Обзор материалов по машинному обучению (13 — 20 февраля 2017 года)

Представляю вашему вниманию подборку материалов по машинному обучению и анализу данных за прошедшую неделю, которые показались мне интересными.

События предстоящей недели

1. Deep Learning: Now and Future of Robotics. Skolkovo-Skoltech-NVIDIA workshop. 21 февраля.
2. Data Science кейс-клуб. 21 февраля.
3. Data science завтрак. 22 февраля.
4. Тренировка по машинному обучению. 25 февраля.

Учебные курсы, конференции

1. Онлайн-курс «Введение в обработку естественного языка» с середины марта на stepik. Страница прошлого года.
2. Перезапуск курса «Neural Networks for Machine Learning» G.Hinton.
3. Видео с конференции TensorFlow Developer Summit.
4. Видео с конференции DataFest. Часть 1. Часть 2. Часть 3. Часть 4.
5. Семинар Practical Machine Learning от Яндекса (видео). Тема: чат-боты. Запись ноябрьская, но попалась недавно.

6. День открытых данных в Москве.
7. Подборка материалов по ML и DM.
8. The Best Intro to Data Science Courses — Class Central Career Guides.
9. Опубликованы доклады ICLR 2017, которая пройдет в апреле этого года во Франции.
10. Oxford Deep NLP 2017 course.
UPD IliaSafonov
11. Конференция в Яндексе «Машинное обучение для бизнеса» .
12. Kaggle запустил Google Cloud & YouTube-8M Video Understanding Challenge.
UPD jjdeluxe
13. Современные архитектуры диалоговых систем — Анатолий Востряков, Segmento. Видео.

Новости

1. Выходит TensorFlow 1.0
2. Гугл выпустил дебаггер для TensorFlow tfdbg
3. Еженедельный дайджест от DataScienceCentral
4. Еженедельный обзор портала HighScalability.

Научные статьи, практические реализации, датасеты

1. Time Series Forecast Case Study with Python: Monthly Armed Robberies in Boston.
2. Shopping datasets. Belgium retail market dataset (donated by Tom Brijs): it contains the (anonymized) retail market basket data from an anonymous Belgian retail store.
3. Hybrid Code Networks: practical and efficient end-to-end dialog control with supervised and reinforcement learning.
4. Нейронные сети для начинающих. Часть 2.
5. Spectral Clustering via Graph Filtering: Consistency on the High-Dimensional Stochastic Block Model.
6. Performance of Distributed Deep Learning using ChainerMN.
7. Model Mis-specification and Inverse Reinforcement Learning.
8. PyTorch Implementation: seq2seq Translation.
9. Automatically Segmenting Data With Clustering.
10. Offline bilingual word vectors, orthogonal transformations and the inverted softmax.
11. Parallel Long Short-Term Memory for Multi-stream Classification.
12. Классификация датасета, который недавно опубликовала Quora.
13. Analyzing Six Deep Learning Tools for Music Generation — The Asimov Institute.
14. HistWords: Word Embeddings for Historical Text.
15. The Data Stack. PDF, в котором собраны все инструменты для анализа данных.
16. Data Coding 101 – Introduction to Bash.
17. Time Series Forecast Case Study with Python: Annual Water Usage in Baltimore.
18. Gaussian-Dirichlet Posterior Dominance in Sequential Learning.
19. Реализация свёрточной нейронной сети архитектуры InceptionV3 с использованием фреймворка Keras.
20. Understanding Deep Learning Models in NLP.
21. Web Scraping for Dataset Curation.
22. Software Engineering vs Machine Learning Concepts.
23. Frustratingly Short Attention Spans in Neural Language Modeling.
24. Робот-собеседник на основе нейронной сети.
25. Attacking machine learning with adversarial examples.
26. Introduction to Anomaly Detection.
27. 'AI brain scans' reveal what happens inside machine learning.
28. Open Sourcing TensorFlowOnSpark: Distributed Deep Learning on Big-Data Clusters.
29. Using NLP to understand how Twitter and the media reacted to the Super Bowl 51 ads battle.
30. Reading Files — 3D Convolutional Neural Network. Видео.
31. Getting Started with Deep Learning.
32. Time Series Forecast Study with Python: Monthly Sales of French Champagne.