Обзор материалов по машинному обучению № 2 (21 — 27 февраля 2017 года)

Добрый день! Это второй дайджест материалов по машинному обучению и анализу данных. Несмотря на праздники на этой неделе было много интересного.

События предстоящей недели

1. Семинар СМиГО: Multi-Class Classification: How to Deal with Multi-class Huge Scale Problems Efficiently? 28 февраля.
2. Data science завтрак. 1 марта.
3. Superjob Data Science Meetup. 2 марта.
4. Open & Big Data Hackathon 2017. г. Санкт-Петербург. 3 марта.
5. Data Science Weekend. 3 марта.
6. Moscow Data Science meetup. 3 марта.
7. День открытых данных в Москве. 4 марта.

Учебные курсы, конференции

1. На Физтехе стартует курс “Дополнительные главы машинного обучения”.
2. ML-тренировка. DeepHack RL, Avito BI. Видео.
3. Диалоговые интерфейсы: проблемы и вызовы. Видео.
4. NIPS 2016 Workshop on Adversarial Training. Декабрьская конференция в Барселоне. Видео.
5. Deep Learning Summer School and Reinforcement Learning Summer School.

Новости

1. Лаборатория Касперского проведет хакатон по анализу данных.
2. Еженедельный обзор от DataScienceCentral.
3. Еженедельный обзор портала HighScalability.
4. GPUs are now available for Google Compute Engine and Cloud Machine Learning.

Научные статьи, практические реализации, датасеты

1. Pachyderm: A Containerized, Version-Controlled Data Lake.
2. Базовые принципы машинного обучения на примере линейной регрессии.
3. TensorFlow Quick Tips.
4. Predicting gentrification using longitudinal census data.
5. How is Deep Learning Changing Data Science Paradigms?
6. Cosine Normalization: Using Cosine Similarity Instead of Dot Product in Neural Networks.
7. Управление публичными данными.
8. High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesis.
9. How to train Baidu's Deepspeech model with Kur.
10. Semantic Question Matching with Deep Learning.
11. Combining neural networks and decision trees.
12. Char2Wav: End-to-End Speech Synthesis.
13. Fast PixelCNN++: speedy image generation.
14. Intro and preprocessing — Using Convolutional Neural Network to Identify Dogs vs Cats. Часть 1. Часть 2. Часть 3. Часть 4. Видео.
15. Lots of labeled and annotated data
16. Эвристическая сеть — аналог рекуррентной нейронной сети для программы чат бот.
17. Brain Trust: How AI Is Helping Surgeons Improve Tumor Diagnosis.
18. Ranking every Data Science course on the internet.
19. Data Manipulation and Visualization with Pandas and Seaborn?—?A Practical Introduction.
20. Interactive Image Translation with pix2pix-tensorflow.
21. Обучение с подкреплением: от Павлова до игровых автоматов.
22. PixelNet: Representation of the pixels, by the pixels, and for the pixels.
23. Learning to generate one-sentence biographies from Wikidata.
24. How to Difference a Time Series Dataset with Python.
25. Нейронные сети: практическое применение.
26. How to Make a Tensorflow Image Classifier. Видео.
27. Introduction to Neural Networks — Perceptron.
28. Recognizing Traffic Lights With Deep Learning.
29. Serve Spark ML Models Using Play Framework and S3.
30. The Black Magic of Deep Learning — Tips and Tricks for the practitioner.
31. RBM based Autoencoders with tensorflow.
32. Social Media Research Toolkit.
33. Нейронные сети в картинках: от одного нейрона до глубоких архитектур.
34. Neural Network Learns to Synthetically Age Faces, and Make Them Look Younger, Too.
35. How to Save an ARIMA Time Series Forecasting Model in Python.
36. How to Create a Linux Virtual Machine For Machine Learning Development With Python 3.
37. Beginner's Guide to Customer Segmentation.
38. Bare bones Python implementations of some of the foundational Machine Learning models and algorithms.
39. Announcing Prophet: A tool that provides accurate, reliable forecasting.
40. Butterfly effect: OECD’s data visualisation hiccup leads to media panic.
41. Preprocessing for Machine Learning with tf.Transform.
42. Умная кормушка: Machine Learning, Raspberry Pi, Telegram, немножко магии обучения + инструкция по сборке.
43. High-Res-Neural-Inpainting — High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesis.

Предыдущий выпуск: Обзор материалов по машинному обучению (13 — 20 февраля 2017 года).