Подборка книг, которые помогут вам изучить machine learning

Дэниел Бурк, Machine learning engineer, делится своими лучшими книгами по машинному обучению.

"Последние два года я занимаюсь компьютерным обучением, и все эти книги сыграли важную роль в этом процессе".

Смотреть видео с обзором:
https://youtu.be/7R08MPXxiFQ

Книги из обзора:
Machine Learning For Humans - https://bit.ly/mlforhumansbook
Python for Data Analysis - https://amzn.to/2Z1QZNp
Hands-on Machine Learning with Scikit-Learn and TensorFlow - https://amzn.to/2GormNb
Grokking Deep Learning - https://amzn.to/2H497My
The Mechanics of Machine Learning - https://mlbook.explained.ai/
The Hundred-Page Machine Learning Book (online) - https://bit.ly/100pageMLbookhome
The Hundred-Page Machine Learning Book (buy) - https://bit.ly/100pagemlbook
The Deep Learning Book (online) - https://www.deeplearningbook.org/
The Deep Learning Book (buy) - https://amzn.to/2YIsGok

​​8 лучших библиотек и платформ JavaScript для Machine Learning

Советуем сохранить себе ссылку, чтобы вернуться к закладке при необходимости.

https://nuancesprog.ru/p/4727/

​​7 паттернов искусственного интеллекта

Конечно же, к любому подходу в АI нужны свои адаптированные паттерны. Но независимо от того, в какой комбинации используются эти тренды, все они следуют стандартным правилам.

Эти семь моделей затем применяются по отдельности или в различных комбинациях в зависимости от конкретного решения AI.

Подробное объяснение за каждый паттерн:
https://www.forbes.com/sites/cognitiveworld/2019/09/17/the-seven-patterns-of-ai/

​​24 библиотеки для Python-разработчиков

Веб-приложения, доступ к базе данных, создание GUI, обработка изображений и другое.

​​Инфографика: какие скиллы в сфере data science вам необходимы?

А какие можно упустить. Подробный разбор со статистикой — по ссылке:

https://buff.ly/2QhMV8A

​​Разница между корреляцией и регрессией в одной картинке

А именно: корреляция Пирсона vs линейная регрессия.

​​2915 страниц pandas: powerful Python data analysis toolkit

Это open source BSD библиотека с простыми в использовании структурами данных и инструментами анализа для Python.

К ознакомлению рекомендует Kirk Borne.

Читать онлайн тут:
https://pandas.pydata.org/pandas-docs/stable/

Скачать в .pdf — выше ^

​Объяснение сложных концепций программирования на простых аналогиях

Автор этой статьи привел несколько примеров из окружающей нас действительности, которые, по его мнению, хорошо иллюстрируют некоторые концепции программирования.

https://techrocks.ru/2019/10/20/coding-concepts-explained-with-simple-analogies/

​Привет, друзья! Сегодня мы собрали для вас статьи на тему работы (и развлечений) в терминале Linux.

Бесполезные, но интересные трюки в Linux-терминале
https://techrocks.ru/2018/07/01/useless-but-fun-linux-terminal-tricks/

8 потрясающих способов использования символа (!) в командах в Linux
https://techrocks.ru/2019/08/25/10-uses-of-operator-in-linux-commands/

Топ-20 лучших консольных игр для Linux
https://techrocks.ru/2019/09/01/20-best-linux-terminal-console-games/

​Памятка по пользованию SSH

Если вы работаете с Django, используете систему контроля версий Git или занимаетесь администрированием серверов, вы наверняка пользуетесь SSH. Представляем вам "шпаргалку" с основными командами, используемыми при работе с SSH.

https://techrocks.ru/2019/10/25/using-ssh-connections-cheat-sheet/

​Привет, друзья! Сегодня мы собрали для вас статьи на тему работы с Git.

История происхождения Git
https://techrocks.ru/2019/02/19/git-origin-story/

Подробное введение в работу с Git
https://techrocks.ru/2019/02/14/git-cheatsheet-for-beginners/

15 команд Git, о которых вы, возможно, не знали
https://techrocks.ru/2019/04/03/15-useful-git-commands/

7 советов по повышению продуктивности работы с Git
https://techrocks.ru/2019/10/08/working-with-git-productivity-tips/

Водопад сложности - пишем поддерживаемый код
https://sobolevn.me/2019/10/complexity-waterfall

Что-то новое от Google Open Source Platform:

https://opentitan.org

Запись курса "Язык R и его применение в биоинформатике" от МГУ имени М.В.Ломоносова.

Целью данного курса является знакомство студентов с базовым
синтаксисом языка, линейными моделями, кластеризацией,
а также с некоторыми специальными возможностями для решения
биоинформатических задач. Кроме того, студенты научатся рисовать
информативные графики для представления результатов. Также студенты
узнают о том, какие бывают задачи и данные в биоинформатике,
познакомятся с пакетами Bioconductor, которые позволяют удобно
работать с геномными данными и не только.