Formation à la machine
Sélection constamment mise à jour des ressources de machines.
Table des matières
- Bibliothèque du spécialiste ML + choix éditorial:
- Matériel supplémentaire au cours "Introduction à l'apprentissage automatique"
- Recommandations des enseignants de spécialisation "L'apprentissage automatique et l'analyse des données"
- Littérature pour l'admission à l'alose
- Une sélection de livres scientifiques
- Par sujets:
- Big data
- Dataviz
- Latex
- PNL
- Python, Ipython, Scikit-Learn, etc.
- R
- Algorithmes
- Algèbre linéaire
- Réseaux de neurones, apprentissage en profondeur
- Théorie des statistiques et des probabilités
- Cours en ligne (MOOC)
- Chats / publics / canaux sur ML
- Calendrier d'analyse des données
- Apprentissage automatique: Conférence d'introduction - K.V. Vorontov
- Notes de cours et code pour le cours pratique de l'apprentissage automatique sur CMC MSU
- Plus de 100 livres de science des données gratuites - plus de 100 livres de science des données gratuites
- Ebooks gratuits de la science des données O'Reilly
- 100 référentiels pour l'apprentissage automatique
- Awesome-machine-learning-une liste organisée de frameworks d'apprentissage automatique Awesaire, de bibliothèques et de logiciels
- Cours de science des données de la Société open source - Il s'agit d'un chemin solide pour ceux d'entre vous qui veulent terminer une science des données un temps propre, libre, avant, avant, avant, avant, avant, avant, avant, avant, avant-avant Avant, avant, avant, avant, avant, avant, avant, avant, avant, avant, avant, avant, avant, pour, pour, pour, pour, pour, pour loin, avec des cotes des meilleures universités du monde
- Data Science Board à Trello - Matériaux éprouvés organisés par sujets (pistes d'expertise, langages de programmation, divers outils)
- Guide des ressources d'apprentissage automatique
- 17 ressources pour l'apprentissage automatique d'un programmeur typique
- 51 Problème de données des jouets en science des données
- Idées pratiques-pandas-projects-project pour améliorer ses compétences d'analyse des données Python
- Plonger dans l'apprentissage automatique
- Plongez dans le repo d'apprentissage automatique sur github
- Questions d'entrevue en science des données - Une énorme liste de questions pour se préparer à un entretien pour le poste de data scientist
- De nombreux livres sur le traitement du langage naturel
- Une liste de sources ouvertes de données sur lesquelles vous pouvez trouver des ensembles de données gratuits
- Quel shoup apprends-je en science des données en 100 heures?
- Machine-learning-for-software-vengineers - un plan quotidien complet pour étudier pour devenir ingénieur d'apprentissage automatique
- Tutoriels sur des sujets de l'apprentissage automatique
- Sélection constamment mise à jour des liens par destins de données
- Apprenez-vous à l'apprentissage automatique à la dure!
- Un article par semaine - Liste de bons articles sur ML / AI / DL
- Les livres de programmation les plus populaires jamais mentalement sur Stackoverflow
- Cookiecetter Data Science - une structure de projet logique, raisonnablement standardisée, mais flexible pour faire et partager le travail de science des données
- Awesosome-datascience-eeas-a liste des cas d'utilisation et applications de science des données impressionnantes et éprouvées
- Liste des enquêtes, tutoriels et livres organisés par des levés d'apprentissage automatique, des tutoriels et des livres
- Une crasse de science des données pratique à Python par Bart de Vylder et Pieter Buteneers de Coscale
- Docker-Settup-A List Garated Images Docker pour les projets de science des données, avec une configuration facile
- Notes sur les abstractions en croisement artificielles sur divers sujets réduits en ML, de l'algèbre à Bayes
Bibliothèque du spécialiste ML
- Un cours en apprentissage automatique - Hal Daumé III
- Une théorie probabiliste de la reconnaissance des modèles - Devroye, Gyorfi, Lugosi (PDF)
- Modélisation prédictive appliquée - M. Kuhn, K. Johnson (2013)
- Raisonnement bayésien et apprentissage automatique - D.Barber (2015) (PDF)
- Concepts de base dans l'analyse des données: résumé, corrélation et visualisation - Boris Mirkin
- Exploration de données et analyse. Concepts et algorithmes fondamentaux - Mjzaki, W.Meira Jr (2014) (PDF)
- Exploration de données: concepts et techniques - Jiawei Han et. Al.
- Data Science for Dummies - Lillian Pierson (2015)
- Faire la science des données
- Éléments de l'apprentissage statistique - Hastie, Tibshirani, Friedman (PDF)
- Fondations de l'apprentissage automatique - Mehryar Mohri, Afshin Rostamizadeh et Ameet Talwalkar (2012)
- Fréquent Match Mining - Charu C Aggarwal, Jiawei Han (éd.) (PDF)
- Processus gaussiens pour l'apprentissage automatique - Carl E. Rasmugit Lssen, Christopher Ki Williams (PDF)
- Programmation logique inductive: techniques et applications - Nada Lavrac, Saso Dzeroski
- Théorie de l'information, algorithmes d'inférence et d'apprentissage - David Mackay
- Introduction à la récupération de l'information - Manning, Rhagavan, Shutze (PDF)
- Introduction à l'apprentissage automatique - Nils J Nilsson (1997)
- Introduction à l'apprentissage automatique - Smola et Vishwanathan (PDF)
- Feuille de triche d'apprentissage automatique - Soulmachine (2017) (PDF)
- Apprentissage automatique en action - Peter Harrington
- Classification de l'apprentissage automatique, neuronal et statistique - D. Michie, DJ Spiegelhalter
- Apprentissage automatique. L'art de la science des algorithmes qui donne un sens aux données - P. Flach (2012)
- Apprentissage automatique - Tom Mitchell
- Apprentissage automatique - Andrew Ng
- Mining Massive DataSets - Jure Leskovec, Anand Rajaraman, Jeff Ullman
- Reconnaissance des modèles et apprentissage automatique - CMishop (2006)
- Programmation probabiliste et méthodes bayésiennes pour les pirates (gratuits)
- Guide d'un programmeur pour l'exploration de données - Ron Zacharski (PDF)
- R en action
- Apprentissage par renforcement: une introduction - Richard S. Sutton, Andrew G. Barto
- Lion Way Machine Learning ainsi que l'optimisation intelligente (PDF)
- Comprendre l'apprentissage automatique: de la théorie aux algorithmes
- Analyse des grands ensembles de données - Mining Massive DataSest Traductions
- Méthodes mathématiques de formation sur les précédents (The Theory of Teaching Machines) - K. V. Vorontsov (PDF)
- Formation à la machine - Peter Flah (PDF)
- Méthodes d'ensemble d'étudiants d'algorithmes - Dissertation A. Gushchina (PDF)
Cours en ligne (MOOC)
- Liste des meilleurs cours sur presque tous les domaines des mathématiques
- Une tonne de cours de programmation divers, algorithmes, dont 29 ml de cours
- Couursera:
- CS229: Machine Learning (Andrew Ng, Stanford University) est le cours de formation à la machine le plus populaire (soigneusement, au lieu de Python ou R - Matlab / Octave) standard)
- Formation de la machine spécialisée et analyse des données (Yandex + MIPT / MIPT)
- Mon référentiel dans cette spécialisation
- Fondations d'apprentissage automatique: une approche d'étude de cas (Université de Washington)
- Spécialisation d'exploration de données
- Science des données à grande échelle (Université de Washington)
- Calculus: Partie 1 variable unique (Université de Pennsylvanie)
- Combinatoire moderne (A.M. Raigorodsky, mipt / mipt)
- Théorie des probabilités pour les débutants (A.M. Raigorodsky, MIPT / MIPT)
- Algèbre linéaire (HSE / HSE) - Une gamme d'algèbre linéaire pour les facultés non déménériques, convient "pour un démarrage rapide"
- Économie (HSE / HSE) (économétrie)
- Spécialisation d'analyse commerciale (Université de Pennsylvanie) - Spécialisation sur l'application pratique des statistiques et l'analyse des données. Pour les personnes déçues de DS et ne comprennent pas pourquoi tout est
- Analyse des réseaux sociaux (Université du Michigan)
- Réseaux sociaux et économiques: modèles et analyses (Université de Stanford)
- Spécialisation des systèmes de recommandation (Université du Minnesota)
- Construire une spécialisation des applications intelligentes (Université de Washington)
- Programmation sur Python (MFTI / MIPT)
- Udacy:
- Ingénieur d'apprentissage automatique Nanodegree (co-marécré par Kaggle)
- L'analyste de données Nanodegree (co-repré par Facebook et MongoDB)
- Intelligence artificielle Nanodegree (Co-Creed par IBM Watson & Amazon Alexa)
- Analyse prédictive pour Business Nanodegree (Co-Creed par Tableau & Alteryx)
- EDX:
- Science des données et ingénierie avec Spark Xseries (Berkeley)
- 6.002x: Introduction à la réflexion sur le calcul et la science des données (MIT)
- 6.041x: Introduction à la probabilité - La science de l'incertaine (MIT)
- The Analytics Edge (MIT)
- Apprentissage des données (Caltech) - Introduction à l'apprentissage automatique (théorie de base, algorithmes et domaines de l'application pratique)
- Vidéo des conférences de l'École d'analyse des données (Shad)
- Classes vidéo du cours "Machine Training" (K.V. Voronttsov, Shad)
- Exploration de données en action Matériel de cours (MIPT / MIPT)
- Open OpenDatascience Course sur l'apprentissage automatique
- Intro à Python pour la science des données - les bases de Python et un peu sur Numpy
- Fondamentaux des statistiques - Introduction à haute qualité dans les statistiques, entièrement en russe
- Data Science and Machine Learning Essentials (Microsoft)
- CS231N: Réseaux de neurones convolutionnels pour la reconnaissance visuelle (Stanford University) - Un excellent cours de dix étages en néurrutés et vision par ordinateur
- Mining Massive DataSets (Stanford University) - Un cours basé sur l'exploration de livres de données massives aux auteurs de Jure Leskovec, Anand Rajaraman et Jeff Ullman (ils sont également des instructeurs de ce cours)
- CS109: Science des données (Harvard University)
- Fondations de l'apprentissage automatique - une partie de l'initiative Machine Learning Edu de Bloomberg
Sociale
Discussion sur l'apprentissage automatique dans les messagers (groupes, canaux, chats, communautés).
- Science des données ouvertes
- Dédié au groupe de formation Moscou ML sur Facebook
- et Vkontakte Group sur la formation à la machine
- Groupe de formation Tomsk Machine
- Groupe Slack Tomsk ML
- Groupes de publics / vkontakte:
- Science des données
- Apprentissage en profondeur
- Laboratoires d'exploration de données
- Deeplearning (réseaux de neurones profonds)
- Memes sur l'apprentissage automatique pour les jeunes femmes
- En télégramme:
- Channel communautaire Deeplearning
- La première chaîne d'information sur la science des données
- CHAT Selon les mégadonnées, le traitement et l'apprentissage automatique - Big Data & Machine Learning
- Chat sur le sujet Science des données - Data Science Chat
- Canal py_digest
- Chat ru_python
- Spark in Me: Internet, statistiques, science des données, philosophie
- Spark In Me Chatch Chat
- Canal avec des articles chauds de Reddit sur le thème DS
- Sabreddites sur l'apprentissage automatique et les sujets adjacents (je recommande de voir au moins le haut pour tout le temps + barre latérale):
- / R / analyse
- / r / bigdata
- / R / bigdatajobs
- / R / computationsion
- / R / DataCleaning
- / R / datagangsta
- / R / dataSBeautiful
- / R / dataSugly
- / R / datascience
- / R / ensembles de données
- / R / dataviz
- / r / jupyternotebooks
- / R / LanguageTechnology
- / R / LearnMachineLearning
- / r / Learnpython
- / R / machineLearning
- / R / OpenData
- / r / rstats
- / R / Probability Theory
- / R / pystats
- / r / samplesize
- / r / Semanticweb
- / r / statistiques
- / R / textDatamining
- Des gens tweetent à propos de ML et AI
- Blogs dans Datasens Tematics + List:
- Distiller.pub
- Inférence.vc
- karpathy.github.io
- Deliprao.com
- Fastml.com
- Timvieira.github.io
- Blogs.princeton.edu
- OffConvex.org
- ruder.io
- argmin.net
- nlpers.blogspot.ru
- Blog.shakirm.com
- Blog.paralleldots.com
- alexanderdyakonov.wordpress.com
