Data Science Digest (October 2019)
- пятница, 1 ноября 2019 г. в 00:25:32
https://habr.com/ru/post/473984/
Приветствую всех!
Встречайте свежий выпуск дайджеста c подборкой интересных и полезных материалов под катом.
С сентября я возглавляю R&D отдел в VITech, где мы создаем продукты на основе ML для healthcare и других отраслей. Сейчас я в свою команду в Одессе ищу ML Researcher. По всем вопросам пишите мне в личку.
Спасибо, что дочитали этот выпуск. Надеюсь, каждый нашел для себя полезное. Буду благодарен за любые предложения для следующего дайджеста.
Присоединяйтесь к Telegram-каналу дайджеста и его страницам в соцсетях: Medium, Facebook, Twitter, LinkedIn.
← Предыдущий выпуск: Data Science Digest
- Python
- Алгоритмы
- Big Data
- Машинное обучение
- Искусственный интеллект
Приветствую всех!
Встречайте свежий выпуск дайджеста c подборкой интересных и полезных материалов под катом.
Статьи
- Рубрика «Читаем статьи за вас». Июль — Сентябрь 2019 — рецензии на научные статьи от членов сообщества Open Data Science из канала #article_essense. Хотите получать их раньше всех — вступайте в сообщество!
- How to Learn Data Science for Free — хорошая статья, которая описывает путь обучения Data Science, включая ресурсы.
- The State of Machine Learning Frameworks in 2019 — анализ предпочтительных фреймворков в отрасли: что выбирают и куда все движется.
- Google ML/AI Comic — забавный комикс от Гугла.
- Naive Bayes Classifier From Scratch in Python — статья об алгоритме «наивного» байесовского классификатора, как он работает и как его реализовать с нуля в Python.
- Develop k-Nearest Neighbors in Python From Scratch — статья об алгоритме k-ближайших соседей: как он работает и как его реализовать с нуля в Python.
- MLOps Tooling — небольшой обзор нескольких инструментов (Kubeflow, MLFlow, SageMaker, Dask и Rapids) для создания и управления моделями машинного обучения.
- Turn Python Scripts into Beautiful ML Tools — статья о новом фреймворке Streamlit для быстрого создания пользовательских ML-приложений.
- Overview of feature selection methods — обзор существующих методов отбора признаков для задач обучения с учителем и без.
- TensorFlow 2.0 + Keras Overview for Deep Learning Researchers — отличный notebook для старта изучения TensorFlow 2.0 + Keras с множеством примеров.
- Learning a unified embedding for visual search at Pinterest — статья о том, как работает визуальный поиск Pinterest.
- Applying deep learning to Airbnb search — статья о том, что произошло в Airbnb, когда они перешли от стандартных подходов машинного обучения к глубокому обучению.
- Intelligent Scanning Using Deep Learning for MRI — статья о том, как GE использует TensorFlow для определения специфической анатомии во время MPT-исследования головного мозга, чтобы улучшить скорость и согласованность.
- Using Deep Learning to Inform Differential Diagnoses of Skin Diseases — статья о системе, которая может различать 26 кожных заболеваний.
- Большая коллекция хороших Data Science материалов.
Проекты
- sotabench — новый проект от Papers With Code, который делает сравнение различных Open Source моделей.
- Polynote — новый notebook от ребят из Netflix для Scala/Spark/Python...
Видео
- В начале сентября в Одессе мы провели Data Fest Odessa. Видео докладов уже доступны на YouTube-канале.
- Видео докладов с PyTorch Developer Conference 2019.
- Видео докладов с MLOps NYC19 Conference.
Конференции и митапы
- 7 ноября, Ивано-Франковск — When Data Meets Engineering — приглашаю всех на наш первый дата-митап в Ивано-Франковске. Буду рад встретиться со всеми.
- 31 октября, Киев — Kyiv AI 6.0: Leading business on ML technologies.
- 9 ноября, Киев — Computer VISIONers Conference.
Подкасты
С сентября я возглавляю R&D отдел в VITech, где мы создаем продукты на основе ML для healthcare и других отраслей. Сейчас я в свою команду в Одессе ищу ML Researcher. По всем вопросам пишите мне в личку.
Спасибо, что дочитали этот выпуск. Надеюсь, каждый нашел для себя полезное. Буду благодарен за любые предложения для следующего дайджеста.
Присоединяйтесь к Telegram-каналу дайджеста и его страницам в соцсетях: Medium, Facebook, Twitter, LinkedIn.
← Предыдущий выпуск: Data Science Digest