Дайджест наиболее интересных материалов по анализу данных (9 — 16 июня 2014)

Данный выпуск дайджеста наиболее интересных материалов, посвященных теме анализа данных содержит достаточно много статей, которые рассматривают теоретические аспекты вопросов, связанных с Data Science. Есть несколько статей, которые будут интересны новичкам. Также представлены ссылки на серию интересных статей о работе со схемами данных в MongoDb. Есть несколько ссылок на материалы, в которых рассматривается важная проблема переобучения (overfitting) в процессе машинного обучения. Некоторые статьи посвящены литературе, рекомендуемой к прочтению для тех кому интересна тема анализа данных.

Статьи

• Список литературы на лето [EN]
  Интересный большой список литературы, посвященный теме анализа данных.
• Введение в Deep Neural Networks [EN]
  Введение в интересную тему Deep Neural Networks с примерами кода на C#.
• Сборник статей и ресурсов по анализу данных [EN]
  Большой сборник полезных статей и ресурсов, посвященных анализу данных.
• Еще один сборник статей и ресурсов по анализу данных [EN]
  Еще один большой сборник полезных статей и ресурсов, посвященных анализу данных.
• Постер Big Data [EN]
  Постер, посвященный теме Big Data, на котором достаточно емко собраны интересные вопросы разных аспектов работы с большими данными.
• Как стать Data Scientist [EN]
  Отличная статья о том как начать свой профессиональный путь в области анализа данных.
• Стоит ли заниматься статистикой и машинным обучением? [EN]
  Поднимается очень интересный вопрос того что если вы хотите сменить профессию на направление анализа данных, то будет ли проблемой не очень уверенные знания в математике. Интересно прежде всего обсуждение разных точек зрения на данный вопрос в комментариях.
• Серия статей по работе со схемами данных в MongoDb:
  
  • Схемы данных в MongoDb (часть 1) [EN]
    Первая часть серии статей про работу со схемами данных в MongoDb.
  • Схемы данных в MongoDb (часть 2) [EN]
    Вторая часть серии статей про работу со схемами данных в MongoDb.
  • Схемы данных в MongoDb (часть 3) [EN]
    Третья часть серии статей про работу со схемами данных в MongoDb.
• Введение в Random Forest [EN]
  Простое и понятное введение в алгоритм машинного обучения Random Forest.
• Data Shinobi 2 — Дерево Data Shinobi [EN]
  Продолжение серии статей по анализу больших объемов данных, во второй части автор предлагает набор основных проблем, с которым сталкивается специалист по анализу данных и основные способы решения данных вопросов.
• Обзор алгоритмов машинного обучения [EN]
  Краткий обзор по алгоритмам машинного обучения с описанием ключевых особенностей основных алгоритмов.
• 100+ интересных наборов данных [EN]
  Более 100 любопытных датасетов для анализа данных.
• Три интересные статьи про переобучение (overfitting) при машинном обучении:
  
  • О проклятии размерности [EN]
    Статья, объясняющая понятие проклятия размерности (Curse of Dimensionality) на простом и доступном языке.
  • Почему переобучение опаснее низкой точности предсказания (часть 1) [EN]
    Первая часть обсуждения вопроса большей опасности переобучения (overfitting) по сравнению с проблемой низкой точности предсказания результата (poor accuracy).
  • Почему переобучение опаснее низкой точности предсказания (часть 2) [EN]
    Вторая часть обсуждения вопроса большей опасности переобучения (overfitting) по сравнению с проблемой низкой точности предсказания результата (poor accuracy).
• Список полезных к прочтению книг для специалиста по анализу данных [EN]
  Хороший достаточно краткий список полезных для изучения книг (R, Python, Machine Learning).

Видеоматериалы

• Классификация тональности текста (Sentiment classification) [EN]
  Видео о классификации тональности текста (Sentiment classification) в Facebook от специалиста по машинному обучению.
• Основы Hadoop для новичков [EN]
  Видео об основах семейства Hadoop для новичков.
• Обработка естественного языка при помощи методики Deep Learning [EN]
  Описание применение методики Deep Learning для обработки естественного языка (Natural Language Processing) достаточно простым и доступным языком.