Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения. Данный выпуск получился достаточно объемным, в нем есть достаточно много материалов по Data Engineering. Все больше материалов появляется с конференции KDD 2014. Как обычно есть статьи про различные соревнования по машинному обучению, в том числе есть статьи о недавно прошедшем соревновании «ImageNet Large Scale Visual Recognition Challenge (ILSVRC)». Также есть достаточно много примеров кода на языках программирования R и Python. Есть упоминание о, как мне кажется, очень любопытном онлайн-курсе «Introduction to Computational Finance and Financial Econometrics».

Материалы по анализу данных и машинному обучению

•   Анализ результатов ILSVRC
  Анализ результатов прошедшего недавно «ImageNet Large Scale Visual Recognition Challenge (ILSVRC)» — ежегодного соревнования в области обработки изображений, на котором команда из Google заняла первое место.
•    Руководство по моделированию данных в MongoDb
  Не так давно на сайте компании Daprota был опубликован Data Modeling Adviser for MongoDB — очень полезное руководство по моделированию данных в NoSQL базе данных MongoDb
•   Соревнование AVITO.ru на Kaggle
  Автор рассказывает об опыте, полученном во время участия в соревновании AVITO.ru на Kaggle и об анализе различных подходов к решению поставленной задачи, которые применили другие участники соревнования.
•  Фреймворк для построения словаря при анализе текста
  Продолжение серии статей по анализу текста и о работе с неструктурированными данными. В данной статье автор рассказывает о возможных подходах при решении задачи построения словаря при анализе текстовых данных.
•   Улучшение алгоритмов обработки изображений
  Небольшая статья о ежегодном соревновании в области обработки изображений, на котором команда из Google заняла первое место, вдвое улучшив прошлогодний результат.
•    Онлайн-курс «Introduction to Computational Finance and Financial Econometrics»
  Совсем недавно на Coursera начался онлайн-курс, который будет полезен тем, кому интересна статистика и язык программирования R, а также тому, кому интересно применение статистических методов в финансовой сфере.
•    О линейной регрессии простым языком
  Краткое введение в линейную регрессию, написанное достаточно простым языком.
•   Stinger.next: улучшенный SQL с помощью Hadoop и Hive
  Статья с блога компании Hortonworks о планах на новый продукт Stinger.next, который позволит значительно улучшить многие качественные показатели работы SQL-запросов при работе с Hadoop.
•  Использование графовой базы данных для анализа текста
  Пример использования графовой базы данных Neo4j и Graphify для классификации текста с помощью алгоритма Deep Learning.
•  Слайды с конференции KDD 2014
  Слайды нескольких выступлений с KDD 2014.
•  Введение в Machine Learning Studio для Microsoft Azure ML
  В данной статье рассказывается о Machine Learning Studio, которая позволяет работать с новым облачным продуктом для машинного обучения Microsoft Azure ML.
•  Deep Learning в Google
  Небольшая новостная статья о прогрессе компании Google в области машинного обучения Deep Learning. В статье не затрагиваются технические подробности реализации алгоритмов Deep Learning.
•   ShinyTree: jsTree + shiny
  Короткий пример визуализации с помощью библиотеки shinyTree для языка программирования R и JavaScript-библиотеки jsTree.
•   Создание документа Excel с помощью Python и Pandas
  Пример кода, который демонстрирует создание документа Excel с помощью языка программирования Python и библиотеки Pandas.
•   Тренды NoSQL: август 2014
  Текущие тренды по основным NoSQL-системам с различных сайтов интернет-рекрутмента (Indeed, SimplyHired).
•   Мои любимые графики
  Автор статьи рассказывает о нескольких видов графиклов, которые позволяют просто и наглядно визуализировать различные виды исходных данных.
•    Видеолекции с курса «Big Data, Large Scale Machine Learning»
  Видеоматериалы с курса «Big Data, Large Scale Machine Learning», которой проходил в 2013 году и продлился 14 недель, основными инструкторами на нем были Yann LeCun и John Langford.
•  Sampling error и non-sampling error
  Небольшая статья, хорошо объясняющая разницу между двумя понятиями: sampling error и non-sampling error.
•    Машинное обучение с R
  Автор блога MachineLearningMastery рассказывает как быстро начать применять алгоритмы машинного обучения на языке программирования R.
•   Захватывающий год для Apache Spark
  Небольшая статья о том, как развивалась популярность продукта Apache Spark за последний год.
•   Как перевести запросы MapReduce в Apache Spark
  Полезная статья с блога компании Cloudera, которая рассказывает о том, как перевести запросы MapReduce в набирающий популярность Apache Spark и разобраться в чем разница концепций в данных двух подходах.
•  Что такое Big Data?
  Что такое Big Data, на этот вопрос в блоге Berkley отвечают более 40 специалистов.
•   Оценка точности предсказательной модели с помощью R Caret
  5 способов оценки точности предсказательной модели доступных в библиотеке машинного обучения Caret для языка программирования R, описанные автором популярного блога MachineLearningMastery.
•   Дайджест лучших материалов экосистемы Hadoop
  Сборник лучших материалов за август по теме экосистемы Apache Hadoop от блога компании Cloudera.
•  Ввведение в Predictive Analytics
  Первая часть новой серии статей от портала insideBIGDATA, на этот раз по теме Predictive Analytics.
•   Использование Google Charts в R Markdown
  Небольшая статья, в которой приводится пример использования Google Charts в документах R Markdown.
•   Кто такой Data Scientist?
  Неплохая, как мне кажется, попытка описать то, чем занимается Data Scientist.
•  Использование шаблонов в D3.js
  Применение шаблонов в популярной библиотеке визуализации D3 на языке программирования JavaScript.
•   6 видов деятельности Data Scientist
  Интересная статья, рассказывающая о 6 различных направлениях деятельности, которой приходится заниматься Data Scientist в своей повседневной работе.
•   9 советов по выбору NoSQL-хранилища (часть 1)
  Первая часть из серии цикла статей, которые расскажут о том, как правильно сделать выбор NoSQL-хранилища.
•   Обзор материалов по высокой производительности
  Еженедельный дайджест наиболее интересных материалов по высокой производительности от популярного портала HighScalability
•   Apache Pig вместе с Apache Spark
  Интересная статья с блога компании Cloudera об использовании Apache Pig вместе с Apache Spark.
•   Кумулятивная частотная диаграмма в R
  Пример построения кумулятивной частной диаграммы с помощью языка программирования R и библиотеки ggplot2.
•   Анализ изображений с помощью EBImage
  Пример работы с изображениями с помощью языка программирования R и библиотеки EBImage.
•    5 способов создания двумерных диаграмм в R
  5 примеров создания двумерных диаграмм с помощью языка программирования R.
•     Несколько слов о «линейной» регрессии
  Интересная статья о линейной регрессии с примерами на языке программирования R.
•   Работа с MongoDb из R
  Полезная и очень актуальная статья, рассказывающая о том, как можно работать с NoSQL базой данных MongoDb из языка программирования R.
•  Newsletters по машинному обучению и анализу данных
  Часто достаточно сложно уследить за всеми новостями в области анализа данных и машинного обучения. Автор популярного блога MachineLearningMastery предлагает небольшой список newsletters, которые могут упростить задачу получения актуальных новостей из области Data Science.
•   Нотификации в R
  Пример кода, который позволит получать нотификации, когда скрипт на языке программирования R закончился.
•   Нотификации об ошибках в R
  Еще один пример кода, позволяющий отправлять нотификации в случае ошибок при исполнении скрипта на языке программирования R.
•   Статистическое моделирование против машинного обучения
  Интересное сравнение статистического моделирования и машинного обучения.
•    Нейронные сети шаг за шагом
  Хороший иллюстрированный пример того, как работает нейронная сеть.
•  Интересные наборы данных
  Несколько разных наборов данных из социальных медиа с небольшим описанием каждого.
•    Пример реализации дерева принятия решений
  Пример реализации дерева принятия решений на языке программирования Python.

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №11 (25 августа — 1 сентября 2014)