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

Топ-100 статей по машинному обучению и анализу данных

Топ-100 статей по машинному обучению и анализу данных - 1

Этот пост построен по аналогии с постом «Хабрасливки: золотые посты «Хабрахабра» и Geektimes» [1], но по машинному обучению и анализу данных. Выборку пришлось корректировать вручную, т.к. попали не относящиеся к теме сообщения, имеющие высокие оценки (возможно несколько осталось) и, наоборот, не попали несколько из лучших хаба «Машинное обучение». «Сливки» получились жидкие — самая высокая оценка — 312, самая низкая — 50, поэтому включены посты, не менее 80% голосов за которые положительны, а не 98%.

  1. «Как правильно лгать с помощью статистики [2]» — 312 голосов всего, 309 положительных.
  2. «Увидеть незримое [3]» — 185 голосов, 180 положительных.
  3. «Распознаём изображение с токена при помощи камеры [4]» — 178 голосов, 172 положительных.
  4. «Нейронная сеть против DDoS'а [5]» — 177 голосов, 174 положительных.
  5. «Сколько котов на хабре? [6]» — 176 голосов, 164 положительных.
  6. «Machine Learning. Курс от Яндекса для тех, кто хочет провести новогодние каникулы с пользой [7]» — 172 голоса, 166 положительных.
  7. «Стивен Вольфрам провёл математический анализ социальных сетей [8]» — 165 голосов, 157 положительных.
  8. «Распознавание речи от Яндекса. Под капотом у Yandex.SpeechKit [9]» — 155 голосов, 149 положительных.
  9. «Торговля знает, когда вы ждете ребенка [10]» — 149 голосов, 130 положительных.
  10. «Внезапный диван леопардовой расцветки [11]» — 148 голосов, 145 положительных.
  11. «Самое главное о нейронных сетях. Лекция в Яндексе [12]» — 136 голосов, 133 положительных.
  12. «Сколько нужно нейронов, чтобы распознать сводку моста? [13]» — 136 голосов, 133 положительных.
  13. «FizzBuzz на TensorFlow [14]» — 132 голосов, 123 положительных.
  14. «Парсим русский язык [15]» — 128 голосов, 124 положительных.
  15. «Вычисление фрактальной размерности Минковского для плоского изображения [16]» — 128 голосов, 116 положительных.
  16. «Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц [17]» — 123 голоса, 121 положительных.
  17. «Обучение машины — забавная штука: современное распознавание лиц с глубинным обучением [18]» — 121 голос, 121 положительных.
  18. «Анализ резюме с HeadHunter. Кто сколько зарабатывает и в каких отраслях работает [19]» — 119 голосов, 106 положительных.
  19. «Детекторы углов [20]» — 118 голосов, 116 положительных.
  20. «Как я заработал $500K на машинном обучении и высокочастотном трейдинге — Часть 1 [21]» — 117 голосов, 95 положительных.
  21. «Жизненная позиция пользователей ВКонтакте в зависимости от пола и возраста [22]» — 111 голосов, 104 положительных.
  22. «Яндекс анонсирует собственную технологию прогнозирования погоды Метеум. С точностью до дома [23]» — 110 голосов, 108 положительных.
  23. «Dropbox: взгляд изнутри [24]» — 105 голосов, 103 положительных.
  24. «Unsupervised learning или «пойди туда, не знаю куда, найди то, не знаю что» [25]» — 105 голосов, 96 положительных.
  25. «Латентно-семантический анализ [26]» — 104 голоса, 101 положительных.
  26. «Про котиков, собак, машинное обучение и deep learning [27]» — 101 голос, 98 положительных.
  27. «Как я победил в конкурсе BigData от Beeline [28]» — 100 голосов, 92 положительных.
  28. «Расшифровываем формулу Хабра-рейтинга или восстановление функциональных зависимостей по эмпирическим данным [29]» — 99 голосов, 98 положительных.
  29. «Эксперимент в Яндексе. Как идентифицировать взломщика с помощью машинного обучения [30]» — 98 голосов, 87 положительных.
  30. «Яндекс и Высшая школа экономики открывают факультет Computer Science [31]» — 96 голосов, 90 положительных.
  31. «Яндекс открывает новое направление своей деятельности — Yandex Data Factory [32]» — 95 голосов, 84 положительных.
  32. «Жизненная позиция пользователей ВКонтакте. Бонус-трек. Корреляции [33]» — 91 голос, 74 положительных.
  33. «Обучаем компьютер чувствам (sentiment analysis по-русски) [34]» — 90 голосов, 85 положительных.
  34. «Портрет Хабра-tutorial [35]» — 90 голосов, 81 положительный.
  35. «Поиск взаимосвязей на примере Нефть-Рубль [36]» — 90 голосов, 80 положительных.
  36. «Понимание компьютером текста: действительно ли всё так плохо? [37]» — 88 голосов, 83 положительных.
  37. «На какие вопросы можно ответить, проанализировав 1 500 000 уникальных историй болезней? [38]» — 88 голосов, 77 положительных.
  38. «Курсы Стенфордского университета [39]» — 88 голосов, 72 положительных.
  39. «Прогресс в разработке нейросетей для машинного обучения [40]» — 87 голосов, 74 положительных.
  40. «Энтропия и деревья принятия решений [41]» — 86 голосов, 83 положительных.
  41. «Необычные модели Playboy, или про обнаружение выбросов в данных c помощью Scikit-learn [42]» — 84 голоса, 77 положительных.
  42. «Байесовская нейронная сеть — потому что а почему бы и нет, черт возьми (часть 1) [43]» — 83 голоса, 82 положительных.
  43. «Курс по машинному обучению на Coursera от Яндекса и ВШЭ [44]» — 83 голоса, 81 положительных.
  44. «Яндекс.Метеум – новая разработка или маркетинговый ход? [45]» — 83 голоса, 71 положительный.
  45. «Обзор алгоритмов кластеризации данных [46]» — 82 голоса, 78 положительных.
  46. «Стэнфордская нейросеть определяет тональность текста с точностью 85%, код отдадут в Open Source [47]» — 82 голоса, 77 положительных.
  47. «Рекурентная нейронная сеть в 10 строчек кода оценила отзывы зрителей нового эпизода “Звездных войн” [48]» — 82 голоса, 75 положительных.
  48. «Отличаем автобус от автомобиля по GPS-трекам [49]» — 81 голос, 70 положительных.
  49. «Licenzero: простые движения [50]» — 80 голосов, 73 положительных.
  50. «Использование каскада Хаара для сравнения изображений [51]» — 79 голосов, 73 положительных.
  51. «Нейрореволюция в головах и сёлах [52]» — 78 голосов, 76 положительных.
  52. «Введение в Байесовские методы [53]» — 78 голосов, 70 положительных.
  53. «Яндекс.Толока. Как люди помогают обучать машинный интеллект [54]» — 76 голосов, 72 положительных.
  54. «Заочное обучение в ШАД Яндекса: 570 замечательных часов моей жизни [55]» — 76 голосов, 62 положительных.
  55. «Болee 40 онлайн-курсов от Coursera и Udacity [56]» — 74 голоса, 73 положительных.
  56. «ИИ — Гедель против Тьюринга или критика искусственного разума. Точка зрения технаря [57]» — 74 голоса, 65 положительных.
  57. «Как программист машину покупал [58]» — 73 голоса, 71 положительный.
  58. «Постановка задачи компьютерного зрения [59]» — 72 голоса, 72 положительных.
  59. «Выпущена система Mathematica 10, содержащая 700+ новых функций и невероятное количество R&D [60]» — 72 голоса, 65 положительных.
  60. «AlphaGo на пальцах [61]» — 71 голос, 69 положительных.
  61. «Hello, TensorFlow. Библиотека машинного обучения от Google [62]» — 71 голос, 68 положительных.
  62. «Распознавание речи для чайников [63]» — 71 голос, 61 положительный.
  63. «Python и красивые ножки: как я бы знакомил сына с математикой и программированием [64]» — 70 голосов, 60 положительных.
  64. «Формирование высокоуровневых признаков с помощью широкомасштабного эксперимента по обучению без учителя [65]» — 68 голосов, 64 положительных.
  65. «Классификатор изображений [66]» — 67 голосов, 63 положительных.
  66. «Машинное обучение в навигационных устройствах: определяем маневры машины по акселерометру и гироскопу [67]» — 67 голосов, 63 положительных.
  67. «Kaggle – наша экскурсия в царство оверфита [68]» — 66 голосов, 65 положительных.
  68. «Совсем не нейронные сети [69]» — 66 голосов, 61 положительный.
  69. «Обзор методов эволюции нейронных сетей [70]» — 65 голосов, 60 положительных.
  70. «Определяем веса шахматных фигур регрессионным анализом [71]» — 64 голоса, 64 положительных.
  71. «Введение в многомерный анализ [72]» — 63 голоса, 61 положительный.
  72. «Элементы семантической паутины [73]» — 63 голоса, 57 положительных.
  73. «Ранжирование в Яндексе: как поставить машинное обучение на поток (пост #1) [74]» — 63 голоса, 56 положительных.
  74. «Machine learning в простом проекте [75]» — 63 голоса, 53 положительных.
  75. «Попробуй R [76]» — 62 голоса, 59 положительных.
  76. «Покупка оптимальной квартиры с R [77]» — 62 голоса, 59 положительных.
  77. «Распознавание гильоширных элементов на примере паспорта РФ [78]» — 61 голос, 57 положительных.
  78. «Машинное обучение — микроскоп современного ученого. Зачем ЦЕРНу технологии Яндекса [79]» — 60 голосов, 54 положительных.
  79. «Маленькие секреты больших графов [80]» — 60 голосов, 54 положительных.
  80. «Сколько нужно нейронов, чтобы узнать, разведён ли мост Александра Невского? [81]» — 59 голосов, 59 положительных.
  81. «Обучение OpenCV каскада Хаара [82]» — 59 голосов, 57 положительных.
  82. «Язык R в помощь хабра-статисту [83]» — 59 голосов, 54 положительных.
  83. «Лекция Дмитрия Ветрова о математике больших данных: тензоры, нейросети, байесовский вывод [84]» — 58 голосов, 57 положительных.
  84. «Нейропластичность в искусственных нейронных сетях [85]» — 58 голосов, 56 положительных.
  85. «Ваш персональный курс по Big Data [86]» — 58 голосов, 54 положительных.
  86. «Социальная сеть вселенной Звёздных войн [87]» — 58 голосов, 49 положительных.
  87. «Как подобрать платье с помощью метода главных компонент [88]» — 57 голосов, 54 положительных.
  88. «Исследование проектов на фриланс-бирже Odesk глазами веб-разработчика [89]» — 55 голосов, 52 положительных.
  89. «Топ-10 data mining-алгоритмов простым языком [90]» — 55 голосов, 49 положительных.
  90. «Обзор литературы по Data Mining [91]» — 54 голоса, 50 положительных.
  91. «Математика для искусственных нейронных сетей для новичков, часть 1 — линейная регрессия [92]» — 54 голоса, 47 положительных.
  92. «Байесовская нейронная сеть — теперь апельсиновая (часть 2) [93]» — 53 голоса, 52 положительных.
  93. «Введение в машинное обучение с помощью Python и Scikit-Learn [94]» — 53 голоса, 50 положительных.
  94. «Питерский фотограф сравнил пассажиров метро с их профилями «ВКонтакте» [95]» — 53 голоса, 44 положительных.
  95. «Автоматическое выделение меток [96]» — 52 голоса, 51 положительный.
  96. «Дайджест статей по анализу данных №3 (09.06.2014 —22.06.2014) [97]» — 52 голоса, 47 положительных.
  97. «Анализ существующих подходов к распознаванию лиц [98]» — 50 голосов, 49 положительных.
  98. «Идеальный ученик, или о чем умалчивают в машинном обучении [99]» — 50 голосов, 49 положительных.
  99. «Решение задачи кластеризации методом градиентного спуска [100]» — 50 голосов, 48 положительных.
  100. «Об обучении нейросетей [101]» — 50 голосов, 47 положительных.

Распределение оценок:
Топ-100 статей по машинному обучению и анализу данных - 2

Топ-100 статей по машинному обучению и анализу данных - 3

КДПВ отсюда [102].

Автор: urticazoku

Источник [103]

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

Путь до страницы источника: https://www.pvsm.ru/statistika-v-it/170976

Ссылки в тексте:

[1] «Хабрасливки: золотые посты «Хабрахабра» и Geektimes»: https://geektimes.ru/post/165949/

[2] Как правильно лгать с помощью статистики: https://habrahabr.ru/post/217545/

[3] Увидеть незримое: https://habrahabr.ru/post/232515/

[4] Распознаём изображение с токена при помощи камеры: https://habrahabr.ru/post/143102/

[5] Нейронная сеть против DDoS'а: https://geektimes.ru/post/136237/

[6] Сколько котов на хабре?: https://habrahabr.ru/post/231699/

[7] Machine Learning. Курс от Яндекса для тех, кто хочет провести новогодние каникулы с пользой: https://habrahabr.ru/company/yandex/blog/208034/

[8] Стивен Вольфрам провёл математический анализ социальных сетей: https://habrahabr.ru/post/177931/

[9] Распознавание речи от Яндекса. Под капотом у Yandex.SpeechKit: https://habrahabr.ru/company/yandex/blog/198556/

[10] Торговля знает, когда вы ждете ребенка: https://habrahabr.ru/post/147284/

[11] Внезапный диван леопардовой расцветки: https://habrahabr.ru/post/259191/

[12] Самое главное о нейронных сетях. Лекция в Яндексе: https://habrahabr.ru/company/yandex/blog/307260/

[13] Сколько нужно нейронов, чтобы распознать сводку моста?: https://habrahabr.ru/post/306798/

[14] FizzBuzz на TensorFlow: https://habrahabr.ru/post/301536/

[15] Парсим русский язык: https://geektimes.ru/post/148124/

[16] Вычисление фрактальной размерности Минковского для плоского изображения: https://habrahabr.ru/post/208368/

[17] Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц: https://habrahabr.ru/post/133826/

[18] Обучение машины — забавная штука: современное распознавание лиц с глубинным обучением: https://habrahabr.ru/post/306568/

[19] Анализ резюме с HeadHunter. Кто сколько зарабатывает и в каких отраслях работает: https://habrahabr.ru/post/271407/

[20] Детекторы углов: https://habrahabr.ru/post/244541/

[21] Как я заработал $500K на машинном обучении и высокочастотном трейдинге — Часть 1: https://habrahabr.ru/company/itinvest/blog/208500/

[22] Жизненная позиция пользователей ВКонтакте в зависимости от пола и возраста: https://geektimes.ru/post/178019/

[23] Яндекс анонсирует собственную технологию прогнозирования погоды Метеум. С точностью до дома: https://habrahabr.ru/company/yandex/blog/271725/

[24] Dropbox: взгляд изнутри: https://geektimes.ru/post/163189/

[25] Unsupervised learning или «пойди туда, не знаю куда, найди то, не знаю что»: https://geektimes.ru/post/51372/

[26] Латентно-семантический анализ: https://habrahabr.ru/post/110078/

[27] Про котиков, собак, машинное обучение и deep learning: https://habrahabr.ru/post/226347/

[28] Как я победил в конкурсе BigData от Beeline: https://habrahabr.ru/post/270367/

[29] Расшифровываем формулу Хабра-рейтинга или восстановление функциональных зависимостей по эмпирическим данным: https://habrahabr.ru/post/249375/

[30] Эксперимент в Яндексе. Как идентифицировать взломщика с помощью машинного обучения: https://habrahabr.ru/company/yandex/blog/230583/

[31] Яндекс и Высшая школа экономики открывают факультет Computer Science: https://habrahabr.ru/company/yandex/blog/217981/

[32] Яндекс открывает новое направление своей деятельности — Yandex Data Factory: https://habrahabr.ru/company/yandex/blog/245393/

[33] Жизненная позиция пользователей ВКонтакте. Бонус-трек. Корреляции: https://geektimes.ru/post/178207/

[34] Обучаем компьютер чувствам (sentiment analysis по-русски): https://habrahabr.ru/post/149605/

[35] Портрет Хабра-tutorial: https://habrahabr.ru/company/dmlabs/blog/218607/

[36] Поиск взаимосвязей на примере Нефть-Рубль: https://habrahabr.ru/post/253285/

[37] Понимание компьютером текста: действительно ли всё так плохо?: https://habrahabr.ru/post/127061/

[38] На какие вопросы можно ответить, проанализировав 1 500 000 уникальных историй болезней?: https://geektimes.ru/post/178457/

[39] Курсы Стенфордского университета: https://habrahabr.ru/post/135960/

[40] Прогресс в разработке нейросетей для машинного обучения: https://habrahabr.ru/post/160115/

[41] Энтропия и деревья принятия решений: https://habrahabr.ru/post/171759/

[42] Необычные модели Playboy, или про обнаружение выбросов в данных c помощью Scikit-learn: https://habrahabr.ru/post/251225/

[43] Байесовская нейронная сеть — потому что а почему бы и нет, черт возьми (часть 1) : https://habrahabr.ru/post/276355/

[44] Курс по машинному обучению на Coursera от Яндекса и ВШЭ: https://habrahabr.ru/company/yandex/blog/269175/

[45] Яндекс.Метеум – новая разработка или маркетинговый ход?: https://habrahabr.ru/post/274641/

[46] Обзор алгоритмов кластеризации данных: https://habrahabr.ru/post/101338/

[47] Стэнфордская нейросеть определяет тональность текста с точностью 85%, код отдадут в Open Source: https://habrahabr.ru/post/197890/

[48] Рекурентная нейронная сеть в 10 строчек кода оценила отзывы зрителей нового эпизода “Звездных войн”: https://habrahabr.ru/company/dca/blog/274027/

[49] Отличаем автобус от автомобиля по GPS-трекам: https://habrahabr.ru/company/mailru/blog/228289/

[50] Licenzero: простые движения: https://habrahabr.ru/post/116625/

[51] Использование каскада Хаара для сравнения изображений: https://habrahabr.ru/post/198338/

[52] Нейрореволюция в головах и сёлах: https://habrahabr.ru/post/277069/

[53] Введение в Байесовские методы: https://habrahabr.ru/post/170545/

[54] Яндекс.Толока. Как люди помогают обучать машинный интеллект: https://habrahabr.ru/company/yandex/blog/305956/

[55] Заочное обучение в ШАД Яндекса: 570 замечательных часов моей жизни: https://habrahabr.ru/post/277951/

[56] Болee 40 онлайн-курсов от Coursera и Udacity: https://habrahabr.ru/post/142315/

[57] ИИ — Гедель против Тьюринга или критика искусственного разума. Точка зрения технаря: https://geektimes.ru/post/149291/

[58] Как программист машину покупал: https://habrahabr.ru/post/302788/

[59] Постановка задачи компьютерного зрения: https://habrahabr.ru/post/274725/

[60] Выпущена система Mathematica 10, содержащая 700+ новых функций и невероятное количество R&D: https://habrahabr.ru/company/wolfram/blog/229347/

[61] AlphaGo на пальцах: https://habrahabr.ru/post/279071/

[62] Hello, TensorFlow. Библиотека машинного обучения от Google: https://habrahabr.ru/post/305578/

[63] Распознавание речи для чайников: https://habrahabr.ru/post/226143/

[64] Python и красивые ножки: как я бы знакомил сына с математикой и программированием: https://habrahabr.ru/post/275963/

[65] Формирование высокоуровневых признаков с помощью широкомасштабного эксперимента по обучению без учителя: https://habrahabr.ru/post/146077/

[66] Классификатор изображений: https://habrahabr.ru/company/dmlabs/blog/205842/

[67] Машинное обучение в навигационных устройствах: определяем маневры машины по акселерометру и гироскопу: https://habrahabr.ru/post/254707/

[68] Kaggle – наша экскурсия в царство оверфита: https://habrahabr.ru/post/307078/

[69] Совсем не нейронные сети: https://habrahabr.ru/company/recognitor/blog/277163/

[70] Обзор методов эволюции нейронных сетей: https://geektimes.ru/post/84015/

[71] Определяем веса шахматных фигур регрессионным анализом: https://habrahabr.ru/post/254753/

[72] Введение в многомерный анализ: https://habrahabr.ru/post/126810/

[73] Элементы семантической паутины: https://habrahabr.ru/post/79210/

[74] Ранжирование в Яндексе: как поставить машинное обучение на поток (пост #1): https://habrahabr.ru/company/yandex/blog/174213/

[75] Machine learning в простом проекте: https://habrahabr.ru/company/preply/blog/216729/

[76] Попробуй R: https://habrahabr.ru/post/161625/

[77] Покупка оптимальной квартиры с R: https://habrahabr.ru/post/264407/

[78] Распознавание гильоширных элементов на примере паспорта РФ: https://habrahabr.ru/company/cognitive/blog/204658/

[79] Машинное обучение — микроскоп современного ученого. Зачем ЦЕРНу технологии Яндекса: https://habrahabr.ru/company/yandex/blog/230367/

[80] Маленькие секреты больших графов: https://habrahabr.ru/post/148162/

[81] Сколько нужно нейронов, чтобы узнать, разведён ли мост Александра Невского?: https://habrahabr.ru/post/307218/

[82] Обучение OpenCV каскада Хаара: https://habrahabr.ru/post/208092/

[83] Язык R в помощь хабра-статисту: https://geektimes.ru/post/162583/

[84] Лекция Дмитрия Ветрова о математике больших данных: тензоры, нейросети, байесовский вывод: https://habrahabr.ru/company/yandex/blog/261245/

[85] Нейропластичность в искусственных нейронных сетях: https://habrahabr.ru/company/mailru/blog/252965/

[86] Ваш персональный курс по Big Data: https://habrahabr.ru/company/mlclass/blog/252743/

[87] Социальная сеть вселенной Звёздных войн: https://habrahabr.ru/post/273319/

[88] Как подобрать платье с помощью метода главных компонент: https://habrahabr.ru/company/io/blog/265089/

[89] Исследование проектов на фриланс-бирже Odesk глазами веб-разработчика: https://habrahabr.ru/post/248719/

[90] Топ-10 data mining-алгоритмов простым языком: https://habrahabr.ru/company/itinvest/blog/262155/

[91] Обзор литературы по Data Mining: https://habrahabr.ru/post/66561/

[92] Математика для искусственных нейронных сетей для новичков, часть 1 — линейная регрессия: https://habrahabr.ru/post/307004/

[93] Байесовская нейронная сеть — теперь апельсиновая (часть 2): https://habrahabr.ru/post/280766/

[94] Введение в машинное обучение с помощью Python и Scikit-Learn: https://habrahabr.ru/company/mlclass/blog/247751/

[95] Питерский фотограф сравнил пассажиров метро с их профилями «ВКонтакте»: https://geektimes.ru/post/274356/

[96] Автоматическое выделение меток: https://habrahabr.ru/post/224339/

[97] Дайджест статей по анализу данных №3 (09.06.2014 —22.06.2014): https://habrahabr.ru/post/227135/

[98] Анализ существующих подходов к распознаванию лиц: https://habrahabr.ru/company/synesis/blog/238129/

[99] Идеальный ученик, или о чем умалчивают в машинном обучении: https://geektimes.ru/post/148002/

[100] Решение задачи кластеризации методом градиентного спуска: https://habrahabr.ru/post/188638/

[101] Об обучении нейросетей: https://geektimes.ru/post/83995/

[102] отсюда: http://cn.dn.ua/interesnoe/iskusstvennyjj-intellekt.php

[103] Источник: https://habrahabr.ru/post/307598/?utm_source=habrahabr&utm_medium=rss&utm_campaign=best