Библиотека компьютерного зрения OpenCV для С++. Установка на различные ОС, введение в использование и создание реальных проектов

https://bit.ly/3xEugGE

Решение задач FSL-классификации (Few-shot learning): подходы к предобучению, обучению и валидации моделей

https://bit.ly/3xDPYdJ

Мини-курс по матанализу. Состоит из коротких и интересных видео, в которых наглядно объясняется суть многих важных терминов

https://bit.ly/3n5Tx7D

Словарь терминов Big Data, которые объясняются простым языком, и мотивация его создания

https://bit.ly/3xOhMfG

"Подход к (почти) любой задаче машинного обучения" - книга по ML с кодом

https://bit.ly/3NeMVyl

"Как занимать высокие места в соревнованиях на kaggle" - история от DS-а, выигравшего золотую медаль

https://bit.ly/3OlYIMV

Читлисты по математической статистике: основные термины, распределения (с таблицами) и тесты. Дополнены небольшими примерами.

https://bit.ly/3QKsZqf

Искусственный интеллект для бизнеса: интерактивный гайд

https://mck.co/3Nm77i6

8 основных шагов по освоению компьютерного зрения

https://bit.ly/3bxl1QX

Курс по дискретной математике для новичков. Большое внимание уделяется комбинаторике и теории множеств.

https://bit.ly/3NrMQYm

Большой и подробный гайд по R с нуля

https://bit.ly/3OW6FZ5

Книга по анализу поведенческих данных на R и Python: как улучшить бизнес-результаты на основе информации о клиентах

https://bit.ly/3yadOhq

Переобучению быть или не быть: когда пора обновлять модели машинного обучения

https://bit.ly/3OLtejy

Краткий пересказ выступлений на Open Source Data Stack Conference: как управлять данными, обеспечивать Data Privacy и повышать эффективность Data-специалистов

https://bit.ly/3OHR2o6

Большой читлист по машинному обучению с кодом и полезными ссылками

https://bit.ly/3agTkLZ

Курс от Яндекс.Практикум: бесплатные тренажеры по теории вероятностей, комбинаторике, логике; повторение школьной программы по математике для работы аналитиком, разработчиком или специалистом по Data Science

https://bit.ly/3OFQBKZ

18 уроков по Python с нуля: от переменных до вложенных функций

https://bit.ly/3yFHUeh

Гайд по подготовке к собеседованию в сфере Data Science: 26 вопросов с ответами для проверки своих знаний

https://bit.ly/3RayA9g

Сборник книг по теории вероятностей и математической статистике Б.В. Гнеденко

https://bit.ly/3bRGzs1

Видео о том, как работать с несбалансированными датасетами

https://bit.ly/3NUEJDO

#top@datamining.team
ТОП 5 постов за июнь

1. Полный курс лекций и семинаров по машинному обучению от факультета компьютерных наук ВШЭ. Объяснения понятные и с нуля.
https://bit.ly/3Og3CKG

2. Книга по теории вероятностей с нуля. Рекомендована в качестве литературы к курсу по теории вероятностей и математической статистике ВШЭ
https://bit.ly/39ASv0o

3. Читлисты по математической статистике: основные термины, распределения (с таблицами) и тесты. Дополнены небольшими примерами.
https://bit.ly/3QKsZqf

4. Как написать парсер с нуля и учесть многие тонкости
https://bit.ly/3xDp9HO

5. Книга по статистике для анализа данных: широкий спектр тем, подробные объяснения, R с нуля
https://bit.ly/3x6d4JL