Мини-курсы по математике для анализа данных: краткие, интересные, с примерами из машинного обучения.

Линейная алгебра: https://bit.ly/3g48jsa
Анализ: https://bit.ly/3AOT4Nd
Безусловная оптимизация: https://bit.ly/3KSwasU

Выпуск подкаста, поводом к которому послужила выложенная Сбером в открытый доступ русская версия модели для генерации изображений по текстовому описанию (ruDALL-E).
Интервью с человеком, который принимал участие в создании "самого большого вычислительного проекта в России", как его называют в статье.

Тут можно посмотреть и послушать: https://bit.ly/3KN5XvE
Тут можно почитать: https://bit.ly/3r2e4Nl

Обзор пакетов для визуализации данных на Python

https://bit.ly/3GcJHrM

На edX появился курс по машинному обучению от MIT. Он завершает четверку курсов специализации Statistics and Data Science. В курсе представлен широкий спектр тем: от простейших моделей до нейросетей и обучения с подкреплением.

Без получения сертификата курс можно пройти бесплатно.

https://bit.ly/349zVcs

Продвинутый курс "Машинное обучение и анализ данных" при поддержке Яндекс и МФТИ

https://bit.ly/345HAcf

Нейросеть, которая может не только менять позу, но и переодевать человека на фотографии.

Статья тут: https://bit.ly/3fVfz9I
Подробности, код и библиотеки тут: https://bit.ly/3IHeGhs

Классификация изображений: описание, читлист, датасеты и модели

https://bit.ly/3L3s2Gs

В NVIDIA собрали в одном месте лучшие онлайн-курсы по глубокому обучению. Здесь и введение в ИИ от MIT, и не нуждающаяся в рекламе специализация от Andrew Ng, и курсы по Computer Vision и Reinforcement Learning, читаемые в Georgia Tech.

https://bit.ly/3omcfcr

Статья, в которой резюмируется прогресс в наиболее влиятельных сферах ML и NLP в 2021 году

https://bit.ly/3s9xH5t

Статья о прогресс во многих важных областях ML и NLP за 2021 год

https://bit.ly/3IyZxOQ

Простой гайд по нейронным сетям для начинающих

https://bit.ly/3unaxek

Depth First Learning - проект, созданный специалистами из Google с целью помочь начинающим исследователям изучить материал, необходимый для понимания современных статей по искусственному интеллекту. В DFL собирают ссылки на полезные материалы и организуют их в треки, подводящие к разным статьям. Сейчас готовы треки для, например, AlphaGoZero и InfoGAN.

https://bit.ly/3IHe1fY

Книга об основах прикладной статистики (для изучения требуется знание Python)

https://bit.ly/3AVVNEF

Интересная статья: целостное автоматическое машинное обучение для ПЛИС

https://bit.ly/3KLjgNh

Шпаргалка по Git и Github для тех, кто еще не знаком с этими сервисами

Текст: https://bit.ly/3shEIRx
Видео: https://bit.ly/3L9R7j7

#top@datamining.team
ТОП 5 постов за январь

1. Мини-курсы по математике для анализа данных

Линейная алгебра: https://bit.ly/3g48jsa
Анализ: https://bit.ly/3AOT4Nd
Безусловная оптимизация: https://bit.ly/3KSwasU

2. Большой сборник теоретических задач по машинному обучению
https://bit.ly/3GmZxB7

3. Материалы курса от ШАД и ВШЭ по практическому Reinforcement learning в открытом доступе
https://bit.ly/3o8ExHb

4. Подкаст о том, как подготовиться и эффективно пройти собеседование на ML-позиции
https://bit.ly/3qGeVl9

5. Сотни полностью решенных задач по ключевым темам ИИ (книга)
https://bit.ly/3KbR6ux

Личный опыт: аналитика vs Data Science

https://bit.ly/3GolZJ3

Как алгоритмы машинного обучения отражают предрассудки своих создателей

https://bit.ly/34zHB8b

Hugging Face собрали в одном месте для всех основных задач в NLP, CV и Audio

https://huggingface.co/tasks

Синтез речи: краткий гайд, видео, датасеты и модели

https://bit.ly/3gqU8xx

Перезапуск открытого курса по машинному обучению от OpenDataScience "ML-курс ODS"

Подробнее https://bit.ly/3HvyNPk