Добрый день, уважаемые читатели.
Пролетели 2 недели и я представляю Вам новую подборку материалов на тему анализа данных. В этот раз материала получилось довольно не много, но от этого статьи и заметки попавшие в дайджест не становятся менее интересными.
Итак, из сегодняшней подборки вы узнаете как классифицировать текст с помощью наивного Байеса, узнаете как увеличить скорость градиентного спуска. Кроме этого будет очередная статья о том, чем должен пользоваться аналитик и какими навыками обладать и еще много чего интересного

Теория

• Кластерный анализ (на примере сегментации потребителей) часть 1 (RU) (спасибо great_boba за перевод)
• Классификация текста с помощью байсевского классификатора (EN)
  Инструкция по применению наивного байсевского классификатора к тексту
• Как банки могут повысить значимость клиентских данных (EN)
  Довольно интересная презентация на указанную тему.
• Анализ среды функционирования (EN)
  Небольшая инструкция по методологии сравнительного анализа деятельности сложных технических, экономических и социальных систем.
• Выбор коэффициента скорости обучения в градиентном спуске (EN)
  
• Современные аспекты представления текстов при анализе естественного языка: классические и альтернативные подходы (RU)
  
• Hard and Soft навыки аналитика данных (EN)
  Еще одна заметка о том, какими навыками должен обладать аналитик
• 7 уроков анализа данных от McGraw-Hill (EN)
  Полезные советы от гуру анализа
• Используем методы отбора компонент для классификации текста (EN)
  

Практика использования различных инструментов

• Разработка наивного байесовского классификатора на JAVA (EN)
  
• Развертывание скорринговой системы для прогнозирования (EN)
  Развертывание системы с помощью OpenCPU и R
• Анализ данных Google Analytics c помощью Big Query и R (EN)

Обучающие видео

• Определяем киберпреступления с помощью анализа больших данных (EN)
  

Разные статьи по теме

• Если вы думаете, что большие данные является числовыми, подумайте еще раз (EN)
• Трансформация анализа данных в науку о данных (EN)
  Рассуждения на тему, что включает в себя понятие Data Science
• Визуализация поможет разобраться в «грязных» данных (EN)
  О том, как различные инструменты визуализации помогут разобраться в зашумленных данных.
• Большой вызов для больших данных: изменение климата (EN)
  Заметка о том как большие данные применяются при прогнозировании погоды
• Что такое машинное обучение? Это зависит от того, кого вы спрашиваете (EN)
  Что люди могут понимать под термином «машинное обучение»
• Использование больших данных для оптимизации цифрового маркетинга (EN)
• Как большие данные могут улучшить ваши отношения с клиентами (EN)
  В статье на ряд вопрос по обозначенной теме отвечает CEO SugarCRM
• Как работать с Big Data. 10 правил (RU)
• Эффективная оценка медианы (RU)