Русскоязычный курс по глубокому обучению от МФТИ. Рекомендуем!

https://deepmipt.github.io/dlschl/

Нейронные сети за 30 минут: от теории до практики.

Автор видео расскажет что такое нейронные сети, и как они используются. За 30 минут вы узнаете минимально необходимую теорию, а так же сможете написать свою первую многослойную нейронную сеть самостоятельно (она займет не более 50 строк кода!).

https://www.youtube.com/watch?v=AZG0j0pNY-4

FeatureSelector: отбор признаков для машинного обучения на Python

Поиск и отбор признаков в исходных данных является важнейшим этапом обучения. Рассмотрим 5 методов выборки и один удобный инструмент.

https://proglib.io/p/feature-selector/

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

Интенсивный курс по нейронным сетям от MailRu

1. Темы первой лекции:
— Нейронные сети прямого распространения;
— backpropagation;
— обучение глубоких нейронных сетей;
— сверочные сети.
2. Генеративные сети.
3. Детекция и сегментация.
4. Face Recognition.
5. DSSM-like модели. Нейронные сети для работы с текстами.
6. RNN. Нейронные сети для работы с текстами.

Ссылка на плейлист: https://vk.com/wall-54530371_211891

Подборка докладов со SmartData 2017

1. CatBoost — следующее поколение градиентного бустинга
Speaker: Анна Вероника Дорогуш

2. Нет данных? Нет проблем! Deep Learning на CGI
Speaker: Иван Дрокин

3. Deep Learning: Распознавание сцен и достопримечательностей на изображениях
Speaker: Андрей Бояров

4. Краудсорсинг: как приручить толпу?
Speaker: Артём Григорьев

5. Neurona: зачем мы научили нейросеть писать стихи в стиле Курта Кобейна?
Speaker: Иван Ямщиков

6. Глубокие свёрточные сети для обнаружения объектов и сегментации изображений
Speaker: Сергей Николенко

7. Распределённое ML на больших данных: опыт построения рекомендательной системы в ivi
Speaker: Борис Шминке

8. Имя — это фича
Speaker: Виталий Худобахшов



Ссылка на канал с докладами:
https://www.youtube.com/channel/UCfCOJWNC_ipu34-LVvPUeCg

Три доклада Алексея Селезнева (Head of Analytics, Netpeak) на тему аналитики и маркетинга.

Как разобраться со своими данными, если ты не аналитик
https://youtu.be/DpRrjVlKiQI

Как построить отдел аналитики в крупной компании. Команда, задачи и KPI. Кейсы Netpeak
https://netpeak.ua/education/speech/390/

BI решение для отдела контекстной рекламы
https://youtu.be/hEywnf8l2r8

Кроме этого:
- подборка пакетов на R для маркетологов от Алексея http://bit.ly/2E0Nlu1
- разбор синтаксиса функции QUERY, которая сможет заменить вам Google Sheets.
https://www.owox.com/c/2m6

В закладки

Подборка видео по нейронным сетям

1. Нейронные сети за 30 минут: от теории до практики
https://www.youtube.com/watch?v=AZG0j0pNY-4

2. Chatbot на базе рекуррентной нейронной сети своими руками с нуля
https://www.youtube.com/watch?v=Oo3DgYTL-Nw

3. Обучение нейронных сетей методом обратного распространения ошибки
https://www.youtube.com/watch?v=HA-F6cZPvrg

4. Sentiment analysis русскоязычных твитов при помощи TensorFlow
https://www.youtube.com/watch?v=CDpbJIbDhys

5. Распределенное обучение нейронных сетей с MXNet
https://www.youtube.com/watch?v=-XX6yOG-nX0

Машинное обучение и Python

Эта серия видеоуроков посвящена изучению машинного обучения и реализации различных алгоритмов на языке Python👇

1. Введение
2. Регрессия
3. Признаки и метки
4. Обучение и тестирование
5. Прогнозирование и предсказание
6. Масштабирование
7. Принципы работы регрессии
8. Наилучший угловой коэффициент
9. Наилучшая прямая

Ссылка на плейлист: https://www.youtube.com/watch?v=OGxgnH8y2NM&list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v

Нейронные сети, технологии будущего

Вопросы, которые будут рассмотрены в рамках вебинара:

— что такое искусственные нейронные сети и искусственный интеллект?
— в чем они отличаются от биологических нейронных сетей и интеллекта человека?
— где нейронные сети используются сейчас и где будут применяться?
— какой объем знаний и навыков необходим для создания нейронных сетей?
— где получить лучшее образование в этой области?
— практическая польза от знания в этой области?
— кто по ту сторону экрана: человек или машина?
— какие фирмы уже создают искусственный интеллект?
— рекорды нейросетей? В чем машины уже лучше нас?
— 10 мифов об искусственном интеллекте;
— 5 загадок нейросетей;
— самые интересные и красивые примеры нейросетей;
— задачи, решаемые с помощью нейросетей;
— когда будет создан искусственный интеллект? Основные этапы?
— самые сложные нейросети.

Ссылка на видео:
https://youtu.be/tX-cxcje9UU

От новичка до профи в машинном обучении за 3 месяца

В этой статье мы расскажем, как за три месяца получить самообразование в машинном обучении. Приводятся ссылки на соответствующие ресурсы.

https://proglib.io/p/ml-3months/

Не знаете что почитать по машинному обучению? Не беда!

Подготовили для вас подборку из 9 бесплатных книг на данную тему:
https://proglib.io/p/machine-learning-free-books-list/

Лекции по машинному обучению и нейронным сетям

1. «Что такое машинное обучение и наука о данных?» — Александр Фонарев
В последние годы человечество находит всё больше способов с пользой использовать данные, накапливающиеся в ходе самых разных процессов. Например, информация о поведении пользователя на музыкальном сайте позволяет рекомендательной системе предположить, что ещё может ему понравиться. Анализируя истории болезней пациентов, можно обнаруживать незаметные для человека связи и устанавливать неизвестные ранее симптомы опасных заболеваний. А используя базу изображений из интернета, можно построить алгоритм для автоматической детекции нужных объектов на фотографиях.
Все эти задачи решаются с помощью методов машинного обучения, которые способны находить сложные закономерности в больших данных. Мы поговорим о том, что такое машинное обучение и что изучает наука о данных, а также обсудим большое количество современных методов машинного обучения и задач, для решения которых они применяются.

Ссылка на видео: https://youtu.be/5mCMg-hFXKM

2. «Нейронные сети» — Константин Лахман
Использование глубоких нейронных сетей – самый актуальный, эффективный и активно развивающийся метод машинного обучения. Мы коснёмся истории развития нейронных сетей, поговорим об их основных особенностях и принципиальных отличиях от других моделей, применяемых в машинном обучении. Кроме того, поговорим о конкретных примерах применения нейросетевых технологий и их ближайших перспективах.

Ссылка на видео: https://youtu.be/PTS3bHZ7Y5I

Что такое машинное обучение и примеры его использования в Яндексе

Спикер: Александр Крайнов, руководитель службы компьютерного зрения Яндекса

Ссылка на доклад: https://youtu.be/po31nmBzbCY

Самый понятный видеокурс о том, как работают нейросети

Нейронные сети произвели фурор в IT, и интерес к ним не угасает. Эта подборка видеолекций внесёт ясность в понимание процессов нейросети.

https://proglib.io/p/clear-neural-networks/

Очень символичная история, и очень в духе времени: Гугл запустил сервис поиска данных. Datasets нынче нужны не только классическим исследователям и аналитикам; с данными научились работать люди разных профессий и просто энтузиасты. Вот только поиск данных, да ещё и из хороших источников — долго был отдельным видом спорта.
Теперь должно стать попроще жить, особенно в тех странах, где выкладывать данные в открытый доступ куча организаций просто обязана. Понятно, дело не обошлось без любимого Гуглом формата описания schemа org, но это даже хорошо.
А вообще интересно, как потихоньку поиск расширяется от контента для людей до контента для алгоритмов ;)
https://www.blog.google/products/search/making-it-easier-discover-datasets/

Детальный план самообразования в Computer Science за 1.5 года со ссылками на онлайн-курсы и другие образовательные сайты.

https://proglib.io/p/cs-learning/

TОП-10 свежих open source проектов по машинному обучению

Редакция Библиотеки программиста подготовила подборку интересных и популярных проектов по машинному обучению, которые вдохновят вас.

https://proglib.io/p/opensource-machine-learning/

Вопросы для собеседования на позицию Data Scientist в топовых компаниях

Если изучаете Data Science и собираетесь трудоустраиваться, подготовьтесь к собеседованию по этой статье👇

https://proglib.io/p/data-scientist-questions/

Multiclass logistic regression
BigQuery теперь умеет тренировать модель логистической регрессии для задач со множеством классов.
В общем, тянуть уже некуда, пора заниматься машинным обучением, так что вот вам занятие на выходные 🤤

https://cloud.google.com/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create#training_a_multiclass_logistic_regression_model_with_automatically_calculated_weights

@Burgerdata

Лекции по нейронным сетям

1. Введение в нейронные сети.
2. Машинное обучение в эпоху больших данных.
3. Перцептрон и однослойные сети.
4. Backpropagation. Многослойные нейронные сети.
5. Введение в свёрточные сети.
6. Современные CNN архитектуры.
7. Задачи детектирования и сегментации
8. Введение в RNN
9. Embeddings and data representation

Ссылка на плейлист с лекциями:
https://www.youtube.com/watch?v=23zhVwjrdU8&list=PL0Ks75aof3Th2vlYGtvL92YN7S_2bux1S