Introduction to Boosted Trees: http://xgboost.readthedocs.io/en/latest/model.html
#XGBoost

Плюс книга "Learning Pandas": https://github.com/Gewissta/Learning_Pandas_russian_translation

#Pandas #Python

Вышел долгожданный Python 3.7.0.

Из новинок:
- встроенная функция breakpoint
- Data Classes
- словари теперь хранят порядок при добавлении ключей (прощай, OrderedDict)

и т.д. Более подробный список изменений можно посмотреть по ссылке — https://www.python.org/downloads/release/python-370/

Вот здесь можно бесплатно скачать книгу Practical Data Analysis:
https://www.packtpub.com/packt/free-ebook/practical-data

Apache Spark Under the Hood. Getting started with core architecture and basic concepts: https://pages.databricks.com/rs/094-YMS-629/images/Mini%20eBook%20-%20Apache%20Spark%20v2.pdf

#ApacheSpark

Bioinformatics Programming Using Python – Mitchell L Model (en) 2010

Покажет как использовать Python для автоматизации задач в научных исследованиях.

#middle

Machine Learning an Algorithmic Perspective – Stephen Marsland (en) 2015

Рассказывает о алгоритмах, используемых при машинном обучении.

#middle

The scikit-learn Random Forest feature importance and R's default Random Forest feature importance strategies are biased. To get reliable results in Python, use permutation importance, provided here and in our rfpimp package (via pip). For R, use importance=T in the Random Forest constructor then type=1 in R's importance() function. In addition, your feature importance measures will only be reliable if your model is trained with suitable hyper-parameters.

http://explained.ai/rf-importance/index.html

Обнаружила книгу "The UNIX
Programming Environment" авторства Mark Burgess [http://pdplab.it.uom.gr/project/sysadm/unix.pdf], хотя, понятное дело, искала классику [http://cs2.ist.unomaha.edu/~stanw/163/csci4500/UNIXProgrammingEnvironment.pdf] Brian W. Kernighan.
Ну и кто так свои книги называет?!

TensorFlow Machine Learning Cookbook — Nick McClure (en) 2017

Поможет изучить концепции машинного обучения, используя новейшие
библиотеки, такие как TensorFlow.

#book #middle #python

Вот еще куча полезных ссылок и постов по Data Science.
#DataScience

Меню канала с основными постами.

Основы Data Science, алгоритмы.
1. Data Science
2. Big Data
3. Data Mining
4. Нейросети
5. Задача про Титаник
6. Регрессия, регрессоры. Классификаторы.
7. Деревья решений
8. Наивный Байесовский классификатор
9. Метод K-ближайших соседей

Визуализация.
1. Визуализация данных
2. Тепловые карты

Истории о нейросетях
1. Пример работы нейросети на примере боев сумо
2. Нейросети и распознавание порноактеров
3. Нейросети и трейдинг
4. Нейросети и видеослежка

Истории из жизни.
1. Айфон-психолог
2. Магазины вычисляют вашу беременность
3. Знакомство с помощью Data Science
4. Знакомство с помощью Data Science - 2
5. Про машинный перевод

Бесплатный гайд для новичков по машинному обучению

http://www.allitebooks.in/machine-learning-dummies/

Natural Language Processing with Python – S. Bird, E. Klein, E. Loper (en) 2009

Рассказывается о различных языковых технологиях: от фильтрации электронной почты до автоматического перевода.

#middle

Python Machine Learning – Sebastian Raschka (en)

Даст более глубокое понимание машинного обучения.

#book #middle #theory

Глубокое обучение при помощи Spark и Hadoop: знакомство с #Deeplearning4j:
https://habr.com/company/piter/blog/344824/

Радиология Москвы: Репозиторий открытых данных для машинного обучения и «искусственного интеллекта»

http://medradiology.moscow/iskusstvennyy-intellekt

#CT #Radiology #OpenData