​​6 шагов, которые помогут стать специалистом по Data Science
Давно думали разобраться в науке о данных, но не знали, с чего начать? Мы собрали материалы, которые помогут стать специалистом по Data Science.

#статьядня

https://proglib.io/p/data-science-basics/

​​Deep Learning with Python
Автор: Francois Chollet
Столь сложную тему, как глубокое обучение, лучше изучать с помощью этой книги Python. Вы разберетесь с практической частью работы компьютерного зрения, обработки языка и генеративных моделей.

#книгадня

​​Машины опорных векторов на практике
Машины опорных векторов (SVM) представляют собой особенно мощный и гибкий класс контролируемых алгоритмов как для классификации, так и для регрессии. В этом разделе мы разработаем интуицию, лежащую в основе машин опорных векторов, и их использование в задачах классификации.

#статьядня

https://jakevdp.github.io/PythonDataScienceHandbook/05.07-support-vector-machines.html

​​Введение в математическую теорию обучаемых распознающих систем и нейронных сете
Автор: Аркадий Гелиг, Алексей Матвеев

В пособии систематически излагаются основы математической теории обучаемых распознающих систем и нейронных сетей. Сочетая математическую строгость изложения с содержательной мотивацией и интерпретацией материала, авторы знакомят читателя с основными методами построения обучаемых распознающих систем, базовыми постановками задач и важнейшими типами алгоритмов.

#книгадня

​​Перенос стиля с помощью TensorFlow
Стиль передачи между фотографией и художественным изображением распространенное и хорошо изученное подполе в компьютерном зрении. В данной статье автор стремится воссоздать и улучшить структуру в Tensorflow.

#статьядня

https://cs231n.stanford.edu/reports/2017/pdfs/412.pdf

Учим компьютеры понимать чувства твитов
А все потому, что авторы не хотят читать все, что пишет Дональд Трамп!

#статьядня
 https://towardsdatascience.com/making-computers-understand-the-sentiment-of-tweets-1271ab270bc7

Понимание генеративных состязательных сетей (GAN)

Генеративные сети — это очень интересный класс нейронных сетей, которые учатся генерировать определённые объекты. Сейчас, подобные сети очень популярны и используются для самых разных задач — от генерирования пугающих картинок и суперразрешения до поиска лекарств от рака.
Посмотрим как шаг за шагом, построить GAN.

#полезностьдня

https://towardsdatascience.com/understanding-generative-adversarial-networks-gans-cd6e4651a29

​​ 7 трюков для глубокого обучения, о которых вы не знали
Неочевидные приемы для глубокого обучения, сокращающие время выполнения моделей и повышающие точность их результатов. Код прилагается.

#статьядня

https://proglib.io/p/deep-learning-tricks/

Анализ временных рядов (теория)
В данном видеокурсе поговорим о моделях временных рядов, стационарных и нестационарных рядах динамики, процессах авторегрессии и скользящего среднего, AR, MA, ARIMA, построении прогнозов и т.д.

#видеодня

https://www.youtube.com/playlist?list=PLu5flfwrnSD6wzkzgs4TocGL5GOXmEjZE

​​Прикладные методы анализа данных и знаний
Автор: Загоруйко Н.Г.

1. Введение в анализ данных
2. Основные понятия
3. Классификация задач анализа данных
4. Базовые гипотезы, лежащие в основе методов анализа данных
5. Методы анализа данных
6. Задача таксономии
7. Распознавание образов

#книгадня

Книга прикреплена ниже

Небольшое исследование свойств простой U-net, классической сверточной сети для сегментации
Данная статья была написана по анализу и изучению материалов соревнования по поиску корабликов на море.

#статьядня

https://habr.com/company/ods/blog/431512/

Анализ временных рядов в R

1. Работа с датами в R
2. Базовые действия с временными рядами
3. Загрузка данных из внешних источников
4. Построение робастных доверительных интервалов
5. Тесты на автокорреляцию в R
6. Как сгенерировать стационарные процессы в R
7. Как сгенерировать нестационарные процессы в R
8. ПримеR: анализ уровня воды озера Гурон
9. ПримеR: анализ стоимости акций компании Гугл и численности населения России
10. ПримеR: анализ индекса потребительских цен

#видеодня

https://www.youtube.com/playlist?list=PLu5flfwrnSD7RzoD7Qpgwbog_Un_HIdhp

​​Актуальная математика: самый понятный курс по анализу данных
Актуальная математика – это курс, который поможет понять, как работает анализ данных и поиск информации на примерах специалистов.

#статьядня

https://proglib.io/p/current-mathematics/

Следующий уровень визуализации данных в Python
Как создавать великолепные, полностью интерактивные сюжеты с помощью одной строки Python

#полезностьдня

https://towardsdatascience.com/the-next-level-of-data-visualization-in-python-dd6e99039d5e

​​Generation Robot: A Century of Science Fiction, Fact, and Speculation
Автор: Terri Favro

Эта новелла в сфере ИИ, рассматривающая вымысел, факты и последствия, к которым может привести использование роботов. Терри Фавро использует в своих рассуждениях творчество популярного писателя-фантаста Айзека Азимова, комиксы и научную фантастику, а также рассматривает, как робототехника и технологии проникают в нашу культуру. Книга для всех, кто интересуется роботами и желает порцию научной фантастики.

#книгадня

Алгоритмы машинного обучения
В данном видео рассмотрены все основные алгоритмы, которые необходимо знать!

#видеодня

https://www.youtube.com/watch?v=I7NrVwm3apg&t=421s

Нейронные сети для рекомендательных систем
Рекомендательные системы являются, пожалуй, наиболее распространенным бизнес-приложением систем машинного обучения. Недавно было разработано новое сочетание рекомендательных систем с использованием инструментов и гибкости моделирования из экосистемы Deep Learning.
В этой презентации дается обзор основных концепций RecSys, таких как заполнение матрицы для совместной фильтрации, и их связь с современными тенденциями в архитектурах нейронных сетей.

#видеодня

https://www.youtube.com/watch?v=qeeRVCqgk80&list=PLFjq8z-aGyQ5pDM0CYpsqRswZCrb91sF-&index=3

Совмещение R и Python: зачем, когда и как?
А вы задумывались о совмещении двух наиболее популярных языков в DataScience? Если нет и мало представляете зачем это нужно, то советуем почитать данную статью!

#статьядня

https://habr.com/ru/company/ods/blog/348260/