Машинное обучение: анализ временных рядов Azure Machine Learning для поиска аномалий
В данной статье автор рассказывает, как использовать модуль Time Series Anomaly Detection сервиса машинного обучения Azure Machine Learning для определения аномальных показателей датчиков.

#статьядня

https://habr.com/company/microsoft/blog/343188/

Математика в машинном обучении
В данном видео автор ответит на вопрос, нужно ли знать математику, чтобы заниматься машинным обучением и рассмотрит 4 основные математические дисциплины, составляющие машинное обучение - линейная алгебра, теория вероятностей, исчисление и статистика. А также, на примерах, покажет, как их использовать.

#видеодня

https://www.youtube.com/watch?v=8onB7rPG4Pk

​​AI and Analytics: Accelerating Business Decisions
Автор: Sameer Dhanrajani
Необходимая к прочтению книга, предназначенная для руководителей и начинающих предпринимателей в области ИИ и Data Science. Она располагает бизнес-идеями, которые помогут стимулировать изменения в организации, используя популярные технологии: чат-боты, блокчейн и криптовалюту. Основное внимание уделено комплексным стратегиям и методологиям в аналитике. Автор охватывает большинство популярных отраслей бизнеса, таких как банковское дело, здравоохранение, страхование, розничная торговля и т. д.

#книгадня

На пути к виртуальному каскадеру
Проблемы контроля динамики движения в последнее время вошли в круг стандартных задач обучения с подкреплением. Методы глубокого обучения показали здесь высокую эффективность для широкого круга проблем.

#видеодня

https://www.youtube.com/watch?v=vppFvq2quQ0

Классификация изображений за 10 минут с помощью набора данных MNIST
Когда вы начинаете изучать глубокое обучение с помощью нейронной сети, вы понимаете, что одним из наиболее мощных контролируемых методов глубокого обучения являются сверточные нейронные сети (сокращенно «CNN»). Окончательная структура CNN на самом деле очень похожа на обычные нейронные сети (RegularNets), где есть нейроны с весами и смещениями. CNN в основном используются для классификации изображений.

#статьядня

https://towardsdatascience.com/image-classification-in-10-minutes-with-mnist-dataset-54c35b77a38d

​​Введение в анализ данных. Учебник и практикум
Автор: Борис Миркин
Чтобы понять, какие методы машинного обучения можно применить к вашему набору данных или как его лучше подготовить, вы должны уметь производить предварительный анализ данных.
В данном учебнике, подготовленном на основе большого международного опыта исследований и преподавания, излагаются основные методы анализа данных, относящихся прежде всего к одному или двум изучаемым признакам. Подробно рассмотрены вопросы анализа и интерпретации связей между двумя количественными, двумя качественными, а также качественным и количественным признаками.

#книгадня

​​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