data Analytics Handbook: Big Data Edition: http://101.datascience.community/2015/02/23/free-big-data-analytics-handbook/

[34] Использование Deep Learning в компании Flickr: http://techjaw.com/2015/03/04/deep-learning-at-flickr-pierre-garrigues/

[35] Partially Derivative: Эпизод 16: Algorithm Aversion: http://www.partiallyderivative.com/news/2015/3/5/episode-16-algorithm-aversion

[36] Использование Apache Storm для аналитики в реальном времени: http://www.datanami.com/2015/03/05/taming-apache-storm-for-real-time-analytics/?utm_source=feedly&utm_reader=feedly&utm_medium=rss&utm_campaign=taming-apache-storm-for-real-time-analytics

[37] Использование MongoDb с Hadoop и Spark: Часть 3 — пример работы со Spark и ключевые выводы: http://www.mongodb.com/blog/post/using-mongodb-hadoop-spark-part-3-spark-example-key-takeaways

[38] Интересное из мира R (2-8 марта 2015 г.): http://r-analytics.blogspot.ru/2015/03/r-2-8-2015.html#.VPyW5OE_xoN

[39] Лучшие материалы за неделю от KDnuggets.com (22-28 февраля): http://www.kdnuggets.com/2015/03/top-news-week-feb-22.html

[40] Лучшие материалы за февраль от KDnuggets.com: http://www.kdnuggets.com/2015/03/top-news-2015-feb.html

[41] Еженедельный дайджест от DataScienceCentral (9 марта): http://www.datasciencecentral.com/profiles/blogs/weekly-digest-march-9

[42] Новости Data Science от MyDataMine.com (8 марта): http://mydatamine.com/2015/03/data-science-news-8-mac-2015/

[43] Новости Big Data от MyDataMine.com (8 марта): http://mydatamine.com/2015/03/big-data-news-5-mac-2015/

[44] Лучшие ресурсы за неделю от Data Elixir (№25): http://dataelixir.com/issues/25

[45] Еженедельный сборник лучших материалов от R1Soft (6 марта): http://www.r1soft.com/blog/this-week-in-data-march-6-2015

[46] Этот месяц в экосистеме Hadoop (февраль 2015): http://blog.cloudera.com/blog/2015/03/this-month-in-the-ecosystem-february-2015/

[47] Новости экосистемы Hadoop от MyDataMine.com (3 марта): http://mydatamine.com/2015/03/weekly-hadoop-news-3-mac-2015/

[48] Наиболее интересные материалы по High Scalability (6 марта): http://highscalability.com/blog/2015/3/6/stuff-the-internet-says-on-scalability-for-march-6th-2015.html

[49] Обзор наиболее интересных материалов по анализу данных и машинному обучению №37 (23 февраля — 1 марта 2015) : http://habrahabr.ru/post/251829/

[50] Источник: http://habrahabr.ru/post/252597/

Нажмите здесь для печати.