Обзор наиболее интересных материалов по анализу данных и машинному обучению №19 (20 — 26 октября 2014)

Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

Общее

•   IBM анонсирует новые проекты внедрения технологий Watson и открытие штаб-квартиры Watson Group в Нью-Йорке
•   Итоги Russian AI Cup 2014
•   Как заставить данные говорить
•   Роль больших данных в частных расследованиях и анализе
•   На Яндекс.Картах теперь можно создавать тепловые карты
•   Конференция HDConf: фото-видео-слайд отчет
•  50+ библиотек для распознавания лиц
  Более 50 различных библиотек, API для распознавания лиц (Face Detection/Recognition), которые можно использовать в своих приложениях.
•  Введение в Big Data в финансовой сфере (часть 5)
  Пятая и последняя часть из серии статей про использование Big Data в банковской и финансовой сферах от портала insideBIGDATA.
•  Популярные вопросы на собеседовании на должность аналитика (часть 2)
  Вторая часть серии статей, которая содержит несколько популярных вопросов, которые задают на собеседовании на должность аналитика.
•  Новая библиотека для машинного обучения на Java
  Статья, которая расскажет о преимуществах и недостатках нового фреймворка машинного обучения с открытым исходным кодом для языка программирования Java под названием Datumbox.
•  Ученые из MIT могут предсказать стоимость биткоина
  Статья о группе ученых из MIT, построивших предсказательную модель на основе регрессии для предсказания краткосрочных колебаний курса биткоина, которая позволила им удвоить свои вложения в течение двух месяцев.
•  Введение в In-Memory Computing (часть 4)
  Продолжение серии статей по теме In-Memory Computing от портала insideBIGDATA. В данном случае речь пойдет об измерении производительности In-Memory Computing.
•  Введение в In-Memory Computing (часть 5)
  Пятая и последняя часть серии статей по теме In-Memory Computing от портала insideBIGDATA. В данном случае речь пойдет о продукте GridGain Data Fabric.
•  SQL или NoSQL?
  Еще одна небольшая статья, в которой приведены размышления автора по поводу такого популярного сейчас вопроса, как выбор технологии для хранилища данных.
•  Информационный поиск с помощью Apache Lucene и Tika (часть 1)
  Первая часть серии статей, которая посвящена теме информационного поиска с помощью Apache Lucene и библиотеки Tika.
•  Информационный поиск с помощью Apache Lucene и Tika (часть 1)
  Вторая часть серии статей, которая посвящена теме информационного поиска с помощью Apache Lucene и библиотеки Tika.
•  Информационный поиск с помощью Apache Lucene и Tika (часть 1)
  Третья часть серии статей, которая посвящена теме информационного поиска с помощью Apache Lucene и библиотеки Tika.
•  15 неустаревающих статей по Data Science
  Список из 15 статей от портала DataScienceCentral, которые были опубликованы 1-2 года назад, но до сих пор не потеряли своей популярности и актуальности.

Теория и алгоритмы машинного обучения, примеры кода

•    Закон Бенфорда и распределения под него попадающие
•    Марковские случайные поля
•   Как осваивать алгоритмы машинного обучения
  5 отличных советов от автора блога MachineLearningMastery о том, как правильно подходить к вопросу изучения различных алгоритмов машинного обучения.
•    Нелинейная регрессия
  Достаточно простое описание понятия нелинейной регрессии.
•   Первый взгляд на Distributed R
  Небольшая заметка об очень интересном проекте от HP Labs под названием Distributed R.
•   Как MKL позволяет повысить скорость работы Revolution R Open
  В прошлом обзоре была ссылка на анонс о Revolution R Open, а в данной статье речь уже пойдет о деталях реализации данной версии языка программирования R, а именно об ускорении работы некоторых операций с помощью Intel Math Kernel Library (MKL).
•  Анализ текста с помощью RapidMiner (часть 1)
  Первая часть серии статей, посвященной анализу текста с помощью продукта RapidMiner.
•  Анализ текста с помощью RapidMiner (часть 2)
  Вторая часть серии статей, посвященной анализу текста с помощью продукта RapidMiner.
•    Введение в нейронные сети (часть 2)
  Достаточно простое описание работы нейронных сетей с блога Analytics Vidhya.

Соревнования по машинному обучению

•   Что такое Data-хакатон?
  Интересное видео о data-хакатоне, проведенном в середине сентября под эгидой MIT.
•  Как выбрать модель для финальной оценки в соревновании на Kaggle
  Очень полезная статья от одного из участников соревнований по машинному обучению, о том как правильно выбирать модель для финальной оценки в соревновании на Kaggle.
•  Советы по выбору модели в соревнованиях по машинному обучению
  Продолжение обсуждения предыдущей темы о выборе финальной модели в соревнованиях по машинному обучению, в данном случае это взгляд автора популярного блога MachineLearningMastery на этот интересный вопрос.

Онлайн-курсы, обучающие материалы и литература

•    Онлайн-курс «Визуализация данных. Основы»
•   Новые курсы по Big Data от MIT на edX
  Какое-то время назад на сайте MIT появилась публикация об интересной инициативе MIT на edX, а именно о запуске MIT Professional Education первой сессии курса «Tackling the Challenges of Big Data» на edX, которая будет доступна всем желающим.
•   3 отличных бесплатных книги по теме Data Science
  Набор из трех книг по теме Data Science с небольшим описанием каждой, которые можно получить бесплатно.
•   Книга «Data Fluency»
  Обзор новой любопытной книги «Data Fluency» от авторов.
•   Книги «Foundations of Signal Processing» и «Fourier and Wavelet Signal Processing»
  Короткая заметка об интересных книгах «Foundations of Signal Processing» и «Fourier and Wavelet Signal Processing» от автора популярного блога Nuit Blanche.

Видеоматериалы

•   Масштабирование алгоритмов нечеткого поиска
  Интересный доклад от Ken Kugler (President, Scale Unlimited) с конференции Cassandra Summit 2014 на тему масштабирования функциональности Fuzzy Matching на примере сравнения степени сходства данных клиентов в банковской сфере с использованием Apache Cassandra.
•   Использование Apache Spark для работы с данными
  В данном посте представлен набор видеоматериалов, которые посвящены Apache Spark.

Data engineering

•   Microsoft DocumentDB: статья первая, введение
•   Microsoft DocumentDB: статья вторая, ресурсы и концепции
•  Kylin от eBay
  Интересный продукт с открытым исходным кодом от eBay под названием Kylin — Distributed Analytics Engine с SQL-интерфейсов и OLAP на базе Hadoop.
•  Hadoop в корпоративном секторе
  Интересная инфографика об использовании Apache Hadoop в корпоративном секторе.
•  Нагрузочное тестирование Apache Kafka на AWS
  Интересная статья, в которой приведены результаты проведенного нагрузочного тестирования Apache Kafka на AWS.
•  Ловушки шардирования (часть 2)
  Вторая часть серии статей о тонкостях использования шардинга в популярном NoSQL-хранилище MongoDB.
•  Ловушки шардирования (часть 3)
  Третья часть серии статей о тонкостях использования шардинга в популярном NoSQL-хранилище MongoDB.

Обзоры

•  Еженедельный дайджест от DataScienceCentral
  Регулярный еженедельный дайджест статей по анализу данных от портала DataScienceCentral.
•  Лучшие материалы за неделю (12 — 18 октября)
  Лучшие материалы за неделю по теме анализа данных от портала KDnuggets.
•  Новости Data Mining
  Небольшой список интересных ресурсов по теме Data Mining от 8 октября.
•  Наиболее интересные материалы от Freakonometrics №177
  Сборник наиболее интересных материалов от популярного портала Freakonometrics.
•  Наиболее интересные материалы от Freakonometrics №176
  Сборник наиболее интересных материалов от популярного портала Freakonometrics.
•  Наиболее интересные материалы от Freakonometrics №175
  Сборник наиболее интересных материалов от популярного портала Freakonometrics.
•  Наиболее интересные материалы по High Scalability
  Обзор наиболее интересных материалов по теме HighScalability от популярного портала High Scalability.
•  Лучшие материалы: NoSQL Zone (17 — 24 октября)
  Сборник лучших материалов от популярного портала DZone по теме NoSQL.

Предыдущий выпуск: Обзор наиболее интересных материалов по анализу данных и машинному обучению №18 (13 — 19 октября 2014)