Обзор наиболее интересных материалов по анализу данных и машинному обучению №36 (16 — 22 февраля 2015)

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

Общее

•   Седьмая ежегодная Летняя школа Microsoft Research. На этот раз про машинное обучение и интеллект
•   IBM Watson for Oncology: помощь когнитивной системы в борьбе с раком
•  Искусственный интеллект который может понимать, о чём видео
•   Русскоязычные ресурсы по статистике, машинному обучению, R
•  Инфографика: история Data Science
•  Microsoft укрепляет позиции Python и Linux в своих новых инструментах в области Big Data
•   Начало пути и развитие в области машинного обучения — хорошая мотивирующая статья от автора блога MachineLearningMastery.
•  На текущий момент Apache Spark выглядит как будущее Big Data
•  Deeplearning4j: Библиотека Deep Learning для Java
•  Data Science: список активных блогов
•  Microsoft анонсировал общедоступность платформы Azure Machine Learning
•  Как Pinterest борется со спамом
•  Google сделал доступной библиотеку для работы с MapReduce с помощью C/C++
•  Pintereset: Аналитика в реальном времени — инженеры компании Pinterest делают обзор своей архитектуры систем аналитики в реальном времени.
•  Чем заняться во время прогонов по обучению модели — несколько интересных идей от автора блога MachineLearningMastery о том, чем заняться во время пауз, которые могут возникнуть во время запуска процессов по обучению модели в задачах машинного обучения.
•  Channel 9 разработал API рекомендаций для Azure ML

Теория и алгоритмы машинного обучения, примеры кода

•    Машинное обучение — 1. Корреляция и регрессия. Пример: конверсия посетителей сайта
  
•    Введение в Apache Spark
•   Обзор алгоритмов аудиоаналитики
•   Бильярдный бот: история создания
•  Нейронные сети в Azure ML — введение в Net#
•    Введение в байесовские сети с использованием R
•   Основы распараллеливания при использовании языка программирования R
•   Получение данных с датчиков Arduino с помощью языка программирования R
•   Kayak: библиотека для работы с глубинными нейронными сетями
•  Пример работы иерархической кластеризации — визуализированный пример работы иерархической кластеризации, созданный с использованием языка программирования R и библиотеки визуализации Shiny.
•   Серия уроков по машинному обучению и обработке естественного языка. Урок 3: Теорема Байеса

Соревнования по машинному обучению

•  Соревнование по машинному обучению: Microsoft Malware Classification Challenge (BIG 2015)
•  Соревнование по машинному обучению: March Machine Learning Mania 2015

Онлайн-курсы, обучающие материалы и литература

•   Введение в курс «Анализ изображений и видео». Лекции от Яндекса
•   Онлайн-курс: D003x.1: Applications of Linear Algebra Part 1
•   Онлайн-курс «Model Building and Validation — Advanced Techniques for Analyzing Data»
•   Обзор книги: Data Mining for Managers
•   Интервью с автором книги «R Machine Learning Essentials»

Видеоматериалы, подкасты

•   Apache Spark — SDK для всех Big Data платформ — интересный доклад, посвященный Apache Spark. В данном выступлении Pat McDonough рассказывает о развитии Apache Spark и возможности использования данного продукта в области обработки и анализа данных.
•   DataFrame в Apache Spark для масштабирования задач Data Science — видео с недавнего митапа в дополнение новости о том, что в Apache Spark 1.3 появится новая возможность использования DataFrame. Собственно в данном видео Reynold Xin и расскажет о данной новой функциональности в Apache Spark.
•   Введение в Deep Learning с использованием Python

Data engineering

•  Microsoft делает Apache Storm общедоступным в своей облачной платформе Azure
•  Недавние улучшения производительности Apache Spark — Reynold Xin рассказывает о последних значительных улучшениях производительности Apache Spark.
•  Анонс DataFrame в Apache Spark — в Apache Spark версии 1.3 появится возможность использования DataFrame, данная статья расскажет о деталях реализации и использования DataFrame в Apache Spark.
•  Расширение возможностей аналитики в MemSQL с помощью Apache Spark

Обзоры

•   Интересное из мира R (9-15 февраля 2015 г.)
•  Лучшие материалы за неделю от KDnuggets.com (8 — 14 февраля)
•  Новости Data Science от MyDataMine.com (21 февраля)
•  Новости Big Data от MyDataMine.com (18 февраля)
•  Еженедельный дайджест от DataScienceCentral (23 февраля)
•  Еженедельный дайджест от DataScienceCentral (16 февраля)
•  Лучшие ресурсы за неделю от Data Elixir (№23)
•  Еженедельный сборник лучших материалов от R1Soft (20 февраля)
•  Наиболее интересные материалы по High Scalability (20 февраля)

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №35 (9 — 15 февраля 2015)

Автор: moat

Источник