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

Data Science за 3 месяца: эффективный учебный план

Data Science за 3 месяца? В своем ли мы уме? Вполне. Расскажем, как стать аналитиком данных за 12 недель по курсам Microsoft и др.

https://proglib.io/p/ds-in-3months/

Настраиваем Python для машинного обучения на Windows

Машинное обучение − это просто. Но знаете ли вы, что можно использовать Python для машинного обучения? Вот инструкция по настройке для Windows.

https://proglib.io/p/ml-python-setup/

«Всех нас заменят роботы» — страшилка, которая заставляет разумных людей морщиться, мол, глупость же. Но почитайте примеры, где ИИ уже подменяет людей — и впечатлитесь.
Колонка Дмитрий Радченко, Qmobi ↓

https://www.cossa.ru/trends/226041/

Актуальная математика – это курс, который поможет понять, как работает анализ данных и поиск информации на примерах специалистов.

1. Кластеризация
2. Коллективные эффекты в топологии
3. Математика в нейронных сетях
4. Изгибаемые многогранники
5. Интегрируемая геометрия
6. Многомасштабные взаимодействия

#youtubeдня

https://www.youtube.com/watch?v=2bjD0noF_DY&list=PLh6dVTO7f4FZvB_nildtxmVBWzNLr4Un_

Data Science для всех
Данное видео подойдёт для любой аудитории - никакой математики и никакого программирования

#видеодня

https://youtu.be/WMsr7WSAwcM

​​Настраиваем Python для машинного обучения на Windows
В этой статье рассказываем о возможностях Python для машинного обучения на Windows, описание дистрибутива Anaconda, процесс его установки и создание нейронной сети.

#статьядня

https://proglib.io/p/ml-python-setup/

А вы слышали, что теперь  Amazon бесплатно предоставляет курсы машинного обучения всем разработчикам, использующим платформу AWS?!

#новостьдня

Целевая аудитория: разработчики, аналитики, бизнес-профессионалы и инженеры данных.
Программа включает 30 курсов продолжительностью 45 часов.
Также есть возможность (правда, платно) сдать экзамен и получить сертификат «AWS Certified Machine Learning — Specialty».

Всю информацию найдете здесь:
https://aws.amazon.com/ru/training/learning-paths/machine-learning/

Мы для вас подготовили образовательные каналы по языкам программирования и технологиям, чтобы вы могли черпать из них обучающие материалы по тем темам, которые вам интересны. Ничего лишнего, только полезный контент. Подписывайтесь:
Go: @goproglib
C\C++: @cppproglib
PHP: @phpproglib
Frontend: @frontendproglib
Python: @pyproglib
Mobile: @mobileproglib
Data Science: @dsproglib
Java: @javaproglib

Дайджест: 300 ссылок на обучающие ресурсы по программированию

300 ссылок на обучающие ресурсы по программированию на языках JavaScript, Python, PHP, Ruby, C, C++, С#, Haskell, Scala и в их фреймворках.

https://proglib.io/p/300-programming-urls/

7 эффективных способов зарабатывать на искусственном интеллекте

Кто и сколько зарабатывает на искусственном интеллекте? Рассматриваем AI-экосистему и 7 способов превратить свои знания в прибыль.

https://proglib.io/p/make-money-with-ai/

Учебный план освоения глубокого обучения и нейросетей за 6 недель

План освоения глубокого обучения на базе открытых источников крупных университетов, статей и видеороликов специалистов анализа данных.

https://proglib.io/p/deep-learning-in-6-weeks/

4 концепта, необходимые специалисту по машинному обучению

Несколько полезных концептов, которые нужно изучить начинающему и не очень специалисту по машинному обучению и нейронным сетям.

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