AI & ML дайджест #9: Data Science Survey, ключевые тренды 2019 года, лучшие статьи топовых конференций
С Новым годом и Рождеством! Пусть в этом году для ваших моделей всегда находятся качественные данные, а сами модели будут решать лучшим образом поставленные задачи ;)
Этот год я хочу начать с небольшого опроса среди людей, причастных к Data Science / Machine Learning. Основные вопросы касаются рабочего инструментария и областей применения AI/ML/Data Science. Пройти опрос можно здесь. Результатами я обязательно поделюсь в отдельной статье, а также думаю это может стать хорошим поводом для проведения митапа в Одессе и обсуждения результатов, где-то в середине февраля.
Predictions
Industry Predictions: AI, Machine Learning, Analytics & Data Science Main Developments in 2018 and Key Trends for 2019 — мысли представителей индустрии, что нас ждет в 2019 году от таких компаний как: Domino Data Lab, dotData, Figure Eight, GoodData, KNIME, MapR, MathWorks, OpenText, ParallelM, Salesforce, Splice Machine, Splunk, and Zoomdata.
Machine Learning & AI Main Developments in 2018 and Key Trends for 2019 — редакция KDnuggets пообщалась с экспертами на тему, какие были основные события в области машинного обучения и искусственного интеллекта в 2018 году и какие основные тенденции они ожидают 2019 году.
5 Artificial Intelligence Trends To Watch Out For In 2019 — в этой статье Forbes рассказывает о 5 основных трендах на 2019 год, а также указывает их источники зарождения.
Data Science Trends for 2019 — мысли Hugo Lopes (Head of R&D at James), что было в 2018 году и что ждать в 2019.
Для новичков
Homemade Machine Learning — отличный репозиторий примеров популярных алгоритмов и подходов машинного обучения, о котором Алексей недавно писал на DOU.
Overview of the TOP Algorithms for Machine Learning. Part 1 — в первой части рассматриваются разные типы машинного обучения, а также такие алгоритмы, как линейная регрессия, K-Nearest Neighbors (kNN) и свёрточная нейронная сеть. Примеры на Python прилагаются.
The 50 Best Free Datasets for Machine Learning — отличная коллекция ссылок на разные источники с датасетами. Также напоминаю, что искать датасеты можно и с помощью гугла.
Intro to Data Science for Managers — большая mindmap карта о Data Science.
Почитать
The GAN Zoo — репозиторий с большой коллекцией статей о разных типах генеративно-состязательных сетей (GAN).
Best Paper Awards in Computer Science — лучшие статьи, начиная с 1996 года, таких конференций как AAAI, ACL, CHI, CIKM, CVPR, FOCS, FSE, ICCV, ICML, ICSE, IJCAI, INFOCOM, KDD, MOBICOM, NSDI, OSDI, PLDI, PODS, S&P, SIGCOMM, SIGIR, SIGMETRICS, SIGMOD, SODA, SOSP, STOC, UIST, VLDB, WWW.
The 10 coolest papers from CVPR 2018 — обзор десятка интересных статей, которые были представлены на конференции по компьютерному зрению CVPR 2018.
The Next Level of Data Visualization in Python — о том, как создавать красивую и полностью интерактивную визуализацию с помощью одной строчки кода на Python.
Neural Ordinary Differential Equations — статья о решении дифференциальных уравнений при помощи нейронных сетей. Исходный код расположен здесь.
What Kagglers are using for Text Classification — обзор моделей для классификации текстом с примерами их использования.
Airflow: Lesser Known Tips, Tricks, and Best Practises — много полезных советов для пользователей Airflow. А если вы его не используете — сможете узнать о некоторых его возможностях.
Advanced Jupyter Notebooks: A Tutorial — это расширенное руководство Jupyter Notebooks, в котором вы найдете советы про магические команды, ведение журналов, макросы, запуск внешнего кода, расширения, улучшенные визуализации, автоматические отчеты, базы данных и многое другое.
Если вы из Одессы, присоединяйтесь к нашей группе в FB или meetup.com.
Спасибо, что дочитали этот выпуск. Надеюсь, каждый нашел для себя полезное. Буду благодарен за любые предложения для следующего дайджеста.
← Предыдущий выпуск: AI & ML дайджест #8