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

Применение Data Science в финансах: управление клиентскими данными, предсказательная аналитика и другие возможности

https://bit.ly/3nOYEJO

Читлист по глубинному обучению от Стэнфорда: советы и приемы

https://stanford.io/3RqTCAD

Лекции и семинары по машинному обучению для больших данных от НИУ ВШЭ

https://bit.ly/3uHC9Kx

Гайд: как понять, достаточно ли вашего уровня высшей математики для работы в Data Science

https://bit.ly/3z3KfzT

Мини-туториал: 5 шагов, чтобы получить высокооплачиваемую работу в сфере анализа данных

https://bit.ly/3aC3TJQ

Книга "Прикладная статистика": представление экспериментальных данных, основные вопросы выборочного обследования, тестирование гипотез и многое другое; все сопровождается прикладными примерами

https://bit.ly/3yG89jD

Введение в теорию графов (видео): применение графов в компьютерных науках, мотивация к их исследованию, а также примеры задач

https://bit.ly/3zc2UJT

Анализ временных рядов с помощью библиотеки ETNA: как использовать ее инструменты для улучшения модели прогнозирования

https://bit.ly/3PwNSnk