×Закрыть

AI & ML дайджест #10: лучшие практики для построения рекомендательных систем, обзор scikit-image

Приветствую всех! В январе я начал опрос дата-сайентистов об их рабочих инструментах. За это время в нем уже приняло участие больше 500 человек. До конца февраля в нем еще можно принять участие, если вы это еще не сделали. Опубликовать результаты я планирую в начале марта, а пока предлагаю свежую подборку материалов.

Статьи

Scaling Machine Learning Productivity at LinkedIn — о подходе в LinkedIn к масштабировании ML систем и шерингу знаний среди инженеров.

Image Segmentation using Python’s scikit-image module — обзор методов сегментации изображений с помощью scikit-image.

Breast cancer classification with Keras and Deep Learning — о разработке ML модели для прогнозирования рака молочной железы, используя гистологические изображения.

Building fully custom machine learning models on AWS SageMaker — практическое руководство по работе с AWS SageMaker.

Keras, Regression, and CNNs — о разработке сверточной нейронной сети для прогнозирования регрессии с помощью Keras и прогнозирования цены на жилье на основе набора изображений.

AlphaStar: Mastering the Real-Time Strategy Game StarCraft II — об AlphaStar, которая победила в StarCraft II лучших профессиональных игроков.

Fashion MNIST with Keras and Deep Learning — о создании сверточной нейронной сети для классификации одежды с помощью Fashion MNIST датасета.

An overview of the NLP ecosystem in R — Mindmap карта NLP экосистемы в R.

Framework for Better Deep Learning.

Predicting Irish electricity consumption with neural networks in R and Python — о создании нейронной сети для прогнозирования потребления энергии на R и Python.

Проекты

Papers with Code — проект, который содержит ссылки на статьи по машинному обучению вместе с соответствующим кодом.

Recommenders — open-source проект от Microsoft, в котором собраны лучшие практики для построения рекомендательных систем.

Книги

MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence by Phil Kim

Great Books for Data Science

13 Classic Mathematics Books for Lifelong Learners

Видео

Deep Learning UC Berkeley STAT-157 2019

Мероприятия

27 февраля в Одессе состоится Machine Learning Meetup, в программе которого будет 2 доклада (Neural networks. Hello, world! и Эволюционные стратегии в задачах обучения с подкреплением), Lightning Talks от комьюнити, панельная дискуссия и pizza & beer нетворкинг.

16 марта в Киеве состоится 6-я ежегодная конференция Data Science UA. Программа на сайте, скидочный промокод — DataScienceDigest.

List of Machine Learning / Deep Learning conferences in 2019

Для дайджеста я решил создать страницы в соцсетях и приглашаю присоединиться к ним Facebook, Twitter, Telegram, рассылка. Сейчас я их настраиваю и с марта начну активность в них.


Спасибо, что дочитали этот выпуск. Надеюсь, каждый нашел для себя полезное. Буду благодарен за любые предложения для следующего дайджеста.


← Предыдущий выпуск: AI & ML дайджест #9
Следующий выпуск: AI & ML дайджест #11

LinkedIn

4 комментария

Подписаться на комментарииОтписаться от комментариев Комментарии могут оставлять только пользователи с подтвержденными аккаунтами.
В январе я начал опрос дата-сайентистов об их рабочих инструментах

Кожного разу читаю це як «дата-сатаністов»

Но вот дайджест у него очень приличный получается, а саентисты они там сатанисти или саентологи пофиг.

:) думал уже над тем, чтобы термины писать на английском. В следующий раз наверное так и сделаю;)

Цікава підбірка!

Подписаться на комментарии