Фреймворк глубокого обучения в 2019: выбираем из 10 лучших

Как выбрать фреймворк глубокого обучения? Сравниваем 10 популярных сред тренировки нейросетей. Преимущества, недостатки, подводные камни.

https://proglib.io/p/dl-frameworks/

Взгляд на основные тенденции в машинном обучении

Разбираемся, как за последние 5 лет изменились технологии и подходы к работе в машинном обучении на примере исследования Andrej Karpathy.

http://prglb.ru/31znc

Схема успешного развития data-scientist специалиста в 2019 году

Подготовили для вас Roadmap. Приведенная схема развития data-scientist пригодится как начинающему, так и опытному специалисту.

https://prglb.ru/29pbx

Как изучать Data Science в 2019: ответы на частые вопросы

Мысль о том, чтобы изучать Data Science, не даёт вам покоя? Возможно, не зря. В этой статье мы ответили на ряд популярных вопросов новичков.

https://proglib.io/p/data-science-faq/

Идея метода Шелла состоит в сравнении элементов, стоящих не только рядом, но и на определённом расстоянии друг от друга.

Введение в обучение с подкреплением для начинающих

Обучение с подкреплением – это способ машинного обучения, при котором система обучается, взаимодействуя с некоторой средой.

https://prglb.ru/nxb8

Полезный репозиторий по машинному обучению, в котором можно найти вот такие замечательные шпаргалки.

https://prglb.ru/4uuhr

​​Keras - открытая нейросетевая библиотека, написанная на языке Python. Она представляет собой надстройку над фреймворками Deeplearning4j, TensorFlow и Theano. Нацелена на оперативную работу с сетями глубинного обучения, при этом спроектирована так, чтобы быть компактной, модульной и расширяемой.

#библиотекадня #cheatsheet

Официальная страница:
https://keras.io/

Ниже прикрепляем шпаргалку, чтобы лучше работалось!)

Алгоритмы машинного обучения
Данное видео поможет вам разобраться, какие проблемы есть в Machine Learning, и познакомит с различными алгоритмами.
Ключевые алгоритмы машинного обучения - это линейная регрессия, логистическая регрессия, дерево решений, случайный лес и алгоритм KNN.
Все алгоритмы представлены с простыми примерами и реализованы на языке Python.

#видеодня

https://www.youtube.com/watch?v=I7NrVwm3apg

Anaconda − самая популярная data science-платформа в Python.
Кроме обучающих видео, канал содержит видеозаписи конференций AnacondaCon с выступлениями представителей комьюнити по анализу данных, IT-профессионалов, аналитиков, разработчиков и бизнес-лидеров.

#youtubeдня

Веб-сайт: anaconda.com

https://www.youtube.com/channel/UCND4vKhJssAtK8p1Blfj14Q

​​Python для сложных задач. Наука о данных и машинное обучение
Автор: Дж. Вандер Плас
Если вы работаете в сфере Data Science или хотите узнать что-то новое, то обучение можно начать с данной книги Python. В ней вы найдете ответы на вопросы по вычислительным и статистическим методам, передовым алгоритмам разработки, манипулированию данными и т. д.

#книгадня

Скачать книгу:
https://news.1rj.ru/str/progbook/120

​​ Наглядное введение в нейросети на примере распознавания цифр
При помощи множества анимаций на примере задачи распознавания цифр и модели перцептрона дано наглядное введение в процесс обучения нейросети.

#статьядня

https://proglib.io/p/neural-network-course/

Рассмотрим 5 базовых концепций статистики, которые следует знать специалистам в области Data Scientist

#полезностьдня

 https://towardsdatascience.com/the-5-basic-statistics-concepts-data-scientists-need-to-know-2c96740377ae

​​Визуализация данных с помощью ggplot2
Автор: Сергей Мастицкий

Настоящая книга посвящена ggplot2 - одному из таких пакетов, который значительно расширяет и без того богатые базовые графические возможности R. В 2015 г. ggplot2 был установлен более миллиона раз. Такая популярность этого пакета обусловлена несколькими причинами, среди которых можно отметить эстетическую привлекательность и пригодное для публикации качество получаемых с его помощью графиков, возможность создавать пользовательские типы диаграмм, а также большой набор опций для тонкой настройки внешнего вида графиков. В этой книге описаны основы работы с ggplot2 и приведены многочисленные примеры кода, которые читатели легко могут модифицировать для собственных нужд.

#книгадня

​​ 11 книг по ИИ и Data Science для изучения в 2019
С революционными возможностями в области ИИ и Data Science трудно разобраться! В статье вы найдёте  подборку лучших книг в данной области, которая поможет сделать этот путь короче и продуктивнее!

#статьядня

https://proglib.io/p/ai-and-datascience/

Видеолекции курса «Машинное обучение» от Школы анализа данных
Это один из основных курсов в школе, обязательный для всех студентов.

Преподаватель: Константин Вячеславович Воронцов

#видеодня

https://yandexdataschool.ru/edu-process/courses/machine-learning#item-1

SmartData – конференция, посвященная техническим вопросам из мира Big Data и обработки данных. Здесь нет разговоров о том, насколько те или иные технологии/подходы перспективны или полезны. У нас уже есть стек: выбирай инструмент, бери и делай. Доклады посвящены применению Big Data подходов в приложении к реальным задачам

#youtubeдня

https://www.youtube.com/channel/UCfCOJWNC_ipu34-LVvPUeCg/about

​​Введение в анализ данных. Учебник и практикум
Автор: Борис Миркин
Чтобы понять, какие методы машинного обучения можно применить к вашему набору данных или как его лучше подготовить, вы должны уметь производить предварительный анализ данных.
В данном учебнике, подготовленном на основе большого международного опыта исследований и преподавания, излагаются основные методы анализа данных, относящихся прежде всего к одному или двум изучаемым признакам. Подробно рассмотрены вопросы анализа и интерпретации связей между двумя количественными, двумя качественными, а также качественным и количественным признаками.

#книгадня

​​6 шагов, которые помогут стать специалистом по Data Science
Давно думали разобраться в науке о данных, но не знали, с чего начать? Мы собрали материалы, которые помогут стать специалистом по Data Science.

#статьядня

https://proglib.io/p/data-science-basics/

Академия искусственного интеллекта
 
1. Искусственный интеллект сегодня
2. Истоки ИИ 1950-1990
3. Недавние вехи ИИ
4. Новейшие разработки ИИ
5. Резюме
6. Введение в машинное обучение
7. Обучение с учителем
8. Модели машинного обучения
9. Пример задачи машинного обучения
10. Итоги курса

#youtubeдня

https://www.youtube.com/playlist?list=PLxF_rYtB5vBC6MIx4Y3VX_O67jX0iG6U-