این یک سری اسلاید خیلی جالب بابت پیاده سازی اصولی یک پروژه ماشین لرنینگ هست


@machinelearningnet2

این نت های کلاس دیپ لرنینگ کورسرا هست، دوستانی که کلاس دیپ لرنینگ Andrew Ng رو گذروندن ( یا میخوام بگذرونن)، مطمئنا این نت کلاس خیلی میتونه مفید باشه

@machinelearningnet2

پکیج زیر برای دسترسی به دیتاهای کوید بصورت فرمت tidy هست و مقداری هم تحلیل های بیسیک روی دیتاها پیاده سازی میکنه 👇👇

@machinelearningnet2



https://ramikrispin.github.io/coronavirus/index.html

لینک زیر، یک کار خوب برای تحلیل داده های مسافران هواپیمایی قبل و بعد از کوید هست، کلی ایده میده که چطور برای دیتاهای تایم سری خودتون تحلیل مناسب رو انجام بدین، همه کدها هم اومده 👇👇

@machinelearningnet2


https://ramikrispin.github.io/2021/01/covid19-effect/

یکی از تاپیک هایی که مدتی هست توجهات رو در حوزه ماشین لرنینگ به خود جلب کرده ، بحث explainable AI هست، گوگل هم مدتی هست روی این حوزه کار میکنه، من یک roadmap جالب دیدم که بنظرم برای کسایی که این حوزه میخوان وارد بشن، خیلی کمک کننده هست، شاید بعضی از مفاهیم جدید باشن و واقعا بدرد ریسرچ بیشتر میخورن.
تکنیک هایی مثل Shap, lime , anchor , ... خیلی توی این فضا کاربردی هستن،

@machinelearningnet2

یه مقاله ای هم قبلا توی این حوزه بود، اما خوب اون خیلی محدودتر از این مپ بالاست

بنظرم کار کردن روی retail forecasting خیلی جالب شده، یکی از بهترین تاپیک های پیشبینی ( و ریسرچ) بحث روی retail forecasting با وجود کرونا و disruption های سیستم هست

@machinelearningnet2

یک مقاله و پرزنت جالب در زمینه استفاده از Variational Encoding در تایم سری و مخصوصا دیتای هلث

@machinelearningnet2

https://arxiv.org/pdf/1711.08576.pdf


پرزنت مقاله :

https://www.aparat.com/v/RupKl

تشخیص Anomaly در داده های سری زمانی با دو روش Isolation Forest و Density Estimation و پیاده سازی در پایتون:

فیلم ارائه:
https://www.aparat.com/v/SnGOq

نوت بوک کد ها:
https://colab.research.google.com/drive/1DxxSukQPjHAKaWfHIqphZUWuEligDFjX?usp=sharing

Forecasting for Data Scientists

A random walk through the random forest


By : Christoph Bergmeir


@machinelearningnet2

این یک tutorial بسیار کاربردی برای انواع مدلهای فورکاستینگ هست

Recurrent Neural Networks for Time Series Forecasting


By : Christoph Bergmeir


@machinelearningnet2

این یک مرور خوبی روی مدلهای RNN برای پیشبینی تایم سری انجام داده 👌

لیستی از بهترین کتابخانه های ماشین لرنینگ در پایتون
https://github.com/ml-tooling/best-of-ml-python

نزدیک ۵۰ پروژه در مورد تایم سری و فاینانس رو میتونید پیدا کنید
بعضی از این پروژه ها معروف هستن، مثلا پروژه prophet فیسبوک برای پیشبینی

@machinelearningnet2

امکانات جدید Rstudio اجازه میده که محیط پایتون و ویژولایزیشن های اونو ، داخل R داشته باشیم.
این باعث میشه که دوستان دیتاساینس تحلیل های مختلفی با دسترسی به کتابخانه های هر دو زبان ارائه بدن.

@machinelearningnet2

ممنون Rstudio 1.4.1103

یکی از اساتید دانشگاه Wisconsin-Madison کل لکچرهای کلاس machine learning خودش رو آنلاین گذاشته،

بنظرم دیدگاه جالبی به ماشین لرنینگ داره،

می تونید از لینک زیر ویدیوهاش رو ببینید
https://sebastianraschka.com/resources/ml-lectures-1.html


@machinelearningnet2

https://tracktherecovery.org/

این یک پکیج جالب هست که شاخص های کلان اقتصادی در آمریکا رو بر اساس ایالت و کانتی در دوره کوید نشون میده از ۲۰۲۰ تا الان. دیتای بسیار خوبی برای مقالات حوزه کوید هست،
همچین visualization خوبی هم استفاده کرده، و دقیقا متوجه میشید که مثلا چه اتفاقی به مصرف خانوار در طول مدت کوید افتاده، بسیار عالیه.

@machinelearningnet2

من برای مقالات کوید ازش استفاده خواهم کرد 🌺