donnemartin / data-science-ipython-notebooks

Подборка материалов для тех, кто уже познакомился с Python и хочет двигаться в сторону машинного обучения:

Машинное обучение и анализ данных:

— Постоянно обновляющаяся подборка по глубинному обучению, Big Data, Scikit-learn, Kaggle и другим связанным вещам: https://vk.cc/4CaTnD

— Изучаем статистику, необходимую для анализа данных: https://vk.cc/6q3dfc

— 18 полезных библиотек для анализа данных в Python: https://tproger.ru/digest/python-data-library/

— Предсказываем ценны на недвижимость при помощи линейной регрессии, Python, Pandas и Statsmodels: https://vk.cc/6q3iLq

Что почитать:

— Бесплатные книги по Python для программистов любого уровня: https://tproger.ru/books/19-free-python-books/ — в том числе и по машинному обучению.

— Книга «Building Machine Learning Systems with Python»: https://vk.cc/6q6w5L

— Книга «Python Machine Learning»: https://vk.cc/6q6xAy

— Книга «Learning scikit-learn: Machine Learning in Python»: https://vk.cc/6q6yK5

Что посмотреть:

— «Математика и Python для анализа данных» от МФТИ: https://vk.cc/4Mlifv

— «Нейронные сети для машинного обучения» от Торонтского университета: https://vk.cc/5KZ6fX

— «Прикладная Data Science» от Мичиганского университета: https://vk.cc/68kM76

— «Машинное обучение» от Вашингтонского университета: https://vk.cc/5U7Vzt

Видеоуроки, прикрепленные к записи:

1. Нейронные сети от ШАДа.

2. Синтез изображений с помощью глубоких нейросетей.

@tproger @tproger @tproger

Источник: github.com

Комментарии: