Обзор наиболее интересных материалов по анализу данных и машинному обучению №4 (23 июня — 7 июля 2014)

Прошлый выпуск обзора был полностью посвящен онлайн-курсам по тематике Data Science. Данный выпуск обзора наиболее интересных материалов по анализу данных и машинному обучению будет содержать ссылки на свежие материалы по тематике. В данном выпуске некоторое количество материалов посвящено важной теме визуализации данных. Есть несколько статей, которые описывают небольшие практические примеры анализа данных. Как обычно много статей посвящено алгоритмам машинного обучения, в том числе несколько статей посвящены популярным алгоритмам машинного обучения Deep Learning и Random Forest. Также есть несколько ссылок на интересные видеоматериалы.

Материалы по анализу данных и машинному обучению

• Визуализация с помощью D3.js [EN]
  Несколько примеров визуализации данных с помощью библиотеки D3.js
• Наука о данных, большие данные и статистика. Теперь все вместе (Видеолекция) [EN]
  Terry Speed, заслуженный профессор из Беркли, рассказывает о совмещении традиционной статистики с наукой о данных и большими данными.
• Лучшие специалисты по анализу данных в Twitter [EN]
  Микроблоги лучших специалистов по анализу данных.
• Цепи Маркова [EN]
  Основы цепей Маркова простым языком.
• Статьи и ресурсы по анализу данных [EN]
  Свежий список интересных статей от ведущих специалистов по анализу данных.
• 25 Популярных специалистов по данным на LinkedIn [EN]
  Список 25 популярных специалистов по данных и их блоги на LinkedIn.
• Техники визуализации, которые вы знаете с детства [EN]
  Статья про 6 простых, но полезных принципов визуализации.
• Watson и машинное обучение [EN]
  Интересная статья про потенциал применения IBM Watson в различных областях жизнедеятельности.
• Почему стать Data Scientist не так уж и просто [EN]
  Статья пытается объяснить, что недостаточно закончить один-два онлайн-курса по Machine Learning, чтобы быть Data Scientist.
• Deep Learning с использованием Hadoop (Видеолекция) [EN]
  Инструменты и технологии машинного обучения постоянно развиваются. Техника машинного обучение Deep Learning становится все более популярной. В данном видео Josh Patterson и Adam Gibson рассуждают на тему возможностей распараллеливания Deep Belief Networks в методике Deep Learning с помощью фреймворка Hadoop YARN и библиотеки Iterative Reduce.
• Использование Facebook API с помощью R [EN]
  Небольшой пример решения практической задачи с использованием социальной сети Facebook и языка R.
• Книги по визуализации данных [EN]
  Большой список из 35 книг, посвященных визуализации данных.
• 12 интересныг книг и онлайн-ресурсов по R [EN]
  Список из 12 полезных книг и онлайн-ресурсов для изучения языка программирования R.
• Развертывание продукта на R [EN]
  Очередная статья из цикла статей по машинному обучению, с использованием языка программирования R.
• Машинное обучение — это в том числе и соревнования на Kaggle [EN]
  Интересный ответ на статью «Machine learning isn’t Kaggle competitions».
• Сообщества, посвященные машинному обучению [EN]
  Хорошая статья, которая приводит краткое описание существующих на данный момент сообществ, посвященных машинному обучению.
• Книги по машинному обучению с использованием R [EN]
  Полезный список литературы по машинному обучению с использованием языка R.
• «Data Scientist» больше чем «Data Analyst»? [EN]
  Небольшая статья о сравнении таких двух понятий, как «Data Scientist» и «Data Analyst»
• Основы анализа данных при помощи Python [EN]
  Статья посвящена первым шагам по анализу данных при помощи Pyhton и дополнительных библиотек.
• Cayley: открытая графовая база данных [EN]
  Короткий список достоинств графовой базы данных Cayley с открытым исходных кодом.
• Вероятностные модели: от наивного Байеса к LDA, часть 1 [RU]
  Очередная статья по теоретическим основам анализа данных. В данном случае речь пойдет про вероятностные модели.
• Список открытых ресурсов полезных для машинного обучения. [EN]
  Интересный набор ссылок на бесплатные полезные ресурсы, а также наборы данных для машинного обучения.
• Использование Galene в LinkedIn [EN]
  Рассказ от одного из ведущих инженеров LinkedIn о том, как изменилась архитектура поиска в LinkedIn после перехода на использование поисковой платформы Galene.
• Структурированные и неструктурированные типы данных [EN]
  Небольшая статья, о том в чем разница между структурированными и неструктурированнымии типами дынных.
• Нужна ли научная степень, для того чтобы быть Data Scientist? [EN]
  Ведущие специалисты по анализу данных отвечают на интересный вопрос о том, а нужна ли ученая степень для того, чтобы быть Data Scientist.
• Google I/O 2014 — Модели искусственного интеллекта, основанные на биологических моделях (Рэймонд Курцвейл) (Видеолекция) [EN]
  Интересная лекция по теме искусственного интеллекта от известного ученого и футоролога Рэмонда Курцвейла с Google I/O 2014.
• Сравнение облачных хранилищ 2014 [EN]
  Свежая инфографика по сравнению облачных хранилищ.
• Domino — современная платформа для анализа данных [EN]
  Небольшая статья о новой гибкой системе для анализа данных Domino.
• Как начать заниматься машинным обучением [EN]
  Отличная статья о том, как новичку быстро войти в тему машинного обучения и начать заниматься реальными практическими задачами.
• Кластеризация изображений [EN]
  Кластеризация похожих изображением с использованием MapReduce, с примерами кода на C# и R.
• Анализ записей в Google+ [EN]
  Небольшой пример анализа записей в Google+ c использованием языка программирования R.
• Сравнение производительности SAS и Revolution R Enterprise [EN]
  Небольшая статья о сравнении производительности SAS и Revolution R Enterprise от Revolution Analytics.
• Andrew Ng рассказывает о Deep Learning (Видеолекция) [EN]
  Профессор Стэнфордского Университета Andrew Ng рассказывает о Deep Learning на парижской встрече, посвященной машинному обучению.
• Сравнение алгоритмов CART и Random Forest (часть 1) [EN]
  Первая часть сравнения популярных алгоритмов CART (Сlassification and Regression Trees) и Random Forest.
• Сравнение алгоритмов CART и Random Forest (часть 2) [EN]
  Продолжение сравнения алгоритмов машинного обучения CART (Сlassification and Regression Trees) и Random Forest.
• Сравнение In-Memory Database и In-Memory Data Grid [EN]
  Сравнение двух популярных подходов к работе с данными.
• MongoDB совместно с Google Cloud Platform [EN]
  Краткая статься о работе с MongoDB на облачной платформе Google (Google Cloud Platform).
• Генерация и визуализация многомерных случайных величин с помощью R [EN]
  Небольшой пример кода для генерации и визуализации многомерных случайных величин на языке R.
• Data Shinobi 3 [EN]
  Продолжение серии статей по анализу данных, во третьей части поднимается вопрос различных направлений в анализе данных.
• Введение в Hadoop [EN]
  Очередное простое и краткое описание Hadoop.
• Что такое Deep Learning и почему вокруг данного алгоритма так много шума? [EN]
  Небольшая статья о популярном наборе алгоритмов машинного обучения Deep Learning.

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №3 (обзор онлайн курсов)