Обзор наиболее интересных материалов по анализу данных и машинному обучению №33 (26 января — 1 февраля 2015)

Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

•   Почему стоит изучать R, если вы решили заняться «наукой о данных»
•  Постер Data Science
•  Глубокие недостатки глубокого обучения — интересная статья с блога KDnuggets о потенциальных недостатках популярного метода машинного обучения Deep Learning.
•   Может ли Microsoft сделать R простым?
•  Большой список ресурсов по теме искусственного интеллекта — здесь есть ссылки на курсы, книги, ресурсы по программированию, примеры кода и еще масса других интересных ссылок по теме AI.
•   О машинном обучении простым языков — краткая статья об основах машинного обучения от авторов блога Analytics Vidhya.
•  Новичок в теме Deep Learning? Вот 4 простых урока от Google
•  Big Data: 5 ведущих компаний и их планы на 2015 год

Теория и алгоритмы машинного обучения, примеры кода

•   Линейная регрессия на R — в данной публикации описаны 4 способа использования линейной регрессии в языке программирования R.
•    Когда данных действительно много: Vowpal Wabbit
•   Deep learning и Caffe на новогодних праздниках
•   Word2Vec в примерах
•  Проект Providence: Использование машинного обучения в работе Stack Exchange
•  Создание предсказательной модели в Azure ML — пошаговый пример создания предсказательной модели в набирающем популярность облачном продукте Microsoft Azure Machine Learning.
•   Слежение за объектом в реальном времени с дрона с использованием Python и OpenCV
•   Eigenfaces: создание призрачных образов из набора лиц — достаточно интересная статья, посвященная одному из теоретических аспектов распознавания лиц.
•   Статистический взгляд Deep Learning (часть 1): рекурсивные обобщенные линейные модели (Recursive GLMs)
•    Пример реализации комитета алгоритмов с помощью scikit-learn — очередная хорошая статья от Sebastian Raschka, в данном случае это пример реализации комитета алгоритмов, а именно Weighted Majority Rule Ensemble Classifier с использованием библиотеки scikit-learn.
•   Пример предсказательной модели в R: кластеризация по сходству тэгов — небольшой пример кода на R по кластеризации данных от автора библиотеки Caret.
•   spaCy: современная библиотека для обработки естественного языка — интересная библиотека для NLP с использованием Python.
•   Параллельное программирование с использованием GPU и R
•  Введение в потоковый метод k-средних в Apache Spark 1.2
•   Краткое введение в линейную регрессию
•   Использование Apache Hadoop для предсказания задержек авиарейсов (часть 3) — третья часть серии статей с блога компании Hortonworks о практическом использовании Apache Hadoop для предсказания задержек авиарейсов.
•  Deep learning для обработки естественного языка: подборка недавних публикаций
•   Что такое обучение с учителем (Supervised learning) и обучение без учителя (Unsupervised learning)

Соревнования по машинному обучению

•  Интервью с победителями соренования «American Epilepsy Society Seizure Prediction Challenge» на Kaggle
•  Обучаемый персептрон в соревнованиях по машинному обучению

Онлайн-курсы, обучающие материалы и литература

•   Начало курса «Линейная алгебра» на Coursera — 2 февраля на Coursera начнется русскоязычный курс, посвященный линейной алгебре и представленный НИУ «Высшая школа экономики».
•    DataQuest: онлайн-обучение машинному обучению — не так давно запущенная англоязычная бесплатная платформа для изучения Data Science с использованием Python.
•    Стартовал онлайн-курс «Linear Algebra — Foundations to Frontiers» — 28 января на edX начался курс по основам линейной алгебры от «The University of Texas at Austin: Linear Algebra — Foundations to Frontiers».
•   Coding the Matrix на Coursera — и еще один курс, посвященный линейной алгебре, начнется в ближайшие дни на Coursera: «Coding the Matrix: Linear Algebra through Computer Science Applications».
•   Обзор книги: Getting started with data science in the cloud
•    Книга: Beginning Data Science with R

Видеоматериалы, подкасты

•    Введение в Deep Learning от Nando de Freitas — интересное видео от Dr. Nando de Freitas (Adjunct Professor at UBC Computer Science, Full-time Professor at Oxford). В данном случае это лекция по основам Deep Learning.
•  Talking Machines: Эпизод 3: Интервью с Kevin Murphy — третий эпизод «Talking Machines», в данном случае это интервью с Kevin Murphy (Research Scientist, Google), в данном эпизоде затронуты такие темы, как использование Torch, PyMC, Weka, Theano, Caffe и другие.
•   Введение в Microsoft Azure Machine Learning — видеолекция об основах Microsoft Azure Machine Learning с портала Microsoft Virtual Academy.

Data engineering

•  Интересные цифры из опроса по Apache Spark

Обзоры

•  Лучшие материалы за неделю от KDnuggets.com (18 — 24 января)
•  Новости Data Science от MyDataMine.com (29 января)
•  Новости Big Data от MyDataMine.com (26 января)
•  Еженедельный дайджест от DataScienceCentral (5 февраля)
•  Лучшие ресурсы за неделю от Data Elixir (№20)
•  Еженедельный сборник лучших материалов от R1Soft (30 января)
•  Наиболее интересные материалы по High Scalability (30 января)

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №32 (19 — 25 января 2015)

Автор: moat

Источник