Очистка данных с Python и pandas, введение.

https://proglib.io/w/259a4e21

Data Visualization: A Practical Introduction (2018)
Автор: Kieran Healy

Эта книга предоставляет практическое введение в практику визуализации данных. В ней объясняется, что делает некоторые графики успешными, а другие - неудачными, как получать высококачественные иллюстрации из данных с помощью мощных и удобных методов, и как эффективно и правильно подходить к вопросу визуализации данных.

Скачать книгу

Шпаргалка по визуализации данных.

https://proglib.io/w/252075fa

Обширный курс по математическому анализу.

https://proglib.io/w/5e185a98

Автор рассказывает о проделанной работе, позволившей ему получить золотую медаль в соревновании на Kaggle.

https://proglib.io/w/faadacfc

Коллекция из 481 набора данных для различных задач обработки естественного языка.

https://proglib.io/w/5806a55e

Grokking Deep Learning (2019)
Автор: Andrew Trask

Grokking Deep Learning научит вас строить нейронные сети глубокого обучения с нуля! В своем увлекательном стиле, опытный эксперт по глубокому обучению Эндрю Траск показывает читателю науку "под капотом", так, чтобы изучить каждую деталь обучения нейронных сетей.

Скачать книгу

Полное руководство по линейной регрессии.

https://proglib.io/w/3615f780

Достойных вакансий на удалёнку в IT & Digital много, если знать, где их искать!

Всё еще в поисках работы мечты? Уверены, информация на нашем канале вас заинтересует. У вас мечты – у нас возможности!

Каждый день мы публикуем самые свежие вакансии на удалёнку в сфере IT & Digital на нашем канале @hiddengurus. С опытом и без. Работа найдётся для каждого!

Хочешь удалённо работать в крутых проектах из CША, Европы, РФ и Латинской Америки?

Тогда рекомендуем подписаться на @hiddengurus

Полный 4-летний план курсов для бакалавриата по искусственному интеллекту.

https://proglib.io/w/4d835dbb

Основы построения графиков в Matplotlib.

https://proglib.io/w/9c514ef3

Data Science in Production (2020)
Автор: Ben G Weber

Внедрение прогностических моделей в производство является одним из самых прямых способов, которыми data scientist-ы могут принести пользу бизнесу. Изучив, как создавать и развертывать масштабируемые пайплайны, можно быстрее завершать работы и создавать новые продукты. В этой книге представлен практический подход к расширению кода Python для работы в распределенных средах с целью создания надежных конвейеров. Читатели узнают, как настроить модели машинного обучения в качестве конечных точек сети, бессерверных функций и потоковых конвейеров с использованием нескольких облачных сред. Книга предназначена для специалистов-аналитиков, имеющих практический опыт работы с библиотеками Python, такими как pandas и scikit-learn, и сосредотачивается на расширении прототипов моделей для производства.

Скачать книгу

Курс по глубокому обучению от Deep Learning School.

https://proglib.io/w/7cc4dc9e

Масштабируемая библиотека машинного обучения на C++.

https://proglib.io/w/bd16694a

Полезные советы по работе с pandas.

https://proglib.io/w/dc736c18

Топ-3 функции pandas, о которых вы не знаете.

https://proglib.io/w/a89fb285

7 инструментов для создания лучшего портфолио.

https://proglib.io/w/a14cc753

Neural Networks and Deep Learning: A Textbook (2019)
Автор: Charu C. Aggarwal

Эта книга охватывает как классические, так и современные модели глубокого обучения. Основное внимание уделяется теории и алгоритмам глубокого обучения. Почему нейронные сети работают? Когда они работают лучше, чем готовые модели машинного обучения? Когда полезна глубина? Почему обучение нейронных сетей так сложно? Какие подводные камни? В книге есть ответы на эти и многие другие вопросы.

Скачать книгу

Курс лекций по Теории Вероятностей из MIT.

https://proglib.io/w/15b48884