Прогноз временных рядов.

https://proglib.io/w/dd09c889

Основные типы нейронных сетей и их приложения - туториал.

https://proglib.io/w/ef4f8b4a

The Self-Service Data Roadmap (2020)
Автор: Sandeep Uttamchandani
Количество страниц: 438

Аналитика, основанная на данных, является ключевым конкурентным преимуществом в любой отрасли, но получение информации из необработанных данных все еще может занять дни или недели. С помощью этой практической книги специалисты по обработке данных и менеджеры команд узнают, как создать платформу для самостоятельного анализа, которая поможет любому сотруднику вашей организации извлекать информацию из данных. Эта книга перекидывает мост между учеными, занимающимися данными, и инженерами.

Скачать книгу

Статья о подготовке к прохождению интервью.

https://proglib.io/w/2d3402c5

Machine Learning: A Bayesian and Optimization Perspective (2019)
Автор: Sergios Theodoridis
Количество страниц: 1160

Книга охватывает большинство методов машинного обучения, описывая их с математической перспективы. В ней собраны самые различные темы от метода средних квадратов до скрытых марковских моделей. Главы составлены так, чтобы быть максимально самодостаточными, и читатель мог бы в любой момент открыть нужную главу и разобраться в проблеме.

Скачать книгу

Пять вопросов c интервью по Data Science, на которые должен отвечать любой кандидат.

https://proglib.io/w/308e7279

Хочешь, чтобы в твоей ленте всегда была актуальная полезная информация из мира DataScience?

https://t.iss.one/SkillFactory_PRO

- Последние новости индустрии
- Продвинутая аудитория(junior, middle специалисты)
- Обсуждения с ведущими экспертами индустрии
- Регулярные мероприятия с ведущими экспертами индустрии на примере актуальных кейсов
- Подробная информация о студентах и их проектах, с которыми они пришли в Акселератор

Полный список обязательных знаний по науке о данных

Посмотрите лучшие места для изучения линейной алгебры, математического анализа, статистики, теории вероятностей и программирования.

https://proglib.io/w/00779a71

Как Apple M1 повлияет на машинное обучение?

https://proglib.io/w/ffc15576

Learning Spark: Lightning-Fast Data Analytics (2020)
Авторы: Jules S. Damji, Brooke Wenig, Tathagata Das, Denny Lee
Количество страниц: 400

Данное издание, обновленное для освещения версии Spark 3.0, показывает инженерам и специалистам по обработке данных, почему структура и унификация в Spark важны. В частности, в этой книге объясняется, как выполнять простой и сложный анализ данных и применять алгоритмы машинного обучения.

Скачать книгу

5 недооцененных библиотек Python для использования в вашем следующем проекте по Data Science.

https://proglib.io/w/f91b33db

Hands-On Time Series Analysis with R (2019)
Автор: Rami Krispin
Количество страниц: 448

Анализ временных рядов - это искусство извлечения значимой информации из данных и выявления закономерностей с использованием статистических подходов и визуализации данных. Эти идеи и закономерности можно использовать для изучения прошлых событий и прогнозирования будущих значений в серии. В этой книге исследуются основы анализа временных рядов с помощью R и закладываются основы, необходимые для построения моделей прогнозирования.

Скачать книгу

18 лучших практик машинного обучения.

https://proglib.io/w/6883842f

Делаем распечатанные ссылки интерактивными с помощью API обнаружения объектов TensorFlow 2.

https://proglib.io/w/297cba4b

12 вещей, которые я узнал за первый год работы инженером машинного обучения.

https://proglib.io/w/464d1326

Python Machine Learning By Example (2020)
Автор: Yuxi (Hayden) Liu
Количество страниц: 526

Данная книга поможет вам погрузиться в мир машинного обучения на Python. С помощью реалистичных примеров вы получите понимание механики методов машинного обучения в таких областях, как исследовательский анализ данных, разработка функций, классификация, регрессия, кластеризация и NLP. К концу этой книги вы получите общее представление об экосистеме ML и будете хорошо разбираться в передовых методах применения методов ML для решения задач.

Скачать книгу

Как успешно пройти собеседование на позицию аналитика.

https://proglib.io/w/7bc5fdf0

Как думать о корреляции? Это наклон регрессии после стандартизации x и y.

https://proglib.io/w/0bdf4448

Основы науки о данных - A/B-тестирование.

https://proglib.io/w/0171f3a8

Реализация вариационного автокодировщика с помощью PyTorch.

https://proglib.io/w/b311cd1f

Fundamentals of Machine Learning for Predictive Data Analytics (2020)
Авторы: John D. Kelleher, Brian Mac Namee, Aoife D'Arcy
Количество страниц: 856

Машинное обучение часто используется для построения прогнозных моделей для извлечения шаблонов из больших наборов данных. Модели используются в анализе данных, например, в прогнозировании цен, оценке рисков, прогнозировании поведения клиентов и классификации документов. Данный учебник предлагает подробное и целенаправленное рассмотрение наиболее важных подходов машинного обучения, используемых в аналитике данных, охватывая как теоретические концепции, так и практические приложения. Технический и математический материал дополнен пояснительными рабочими примерами, а тематические исследования иллюстрируют применение этих моделей в более широком бизнес-контексте.

Скачать книгу