Топ-10 библиотек Python для Data Science.
https://towardsdatascience.com/top-10-python-libraries-for-data-science-cd82294ec266
https://towardsdatascience.com/top-10-python-libraries-for-data-science-cd82294ec266
В статье рассказывается о книге, которая хорошо подойдет начинающим изучение науки о данных.
https://towardsdatascience.com/the-best-book-to-start-your-data-science-journey-f457b0994160
https://towardsdatascience.com/the-best-book-to-start-your-data-science-journey-f457b0994160
Medium
The Best book to Start your Data Science Journey
Here’s the book you should read to learn Data Science from scratch.
Здесь перечислены лучшие конференции 2019 года по искусственному интеллекту и машинному обучению, с записями выступлений и/или слайдами с презентаций.
https://heartbeat.fritz.ai/2019s-top-ai-machine-learning-conferences-157826706308
https://heartbeat.fritz.ai/2019s-top-ai-machine-learning-conferences-157826706308
Medium
2019's Top AI & Machine Learning Conferences
Highlighting the best conferences and most interesting presentations of the year
В видео рассказывается, какие математические дисциплины пригодятся для изучения машинного обучения.
https://youtu.be/8onB7rPG4Pk
https://youtu.be/8onB7rPG4Pk
YouTube
Mathematics of Machine Learning
Do you need to know math to do machine learning? Yes! The big 4 math disciplines that make up machine learning are linear algebra, probability theory, calculus, and statistics. I'm going to cover how each are used by going through a linear regression problem…
Автор показывает, как матричная факторизация используется в рекомендациях.
https://towardsdatascience.com/understanding-matrix-factorization-for-recommender-systems-4d3c5e67f2c9
https://towardsdatascience.com/understanding-matrix-factorization-for-recommender-systems-4d3c5e67f2c9
Medium
Understanding Matrix Factorization for recommender systems
Learn how to implement Matrix Factorization algorithm that Google used in implementing collaborative filtering models
Приглашаем поучаствовать в обсуждении: какой редактор вы используете для написания кода? https://proglib.io/discussions/kakoy-redaktor-vy-ispolzuete-dlya-napisaniya-koda-2020-01-16
Библиотека программиста
Какой редактор вы используете для написания кода?
Расскажите про свой любимый редактор и его фичи.
В статье рассматриваются 5 отраслей, на которые искусственный интеллект повлияет больше всего в 2020 году.
https://bigdata-madesimple.com/top-5-artificial-intelligence-trends-expect-2020/
https://bigdata-madesimple.com/top-5-artificial-intelligence-trends-expect-2020/
Big Data Made Simple
The top 5 artificial intelligence trends to expect in 2020
Artificial intelligence the fastest growing and least predictable industry. Expect to be amazed, enthralled and intimidated in 2020.
Статья о четырёх тенденциях в данных, которые меняют фитнес-индустрию.
https://bigdata-madesimple.com/4-data-trends-transforming-global-fitness-industry/
https://bigdata-madesimple.com/4-data-trends-transforming-global-fitness-industry/
Сборник статей по теме — Машинное обучение на iOS: Обработка естественного языка.
https://heartbeat.fritz.ai/machine-learning-on-ios-natural-language-processing-a3a146498738
https://heartbeat.fritz.ai/machine-learning-on-ios-natural-language-processing-a3a146498738
Medium
Machine Learning on iOS: Natural Language Processing
A catalogue of Heartbeat posts covering the use of natural language processing-based machine learning tasks on iOS
7 лучших видео TED по тематике Data Science.
https://proglib.io/p/7-luchshih-video-ted-po-tematike-data-science-2020-01-20
https://proglib.io/p/7-luchshih-video-ted-po-tematike-data-science-2020-01-20
Библиотека программиста
7 лучших видео TED по тематике Data Science
Подборка мотивирующих лекций по различным глобальным аспектам науки о данных. Видео с русскими субтитры доступны по ссылкам под роликами.
Как повысить продуктивность при анализе данных? 25 неочевидных инструментов.
https://proglib.io/p/kak-povysit-produktivnost-pri-analize-dannyh-25-neochevidnyh-instrumentov-2020-01-16
https://proglib.io/p/kak-povysit-produktivnost-pri-analize-dannyh-25-neochevidnyh-instrumentov-2020-01-16
Библиотека программиста
Как повысить продуктивность при анализе данных? 25 неочевидных инструментов
Список бесплатных инструментов и библиотек для аналитиков данных. Заслуживающие внимания пакеты, программы и ресурсы, о которых не так часто упоминают, как о NumPy, Pandas или Jupyter.
Лучшие способы использования данных для оптимизации непрерывных потоковых процессов.
https://bigdata-madesimple.com/best-ways-to-use-data-to-optimize-continuous-flow-processes/
https://bigdata-madesimple.com/best-ways-to-use-data-to-optimize-continuous-flow-processes/
#MoscowTravelHack #DataScience #ПредиктивнаяАналитика
Задачи для DataSience-команд и аналитиков в рамках хакатона Moscow Travel Hack. Создай предиктивную модель покупки билета на основе данных о пользователе в сервисе «Мегафон Путешествия» или придумай рекомендательный сервис, который сможет построить индивидуальную программу посещения Москвы для иностранного туриста на платформе Russpass.
Эти и другие 10 задач можно найти на сайте хакатона travelhack.moscow
Призовой фонд — 1,1 млн рублей!
Задачи для DataSience-команд и аналитиков в рамках хакатона Moscow Travel Hack. Создай предиктивную модель покупки билета на основе данных о пользователе в сервисе «Мегафон Путешествия» или придумай рекомендательный сервис, который сможет построить индивидуальную программу посещения Москвы для иностранного туриста на платформе Russpass.
Эти и другие 10 задач можно найти на сайте хакатона travelhack.moscow
Призовой фонд — 1,1 млн рублей!
Создание функций на Python для разведочного анализа данных и очистки данных.
https://towardsdatascience.com/creating-python-functions-for-exploratory-data-analysis-and-data-cleaning-2c462961bd71
https://towardsdatascience.com/creating-python-functions-for-exploratory-data-analysis-and-data-cleaning-2c462961bd71
Medium
Creating Python Functions for Exploratory Data Analysis and Data Cleaning
Exploratory Data Analysis and Data Cleaning are two essential steps before we start to develop Machine Learning Models, and they can be…
Разработчик Cortex Калеб Кайзер делится соображениями о преимуществах применения Go для инфраструктурных решений в ML-проектах и о том, как два языка (Python и Go) могут дополнять друг друга.
https://proglib.io/p/opyt-razrabotki-pochemu-my-pishem-infrastrukturu-mashinnogo-obucheniya-na-go-a-ne-na-python-2020-01-15
https://proglib.io/p/opyt-razrabotki-pochemu-my-pishem-infrastrukturu-mashinnogo-obucheniya-na-go-a-ne-na-python-2020-01-15
Библиотека программиста
Опыт разработки: почему мы пишем инфраструктуру машинного обучения на Go, а не на Python
Разработчик Cortex Калеб Кайзер делится соображениями о преимуществах применения Go для инфраструктурных решений в ML-проектах и о том, как два языка могут дополнять друг друга.
Learn PySpark: Build Python-based Machine Learning and Deep Learning Models (2019)
При помощи книги вы научитесь использовать модели машинного и глубокого обучения и создавать приложения с помощью PySpark, а также работать с real-time data. Эта книга подойдет желающим научиться работать с PySpark для проведения исследовательского анализа данных и решения бизнес-задач. Она рассчитана на специалистов в науке о данных, инженеров, работающих с моделями машинного обучения и глубокого обучения, которые хотят изучать и использовать PySpark для анализа потоковых данных.
При помощи книги вы научитесь использовать модели машинного и глубокого обучения и создавать приложения с помощью PySpark, а также работать с real-time data. Эта книга подойдет желающим научиться работать с PySpark для проведения исследовательского анализа данных и решения бизнес-задач. Она рассчитана на специалистов в науке о данных, инженеров, работающих с моделями машинного обучения и глубокого обучения, которые хотят изучать и использовать PySpark для анализа потоковых данных.