Интерактивный гайд по UMAP (алгоритм ML, снижающий размерность). Очень интересные и красивые визуализации, можно двигать параметры и смотреть, как меняется картинка

https://bit.ly/39XxCMv

Книга с простыми объяснениями машинного обучения. Цель - показать, как работают основные алгоритмы на простых примерах.

https://bit.ly/3wTlDZm

Сложная, но интересная задача по теории вероятностей о точке, движущейся из одного угла квадрата в другой с некоторой вероятностью. Будет полезно тем, кто активно готовится к собеседованиям.

https://bit.ly/3tqrC6b

10 отличий соревнования на Kaggle от реального проекта: статья

https://bit.ly/3GreJhr

Подробный читлист по предиктивной аналитике в машинном обучении: от настроек до множества моделей

https://bit.ly/3a88Pp3

Курс по основам линейной алгебры. Состоит из коротких и понятных видео-уроков.

https://bit.ly/3t6yJQV

Audio-to-Audio - модели, которые применяются для улучшения речи или разделения источников звука. В данном агрегаторе собраны примеры моделей, кейсы с их использованием и гайды.

https://bit.ly/3x6VSFl

Гайд по трансформерам (моделям машинного обучения) с нуля

https://bit.ly/3NMBvmg

Книга по статистике для анализа данных: широкий спектр тем, подробные объяснения, R с нуля

https://bit.ly/3x6d4JL

Как с помощью Python создать полностью автоматизированную трейдинговую систему на базе ИИ

https://bit.ly/3x4nQ3j

Тренды e-commerce против реальности: какие прогнозы сбылись, а какие — нет

https://bit.ly/3NoTeQR

Читлист по алгоритмам машинного обучения от Microsoft

https://bit.ly/3NZZmPE

Нейронные сети. Уроки на Python (курс)

https://bit.ly/3MqO8T2

Модели автоматического распознавания речи: читлист, гайд, множество примеров кода

https://bit.ly/36XO2mY

Как написать парсер с нуля и учесть многие тонкости

https://bit.ly/3xDp9HO

Введение в эконометрику: парная регрессия, многофакторная регрессия, аспекты линейной регрессии, модели временных рядов (книга)

https://bit.ly/3NI7yEj

#top@datamining.team
ТОП 5 постов за май

1. Курс лекций по машинному обучению: от математических основ до прикладных моделей
https://clck.ru/gvJft

2. Книга по анализу данных от ВМК МГУ
https://clck.ru/gtb5S

3. Книга с простыми объяснениями машинного обучения. Цель - показать, как работают основные алгоритмы на простых примерах.
https://bit.ly/3wTlDZm

4. Экзаменационные вопросы по машинному обучению на ВМК МГУ
https://clck.ru/gvJgE

5. Гайд по освоению ML для начинающих
https://clck.ru/hYwCp

10 практик кода, ускоряющих выполнение программ на Python

https://bit.ly/3tvOTUf

Подробный читлист по использованию Markdown с R

https://bit.ly/3aWzPs0

Иллюстрированная статья о том, как обнаружить аномалии для бизнес-показателей с помощью R

https://bit.ly/3zDLOVU

Полный курс лекций и семинаров по машинному обучению от факультета компьютерных наук ВШЭ. Объяснения понятные и с нуля.

https://bit.ly/3Og3CKG