Дайджест интересных статей и заметок в области машинного обучения, опубликованных за последние два месяца

https://bit.ly/3T2AOI8

6 алгоритмов машинного обучения, которые должен знать каждый исследователь данных

https://bit.ly/3VfGQH5

Компактный читлист по обработке естественного языка (NLP)

https://bit.ly/3CMCosb

Красивый курс по базовой теории вероятностей и статистике. Каждая глава сопровождается эстетичными визуализациями с интерактивными элементами: например, можно вытянуть из колоды 100 карт и посмотреть на картинке, как изменится разброс значений.

https://bit.ly/3MnupVZ

Календарь актуальных хакатонов России для программистов, аналитиков, data scientist-ов, дизайнеров, студентов, школьников и многих других специалистов.

https://bit.ly/3Vl2n1i

Руководство по фреймворку ClearML , который позволяет отслеживать метрики и гиперпараметры машинного обучения, хранить датасеты, визуально сравнивать эксперименты, настраивать пайплайны обработки данных и многое другое.

https://bit.ly/3MtOHNs

Книга по ML, в которой представлены способы применения мощных методов машинного обучения с открытым исходным кодом в крупномасштабных проектах

https://bit.ly/3exWywU

Статья руководителя аналитики в Яндекс.Еде об аналитических задачах и оптимизации бизнеса на основе данных

https://bit.ly/3yJv3ar

Краткая статья о том, что такое надежность данных и как внедрить ее в работу компании

https://bit.ly/3g5wsBH

Компактный читлист по SQL. Содержит блоки по базовым и продвинутым методам.

https://bit.ly/3ewolhr

Курс по анализу данных в R: считывание и предобработка данных, применение основных статистических методов и визуализация результатов.

https://bit.ly/3Vu6l7X

Интерактивная визуализация данных на Python: как создавать графики, которые можно вращать, двигать, приближать и подробно исследовать с помощью курсора

https://bit.ly/3yV8JLc

Тестирование больших данных: руководство для начинающих

https://bit.ly/3VL1Shl

Книга, в которой раскрывается роль байесовских выводов при A/B тестировании, выявлении мошенничества и других задачах, реализуемых на Python

https://bit.ly/3eM5XRO

Статья о том, как с течением времени менялась и развивалась архитектура данных и какие инструменты появлялись в ответ на потребности бизнеса

https://bit.ly/3FaV5Yt

Построение нетипичных диаграмм в R: интерактивные воронки, диаграмма Парето, круговые диаграммы в ggplot2, диаграмма гантелей, а также добавление ярлыков данных

https://bit.ly/3snpPxv

Читлист для руководителей бизнеса: как применять Data Science для решения актуальных задач, какие существуют инструменты визуализации и исследования данных, как создать команду специалистов и организовать ее работу

https://bit.ly/3TMmtR3

Галерея визуализаций: множество графиков с исходным кодом в matplotlib, seaborn, plotly и других библиотеках

На Python: https://bit.ly/3DADdox
В R: https://bit.ly/3gMDVpN

Курс по анализу данных в примерах и задачах: основы нейронных сетей, регуляризация, кейс по подготовке данных и другие лекции

https://bit.ly/3N6Onoh

Изучение нового языка программирования для работы с данными (краткий гайд): на чем сфокусироваться, как построить обучение эффективно, каких советов придерживаться

https://bit.ly/3SExKBo

Книга по практическому анализу временных рядов: статистические методы и машинное обучение

https://bit.ly/3gKP8aq