Обзор наиболее интересных материалов по анализу данных и машинному обучению №39 (9 — 15 марта 2015)

Обзор наиболее интересных материалов по анализу данных и машинному обучению №39 (9 — 15 марта 2015) - 1
Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

Архитектура системы машинного обучения защиты от рисков ^[1]
SQL-подобные запросы для потоковой аналитики в реальном времени ^[2]
Анонс Apache Spark 1.3 ^[3] — краткий обзор возможностей новой версии Apache Spark.
Вышла новая версия R 3.1.3 ^[4]
Apache Spark: Восхождение звезды ^[5]

Теория и алгоритмы машинного обучения, примеры кода

Машинное обучение — 2. Нелинейная регрессия и численная оптимизация ^[6] — статистика по просмотрам и целевым действиям аудитории копится, и именно она послужила отправной точкой для данной статьи. В ней автор коротко рассмотрит пример нелинейной регрессии (а именно, экспоненциальной) и с ее помощью построим модель конверсии, выделив среди пользователей две группы.
Работа с метасетевыми структурами на Python – библиотека MetaNet ^[7] — в данной статье автор расскажет о некоторых предпосылках появления инструмента для моделирования метасетей.
Визуальная линейная аппроксимация с помощью Gnuplot ^[8]
Руководство по выбору оборудования для задач Deep Learning ^[9]
Deep Learning, проклятие размерности и автоэнкодеры ^[10]
Использование Deep Learning для понимания текстовой информации ^[11]
Python: scikit-learn — обучение классификатора с нечисловыми признаками ^[12]
Как работают алгоритмы машинного обучения (часть 1). Искусственные нейроны и однослойные нейронные сети ^[13]
Реализация наивного байсовского классификатора на Apache Flink ^[14]
Машинное обучение для новичков (часть 1) ^[15]
Описание работы генетического алгоритма ^[16]
Обработка данных и машинное обучение на Python. Презентация и примеры кода ^[17]
Кластеризация методом k-средних на Python ^[18]
Введение в Microsoft Azure Machine Learning Studio ^[19]
Улучшение производительности работы Apache Spark (часть 1) ^[20]
Gravitational Clustering: Новый алгоритм обучения с учителем. Описание и реализация ^[21]

Соревнования по машинному обучению

Как быть успешным в соревнованиях по машинному обучению. 10 полезных советов ^[22]

Онлайн-курсы, обучающие материалы и литература

Видеоматериалы, подкасты

Введение в Deep Learning. Набор видеолекций ^[29]
10 главных ошибок при анализе данных ^[30]
Talking Machines: Эпизод 6: Интервью с Geoffrey Hinton, Yoshua Bengio и Yann LeCun: Будущее машинного обучения изнутри ^[31] — шестой эпизод серии подкастов «Talking Machines», в данном случае это продолжение беседы с Geoffrey Hinton (Google, University of Toronto), Yoshua Bengio (University of Montreal) и Yann LeCun (Facebook, NYU).

Data engineering

Airpal: веб-приложение для работы с SQL ^[32] — Airpal — это веб-приложение, предназначенное для работы с базами данных, которое призвано дополнить PrestoDB от Facebook при анализе информации. И в этом посте рассказывает о его возможностях и особенностях.
Создание Single View в MongoDb (часть 1): Обзор и анализ данных ^[33]
Обработка больших данных в Apache Spark ^[34]
Apache Spark совместно с Neo4j с использованием Docker Compose ^[35]

Обзоры

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №38 (2 — 8 марта 2015) ^[45]

Автор: moat

Источник ^[46]

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

Путь до страницы источника: https://www.pvsm.ru/data-mining/85801

Ссылки в тексте:

[1] Архитектура системы машинного обучения защиты от рисков: http://habrahabr.ru/company/airbnb/blog/252697/

[2] SQL-подобные запросы для потоковой аналитики в реальном времени: http://www.kdnuggets.com/2015/03/sql-query-language-realtime-streaming-analytics.html

[3] Анонс Apache Spark 1.3: https://databricks.com/blog/2015/03/13/announcing-spark-1-3.html

[4] Вышла новая версия R 3.1.3: http://www.r-statistics.com/2015/03/r-3-1-3-is-released-easy-upgrading-for-windows-users-with-the-installr-package/

[5] Apache Spark: Восхождение звезды: http://redmonk.com/dberkholz/2015/03/13/the-emergence-of-spark/

[6] Машинное обучение — 2. Нелинейная регрессия и численная оптимизация: http://habrahabr.ru/company/nerepetitor/blog/252571/

[7] Работа с метасетевыми структурами на Python – библиотека MetaNet: http://habrahabr.ru/post/252781/

[8] Визуальная линейная аппроксимация с помощью Gnuplot: http://habrahabr.ru/post/252985/

[9] Руководство по выбору оборудования для задач Deep Learning: https://timdettmers.wordpress.com/2015/03/09/deep-learning-hardware-guide/

[10] Deep Learning, проклятие размерности и автоэнкодеры: http://www.kdnuggets.com/2015/03/deep-learning-curse-dimensionality-autoencoders.html

[11] Использование Deep Learning для понимания текстовой информации: http://www.kdnuggets.com/2015/03/deep-learning-text-understanding-from-scratch.html

[12] Python: scikit-learn — обучение классификатора с нечисловыми признаками: http://www.webcodegeeks.com/python/python-scikit-learn-training-classifier-non-numeric-features

[13] Как работают алгоритмы машинного обучения (часть 1). Искусственные нейроны и однослойные нейронные сети: http://sebastianraschka.com/Articles/2015_singlelayer_neurons.html

[14] Реализация наивного байсовского классификатора на Apache Flink: http://www.itshared.org/2015/03/naive-bayes-on-apache-flink.html

[15] Машинное обучение для новичков (часть 1): https://blog.onliquid.com/machine-learning-101/

[16] Описание работы генетического алгоритма: http://ai-maker.com/the-%EF%BB%BFgenetic-algorithms/

[17] Обработка данных и машинное обучение на Python. Презентация и примеры кода: http://kachkach.com/data-processing-and-machine-learning-with-python/

[18] Кластеризация методом k-средних на Python: https://datasciencelab.wordpress.com/2013/12/12/clustering-with-k-means-in-python/

[19] Введение в Microsoft Azure Machine Learning Studio: https://msdn.microsoft.com/en-us/magazine/dn781358.aspx

[20] Улучшение производительности работы Apache Spark (часть 1): http://blog.cloudera.com/blog/2015/03/how-to-tune-your-apache-spark-jobs-part-1/

[21] Gravitational Clustering: Новый алгоритм обучения с учителем. Описание и реализация: https://github.com/ArmenAg/GravitationalClustering

[22] Как быть успешным в соревнованиях по машинному обучению. 10 полезных советов: http://www.kdnuggets.com/2015/03/10-steps-success-kaggle-data-science-competitions.html

[23] Книга Петера Флаха по машинному обучению переведена на русский язык: http://r-analytics.blogspot.ru/2015/03/blog-post.html#.VQRFy-E_xoN

[24] Онлайн-курс на Coursera: Process Mining: Data science in Action: https://www.coursera.org/course/procmin

[25] Онлайн-курс: Text Retrieval and Search Engines: https://www.coursera.org/course/textretrieval

[26] Онлайн-курс на Coursera: Applied Regression Analysis: https://www.coursera.org/course/appliedregression

[27] Онлайн-курс от Johns Hopkins University: Mathematical Biostatistics Boot Camp 1: https://www.coursera.org/course/biostats

[28] Обзор бесплатной электронной книги: Data Driven: Creating a Data Culture: http://datasciencereport.com/2015/03/11/free-ebook-video-interview-data-driven-with-industry-leaders-hilary-mason-dj-patil-and-josh-wills/#.VQROouE_x6J

[29] Введение в Deep Learning. Набор видеолекций: http://datasciencereport.com/2015/03/13/edu-video-introduction-to-deep-learning-class-videos/#.VQROxeE_x6K

[30] 10 главных ошибок при анализе данных: http://practicallearning.io/2015/03/13/top-10-data-mining-mistakes/

[31] Talking Machines: Эпизод 6: Интервью с Geoffrey Hinton, Yoshua Bengio и Yann LeCun: Будущее машинного обучения изнутри: http://www.thetalkingmachines.com/blog/2015/3/13/how-machine-learning-got-where-it-is-and-the-future-of-the-field

[32] Airpal: веб-приложение для работы с SQL: http://habrahabr.ru/company/airbnb/blog/252859/

[33] Создание Single View в MongoDb (часть 1): Обзор и анализ данных: https://www.mongodb.com/blog/post/creating-single-view-part-1-overview-data-analysis

[34] Обработка больших данных в Apache Spark: http://horicky.blogspot.ru/2015/02/big-data-processing-in-spark.html

[35] Apache Spark совместно с Neo4j с использованием Docker Compose: http://www.kennybastani.com/2015/03/spark-neo4j-tutorial-docker.html

[36] Интересное из мира R (9-15 марта 2015 г.): http://r-analytics.blogspot.ru/2015/03/r-9-15-2015.html#.VQVQtOE_xoM

[37] Лучшие материалы за неделю от KDnuggets.com (1 — 7 марта): http://www.kdnuggets.com/2015/03/top-news-week-mar-1.html

[38] Лучшие материалы за неделю от KDnuggets.com (8 — 14 марта): http://www.kdnuggets.com/2015/03/top-news-week-mar-8.html

[39] Еженедельный дайджест от DataScienceCentral (16 марта): http://www.datasciencecentral.com/profiles/blogs/weekly-digest-march-16

[40] Новости Data Science от MyDataMine.com (15 марта): http://mydatamine.com/2015/03/data-science-news-15-mac-2015/

[41] Новости Big Data от MyDataMine.com (12 марта): http://mydatamine.com/2015/03/big-data-news-12-mac-2015/

[42] Лучшие ресурсы за неделю от Data Elixir (№26): http://dataelixir.com/issues/26

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

[44] Наиболее интересные материалы по High Scalability (13 марта): http://highscalability.com/blog/2015/3/13/stuff-the-internet-says-on-scalability-for-march-13th-2015.html

[45] Обзор наиболее интересных материалов по анализу данных и машинному обучению №38 (2 — 8 марта 2015): http://habrahabr.ru/post/252597/

[46] Источник: http://habrahabr.ru/post/253115/

Нажмите здесь для печати.