Data science best resources
1.0.0
Eine Fundgrube sorgfältig zusammengestellter Ressourcen und Links (zu den Themen Software, Plattformen, Sprache, Techniken usw.) rund um die Datenwissenschaft, alles an einem Ort.
MONTRÉAL.AI ACADEMY: KÜNSTLICHE INTELLIGENZ 101 ERSTER WELTKLASSE-ÜBERBLICK ÜBER KI FÜR ALLE
OpenAI-Blog
KI denkt wie ein Unternehmen – und das ist besorgniserregend – Open Voices
AITopics
Speichert das Gehirn Informationen in diskreter oder analoger Form?
Erklärbare künstliche Intelligenz (Teil 1) – Die Bedeutung der vom Menschen interpretierbaren Maschine…
Kommt die Singularität? – Arc Digital
Michael I. Jordan NYSE-Präsentation zum maschinellen Lernen
Einige Wissenschaftler befürchten, dass superintelligente Maschinen eine Bedrohung für die Menschheit darstellen könnten | Die Washington Post
Die vier Wellen der KI | LinkedIn
Wenn Algorithmen schiefgehen, brauchen wir die Macht, uns zu wehren, sagen Forscher – The Verge
Amazon CloudWatch – Anwendungs- und Infrastrukturüberwachung
Amazon DynamoDB – Übersicht
Amazon Elastic Block Store (EBS) – Amazon Web Services
Amazon Elastic File System (EFS) | Cloud-Dateispeicher
AWS-Konzepte: AWS verstehen – YouTube
AWS-Konzepte: Verstehen des Kursmaterials und der Funktionen – YouTube
AWS in 10 Minuten | AWS-Tutorial für Anfänger | AWS-Schulungsvideo | AWS-Tutorial | Simplilearn – YouTube
AWS re:Invent 2017: Einfache Erstellung von Produktions-Apps mit Amazon Lightsail (CMP212) – YouTube
Klassenloses Inter-Domain-Routing – Wikipedia
Cloud-Computing-Produkte – Amazon Web Services (AWS)
Cloud-Objektspeicher | Daten überall speichern und abrufen | Amazon Simple Storage Service
Elastischer Lastenausgleich – Amazon Web Services
Spark, Python und Jupyter Notebook auf Amazon EC2 zum Laufen bringen
Verwenden Sie PuTTY, um über SSH von Windows aus auf EC2-Linux-Instanzen zuzugreifen
Was ist Cloud Computing? - Amazon Web Services
7-Schritte-Anleitung, um 2021 Ingenieur für maschinelles Lernen zu werden
Reduzierung des Bedarfs an gekennzeichneten Daten in generativen kontradiktorischen Netzwerken
Jasons Google ML 101-Deck
10 kostenlose Must-Read-Bücher für maschinelles Lernen und Datenwissenschaft
Rat für angehende Datenwissenschaftler: Starten Sie einen Blog – Variance Explained
Brandon Roher Blog
Chris Albon – Datenwissenschaft, maschinelles Lernen und künstliche Intelligenz
Data Science-Stack-Austausch
Datenskeptiker
DataTau
erklärt.ai – Ausführliche Erklärungen zum maschinellen Lernen und verwandten Themen
Fließende Daten
Hier sind (ungefähr) 3000 kostenlose Datenquellen, die Sie jetzt nutzen können
Wenn Sie Data Science erlernen möchten, nehmen Sie an einigen dieser Statistikkurse teil
Data Science lernen – Infografik (Artikel) – DataCamp
LIGO Schwerkraftwelle GW150914_tutorial
OR & Analytics Erfolgsgeschichten – INFORMS
OpenAI-Blog
Paul Ford: Was ist Code? | Bloomberg
Die Wissenschaft ist nicht kaputt | Fünfunddreißig
Wissenschaftlich fundiert
KI-Raum
Die 28 besten Spickzettel für maschinelles Lernen, Datenwissenschaft, Wahrscheinlichkeitsrechnung, SQL und Big Data
GitHub Python Data Science Spotlight: AutoML, NLP, Visualisierung, ML-Workflows
End-to-End-Data-Science-Projekte gelöst
Tauchen Sie ein in Deep Learning (Ein interaktives Deep-Learning-Buch mit Code, Mathematik und Diskussionen)
Buch über maschinelles Lernen und Mathematik
Programmieren lernen | Codecademy
Vorlesungsunterlagen | Einführung in MATLAB | Elektrotechnik und Informatik | MIT OpenCourseWare
Über 60 kostenlose Bücher zu Big Data, Data Science, Data Mining, maschinellem Lernen, Python, R und mehr
Feature Engineering und Auswahl: Ein praktischer Ansatz für Vorhersagemodelle
Neuronale Netzwerke und Deep Learning – ein Online-Buch
Hinzufügen eines vorhandenen Projekts zu GitHub über die Befehlszeile – Benutzerdokumentation
Eine Einführung in Git und GitHub für Anfänger (Tutorial)
Befolgen Sie diese einfachen Regeln und Sie werden ein Git- und GitHub-Meister
Git – Buch
Git – die einfache Anleitung – kein tiefer Mist!
Wie man keine Angst mehr vor GIT hat – freeCodeCamp.org
joshnh/Git-Commands: Eine Liste häufig verwendeter Git-Befehle
Der Leitfaden für Einsteiger zum Mitwirken an einem GitHub-Projekt – Rob Allens DevNotes
Den GitHub-Flow verstehen · GitHub-Anleitungen
Auf dem Weg zu einer antifaschistischen KI (von opendemocracy.net)
Werden Sie ein Datenwissenschaftler der Stufe 3.0
Die dritte Welle der Datenwissenschaftler
46 intellektuell anregendste Websites, die Ihr inneres Genie in 10 Minuten am Tag wecken werden
Künstliche Intelligenz lernt völlig selbstständig zu lernen | Quanta-Magazin
Edward Witten denkt über die Natur der Realität nach | Quanta-Magazin
Ingenieure sollten kein ETL schreiben: Ein Leitfaden zum Aufbau einer gut funktionierenden Data-Science-Abteilung | Stitch-Fix-Technologie – Multithreaded
Grundlagen für eine allgemeine Theorie neuronaler Netze – Quanta Magazine
Allgemeine Denkwerkzeuge: 9 mentale Modelle zur Lösung schwieriger Probleme
Wie Social Media Wissen gefährdet | VERDRAHTET
In diesen kleinen Städten könnten KI-Fortschritte kostspielig sein – MIT Technology Review
Die „erstaunliche“ Fähigkeit des maschinellen Lernens, Chaos vorherzusagen | Quanta-Magazin
Neue Gehirnkarten mit unübertroffener Detailgenauigkeit könnten die Neurowissenschaften verändern | VERDRAHTET
Pedro Domingos über das Wettrüsten in der Künstlichen Intelligenz - SPIEGEL ONLINE
Quantensprünge im Quantencomputing? - Wissenschaftlicher Amerikaner
Der fragile Zustand der öffentlichen Universitäten des Mittleren Westens – The Atlantic
Die Zukunft der menschlichen Arbeit liegt in Vorstellungskraft, Kreativität und Strategie
Die Revolution der Quantenthermodynamik | Quanta-Magazin
Was ist Code? | Paul Ford| Bloomberg
Die Ökonomie der künstlichen Intelligenz – Wie günstigere Vorhersagen die Welt verändern werden
Die Niederlage von OpenAI in Dota 2 ist immer noch ein Sieg für künstliche Intelligenz – The Verge
Maschinelles Lernen konfrontiert den Elefanten im Raum | Quanta-Magazin
Vollständige Vorlesungsunterlagen des Stanford/Coursera Machine Learning-Kurses von Andrew Ng
200 Universitäten haben gerade 560 kostenlose Online-Kurse eingeführt. Hier ist die vollständige Liste.
Künstliche Intelligenz | MIT OpenCourseWare
Dashboard | Digitale Programme für die berufliche Bildung des MIT
Data Science AZ™: Inklusive realer Data Science-Übungen | Udemy
Grundlagen der Datenwissenschaft | edX
Wie wählt man effektive MOOCs für maschinelles Lernen und Datenwissenschaft aus?
Ich habe über 1.150 Coursera-Kurse entdeckt, die immer noch völlig kostenlos sind
Information und Entropie | MIT OpenCourseWare
Einführung in Algorithmen | MIT OpenCourseWare
Einführung in die Datenanalyse mit Excel | edX
Einführung in Python für Data Science | edX
Einführung in R für Data Science | edX
Mathematik für Informatik | MIT OpenCourseWare
Programmieren mit Python für Data Science!
Kurs „Statistisches Denken für Data Science“.
Top Data Science Online-Kurse im Jahr 2017 – LearnDataSci
U. Wash ML-Kurs Jupyter Home
Eine visuelle Erklärung von SQL-Joins
Join (SQL) – Wikipedia
PostgreSQL: Mathematische Funktionen und Operatoren
PostgreSQL: String-Funktionen und Operatoren
Psycopg2-Tutorial – PostgreSQL mit Python
SQL-Joins erklärt
Das SQL-Tutorial für die Datenanalyse | SQL-Tutorial – Modusanalyse
SQL vs. NoSQL oder MySQL vs. MongoDB – YouTube
Denken in SQL vs. Denken in Python
Kaggle SQL-Kurs (einschließlich BigQuery-Themen)
Gängige statistische Tests sind lineare Modelle (oder: wie man Statistiken lehrt)
Einführende Statistiken – OpenText Library
Gängige statistische Tests sind lineare Modelle (oder: wie man Statistiken lehrt)
Hintergrund: Markov-Ketten
OpenIntro-Statistiken
Tutorial und Beispiele zur Regressionsanalyse | Minitab
Die 10 statistischen Techniken, die Datenwissenschaftler beherrschen müssen
Der ultimative Leitfaden zu 12 Techniken zur Dimensionsreduktion (mit Python-Codes)
Thomas Bayes und die Krise der Wissenschaft – TheTLS
Willkommen bei STAT 505! | STAT 505
Einführung in die Bayesianische lineare Regression – Auf dem Weg zur Datenwissenschaft
Tutorial und Beispiele zur Regressionsanalyse | Minitab
Die 10 statistischen Techniken, die Datenwissenschaftler beherrschen müssen
Willkommen bei STAT 505! | STAT 505
Wahrscheinlichkeit und Statistik visuell
Das Papier beschreibt Scikit-Image von seinen Kernentwicklern
Interaktives Vollbild, mit dem Sie die ersten 300 Jahre der Datenvisualisierung erkunden können
designing-great-visualizations.pdf
Galerie der Datenvisualisierung – verpasste Chancen und grafische Fehler
Lektion 1-4, erste Visualisierungsdaten – Govind Acharya | Tableau Public
Kartierung des Cholera-Ausbruchs von 1854 | Tableau Public
Ressourcen | Tableau Public
10 kostenlose Must-Read-Bücher für maschinelles Lernen und Datenwissenschaft
Über 60 kostenlose Bücher zu Big Data, Data Science, Data Mining, maschinellem Lernen, Python, R und mehr
Datenskeptiker
GGobi-Datenvisualisierungssystem.
GitHub (Tirthajyoti Sarkar)
Hier sind (ungefähr) 3000 kostenlose Datenquellen, die Sie jetzt nutzen können
Wenn Sie Data Science erlernen möchten, nehmen Sie an einigen dieser Statistikkurse teil
Programmieren lernen | Codecademy
Vorlesungsunterlagen | Einführung in MATLAB | Elektrotechnik und Informatik | MIT OpenCourseWare
Mittel – Lesen, schreiben und teilen Sie wichtige Geschichten
Wissenschaftlich fundiert
Die 28 besten Spickzettel für maschinelles Lernen, Datenwissenschaft, Wahrscheinlichkeitsrechnung, SQL und Big Data
Data Science lernen – Infografik (Artikel) – DataCamp
Hausaufgabe 3
Tiefe Blaubeere
Brandon Rohrer – Rekurrente neuronale Netze (RNN) und langes Kurzzeitgedächtnis (LSTM)
CS231n Vorlesung 10 – Wiederkehrende neuronale Netze, Bildunterschrift, LSTM – YouTube
Das A und O der Anwendung von Deep Learning (Andrew Ng) – YouTube
Siraj Raval – LSTM Networks – The Math of Intelligence (Woche 8) – YouTube
Siraj Raval – Rekurrente neuronale Netze – Die Mathematik der Intelligenz (Woche 5) – YouTube
Andrew Ng: Künstliche Intelligenz ist die neue Elektrizität – YouTube
Ein Spielplatz für neuronale Netze
Aber was ist ein neuronales Netzwerk? | Deep Learning, Kapitel 1
Faltungsnetzwerke in Java – Deeplearning4j: Open-Source, verteiltes Deep Learning für die JVM
CS231n Faltungs-Neuronale Netze für die visuelle Erkennung
Grundlagen des Deep Learning – Kognitiver Unterricht
Erkundung von LSTMs
Feature-Visualisierung
Neuronale Netze und Deep Learning
Hintons Kapselnetzwerke verstehen. Teil I: Intuition.
LSTM-Netzwerke verstehen – Colahs Blog
Die unangemessene Wirksamkeit wiederkehrender neuronaler Netze
Blog von Andrej Carpathy – Hacker-Leitfaden zu neuronalen Netzen
Ein Leitfaden für Anfänger zu wiederkehrenden Netzwerken und LSTMs – Deeplearning4j: Open-Source, verteiltes Deep Learning für die JVM
J Alammar – Erkundungen in berührbaren Pixeln und intelligenten Androiden
Leitfaden zum sequentiellen Modell – Keras-Dokumentation
Keras-Dokumentation
So verwenden Sie Worteinbettungsebenen für Deep Learning mit Keras – Machine Learning Mastery
Eingabefunktionen mit tf.estimator erstellen | TensorFlow
Erste Schritte mit TensorFlow | TensorFlow
TensorFlow unter Windows installieren | TensorFlow
TensorFlow
Tutorial zum linearen TensorFlow-Modell | TensorFlow
TensorFlow Wide & Deep Learning-Tutorial | TensorFlow
Verwenden von TensorFlow in Windows mit einer GPU | Heaton-Forschung
Installationsanleitung Windows :: CUDA Toolkit-Dokumentation
7 Schritte zur Beherrschung des maschinellen Lernens mit Python
Eine visuelle Einführung in maschinelles Lernen
Berkeley KI-Materialien
Deep Learning für Programmierer fast.ai
Vorlesungssammlung | Maschinelles Lernen – Stanford-Kurs
Microsoft Azure ML-Spickzettel
Pedro Domigos Vorlesungen über maschinelles Lernen
Der Per Anhalter Leitfaden zum maschinellen Lernen in Python
Top 10 Machine-Learning-Projekte auf Github
UCI-Repository für maschinelles Lernen
[ISLR-Kursvideos](https://www.r-bloggers.com/in-third-introduction-to-machine-learning-in-15-hours-of-expert-videos/
Machine Learning Zero-to-Hero: Alles, was Sie brauchen, um zum ersten Mal auf Kaggle anzutreten …
GOOGLE – Regeln des maschinellen Lernens: | Regeln für maschinelles Lernen | Google-Entwickler
Beispiel für ein PySpark ML-Tutorial
Tutorial zu Python-Generatoren
R Markdown: Der endgültige Leitfaden
Den GitHub-Flow verstehen · GitHub-Anleitungen
So bereiten Sie sich auf ein Interview mit maschinellem Lernen vor – Semantische Bits
Spickzettel für KI, neuronale Netze, maschinelles Lernen, Deep Learning und Big Data
KI-Wissenskarte: So klassifizieren Sie KI-Technologien
Erstellen einer linearen Regression mit PySpark und MLlib
Vollständiger Leitfaden zu DataFrame-Operationen in PySpark
Install_Spark_on_Windows10.pdf
Einführung · Apache Spark beherrschen
MLlib: Haupthandbuch – Spark 2.3.1-Dokumentation
Übersicht – Spark 2.3.1-Dokumentation
RDD-Programmierhandbuch – Spark 2.3.1-Dokumentation
rdflib 5.0.0-dev – Dokumentation zu rdflib 5.0.0-dev
Spark SQL und DataFrames – Spark 2.3.1-Dokumentation
Willkommen bei den Spark Python API-Dokumenten! – PySpark 2.3.1-Dokumentation
Warum Sie die Google AI Platform für Ihre maschinellen Lernprojekte in Betracht ziehen sollten
Cloud-Computing-Tutorial für Anfänger | Cloud Computing erklärt | Cloud-Computing | Simplilearn – YouTube
Ein kurzer Leitfaden für schwierige Probleme | Quanta-Magazin
Die 10 Mining-Techniken, die Datenwissenschaftler für ihre Toolbox benötigen
Wikipedia Data Science: Arbeiten mit der weltweit größten Enzyklopädie
Ein kurzer Überblick über Techniken zur Erkennung von Ausreißern – Auf dem Weg zur Datenwissenschaft
Eine anfängerfreundliche Einführung in Container, VMs und Docker
Ein schnelles und einfaches Docker-Tutorial für Anfänger (Videoserie)
Docker Compose in 12 Minuten – YouTube
So installieren und verwenden Sie Docker unter Ubuntu 18.04 | DigitalOcean
So installieren Sie Docker unter Ubuntu 18.04 Bionic Beaver – LinuxConfig.org
Docker in 12 Minuten lernen? - YouTube
Was ist ein Container? - YouTube
Was ist Docker | Docker-Tutorial für Anfänger | Docker-Container | DevOps-Tools | Edureka – YouTube
Erstellen Sie Ihre eigene Data Science-Plattform mit Python und Docker – YouTube
Über 50 Interviewfragen zu Datenstruktur und Algorithmen für Programmierer
GraphQL vs. REST – Apollo GraphQL
Microservices, APIs und Swagger: Wie sie zusammenpassen | Stolzieren
REST-API-Konzepte und Beispiele – YouTube
Webarchitektur 101 – VideoBlocks-Produkt und -Technik
REST-API und RESTful-Webdienste erklärt – YouTube
Unsere Sammlungen – Auf dem Weg zur Datenwissenschaft
JSON-Crashkurs – YouTube Kann ich verwenden... Unterstützungstabellen für HTML5, CSS3 usw. HTML5-Formularvalidierungsbeispiele < HTML | Die Kunst des Webs
Das CSS-Handbuch: ein praktischer Leitfaden zu CSS für Entwickler
Erstellen einer einfachen Website mit HTML und CSS – Teil 1 – YouTube
CSS-Einführung – W3Schools
Lernen Sie CSS in 12 Minuten – YouTube
JavaScript-Tutorial für Anfänger – 1 – Einführung in JavaScript – YouTube
Eloquentes JavaScript
Formularvalidierung mit JavaScript – Auf leeres Textfeld prüfen – YouTube
JavaScript-Grundlagen Teil 1
JavaScript-Anfänger-Tutorial 30 – Formularvalidierungstextfelder und Passwörter – YouTube
JavaScript: Einfache Formularvalidierung – YouTube
Lernen Sie JavaScript in 12 Minuten – YouTube
Maschinelles Lernen mit JavaScript: Teil 1 – Hacker Noon
Maschinelles Lernen mit JavaScript: Teil 2 – Hacker Noon
W3School – JavaScript-Formularvalidierung
W3schools – JavaScript-Tutorial
ClearlyDecoded.com – Yaakov Chaikin
Erste Schritte mit dem GoDaddy-Hosting-Konto
So erstellen Sie eine Website im Jahr 2018 – Webhosting-Leitfaden | WHSR
jhu-ep-coursera/fullstack-course4: Beispielcode für HTML, CSS und Javascript für Webentwickler Coursera-Kurs
Kostenloses JavaScript-Tutorial – Scaler
Kunst des Problemlösens – LaTeX-Symbole
Detexifizieren Sie die Erkennung handschriftlicher LaTeX-Symbole
http://quicklatex.com/
LaTeX-Symbol-Wiki
Die umfassende LaTeX-SymbollisteDie umfassende LaTeX-Symbolliste - symbole-a4.pdf
Pandoc – Pandoc-Benutzerhandbuch
MathJax-Dokumentation – MathJax 2.7-Dokumentation
TeX-Befehle in MathJax verfügbar
So installieren Sie Ubuntu Linux auf VirtualBox unter Windows 10 [Schritt-für-Schritt-Anleitung] | Es ist FOSS
Microsoft PowerShell-Tutorial und Schulungskurs – Microsoft Virtual Academy
Die beliebtesten Linux-Distributionen und warum sie den Markt dominieren
Die kinderleichte Anleitung zur Installation einer virtuellen Linux-Maschine unter Windows – StorageCraft Technology Corporation
[Gelöst] Die Sperre /var/lib/dpkg/lock konnte nicht abgerufen werden. Fehler in Ubuntu | Es ist FOSS
Zeitreihenanalyse in Python: Eine Einführung – Auf dem Weg zur Datenwissenschaft
RJT1990/pyflux: Open-Source-Zeitreihenbibliothek für Python
MaxBenChrist/awesome_time_series_in_python: Diese kuratierte Liste enthält Python-Pakete für die Zeitreihenanalyse
Erste Schritte mit Zeitreihen – Dokumentation zu PyFlux 0.4.7
Einführung in ARIMA-Modelle
Vollständige Anleitung zum Erstellen einer Zeitreihenprognose (mit Codes in Python)
So erstellen Sie ein ARIMA-Modell für die Zeitreihenprognose mit Python
Zeitreihe mit Siraj-Kurs von Kaggle
Entlarvung der Mythen und Realität der künstlichen Intelligenz – Forbes
Künstliche Intelligenz – Die Revolution hat noch nicht stattgefunden
Künstliche Intelligenz lernt völlig selbstständig zu lernen | Quanta-Magazin
Kann die buddhistische Philosophie erklären, was vor dem Urknall geschah? | Aeon-Essays
Die Implikationen der Quantenmechanik in den Griff bekommen – Scientific American Blog Network
Hat der Werkzeugbau den Weg für die menschliche Sprache geebnet? - Der Atlantik
Edward Witten denkt über die Natur der Realität nach | Quanta-Magazin
Gatekeeping und Elitismus in der Datenwissenschaft
Wie lösen Außerirdische den Klimawandel? - Der Atlantik
Wie ich gelernt habe, mir keine Sorgen mehr über das Fehlen neuer Physik am LHC zu machen
Wie Informationen neu erfunden wurden – Grenzen – Medium
Wie Social Media Wissen gefährdet | VERDRAHTET
In diesen kleinen Städten könnten KI-Fortschritte kostspielig sein – MIT Technology Review
Im 3,5-Millionen-Dollar-Wettbewerb von Amazon, Alexa wie ein Mensch chatten zu lassen – The Verge
Machen wir private Daten zu einem öffentlichen Gut – MIT Technology Review
Über Chomsky und die zwei Kulturen des statistischen Lernens
Quantensprünge im Quantencomputing? - Wissenschaftlicher Amerikaner
Strategie vs. Taktik: Was ist der Unterschied und warum ist er wichtig?
Es spricht sich dafür aus, eine intelligentere Menschen-Cyborg-Population gentechnisch zu manipulieren, um die Gefahr einer existenziellen Katastrophe abzuwenden.
Der fragile Zustand der öffentlichen Universitäten des Mittleren Westens – The Atlantic
Die Revolution der Quantenthermodynamik | Quanta-Magazin
Die Art und Weise, wie Sie Bücher lesen, sagt viel über Ihre Intelligenz aus. Hier erfahren Sie, warum
Um wirklich intelligente Maschinen zu bauen, muss man ihnen Ursache und Wirkung beibringen | Quanta-Magazin
Warum ist der amerikanische Nahverkehr so schlecht? Es ist eine lange Geschichte. - CityLab
Yuval Noah Harari über das, was 2050 für die Menschheit bereithält | WIRED UK
Yuval Noah Harari über Warum Technologie Tyrannei begünstigt – The Atlantic
Yuval Noah Harari: „Die Idee freier Informationen ist äußerst gefährlich“ | Kultur | Der Wächter
Beyond Weird: Dekohärenz, Quantenverrücktheit und Schrödingers Katze – Der Atlantik
Das Leben ist ein Geflecht in Raumzeit – Zeit – Medium
Mentale Modelle: So trainieren Sie Ihr Gehirn, auf neue Weise zu denken – James Clear – Pocket
Konkurrieren Sie nicht. Erstellen! - Darius Foroux - Tasche
Tesla wird in der Gigafactory leben und sterben – The Verge
Sie möchten also ein Forschungswissenschaftler sein – Vincent Vanhoucke – Medium
Die Heimatschutzbehörde wird es Software ermöglichen, potenzielle Terroristen zu kennzeichnen
Was passiert, wenn eine Weltordnung endet?
Kevin Slavin: Wie Algorithmen unsere Welt prägen | TED-Talk
Der Autopilot-Mechanismus des Gehirns steuert das Bewusstsein – Scientific American
Was ist Intelligenz? – Auf dem Weg zur Datenwissenschaft
Genau so sollten Sie sich darin üben, schlauer zu sein – Michael Simmons – Pocket
Wie Sie mit der „Eisenhower-Box“ produktiver arbeiten und zeitraubende Aktivitäten vermeiden können – James Clear – Pocket
Der blinde Fleck der Wissenschaft ist die Vernachlässigung gelebter Erfahrungen | Aeon-Essays
Ein vollständiges Tutorial zum Erlernen von Data Science mit Julia von Grund auf
ML-Experimentverfolgung: Was es ist, warum es wichtig ist und wie man es implementiert
Bewertung von Modellen für maschinelles Lernen auf Fairness und Voreingenommenheit
Erstellen von Data-Science-APIs mit Flask
Flask und Heroku für die Online-Bereitstellung von maschinellem Lernen
Überblick über die verschiedenen Ansätze zur Umsetzung von Modellen des maschinellen Lernens (ML) in die Produktion
[Anleitung] Erstellen einer Data Science-Webanwendung mit React, NodeJS und MySQL
Ein Leitfaden für Einsteiger zum Trainieren und Bereitstellen von Modellen für maschinelles Lernen mit Python
Ein Leitfaden zur Skalierung von Modellen für maschinelles Lernen in der Produktion
Bereitstellung von Keras Deep Learning-Modellen mit Flask – Auf dem Weg zur Datenwissenschaft
Maschinelles Lernen im großen Maßstab einsetzen – Algorithmia Blog
Der Einsatz von maschinellem Lernen war noch nie so einfach – Auf dem Weg zur Datenwissenschaft
Quora – Wie bringt man ein Modell für maschinelles Lernen in die Produktion?
Tutorial zum Bereitstellen eines Machine-Learning-Modells in der Produktion als API mit Flask
Von Big Data zu Microservices: So stellen Sie Spark-trainierte Modelle über AWS-Lambdas bereit
So liefern Sie maschinelle Lernprojekte – Insight Data
Bereitstellen eines Keras Deep Learning-Modells als Webanwendung in P
Implementierung genetischer Algorithmen in Python – Auf dem Weg zur Datenwissenschaft
Einführung in die Optimierung mit genetischen Algorithmen
Ein Tutorial zur Differentialentwicklung mit Python · Pablo R. Mier
Leitfaden zum sequentiellen Modell – Keras-Dokumentation
Keras-Dokumentation
So verwenden Sie Worteinbettungsebenen für Deep Learning mit Keras – Machine Learning Mastery
Brandon Rohrer – Rekurrente neuronale Netze (RNN) und langes Kurzzeitgedächtnis (LSTM)
CS231n Vorlesung 10 – Wiederkehrende neuronale Netze, Bildunterschrift, LSTM – YouTube
Das A und O der Anwendung von Deep Learning (Andrew Ng) – YouTube
Siraj Raval – LSTM Networks – The Math of Intelligence (Woche 8) – YouTube
Siraj Raval – Rekurrente neuronale Netze – Die Mathematik der Intelligenz (Woche 5) – YouTube
Andrew Ng: Künstliche Intelligenz ist die neue Elektrizität – YouTube
Ein Leitfaden für Anfänger zu wiederkehrenden Netzwerken und LSTMs – Deeplearning4j: Open-Source, verteiltes Deep Learning für die JVM
Ein Spielplatz für neuronale Netze
Ein visueller Leitfaden für Evolutionsstrategien
Blog von Andrej Carpathy – Hacker-Leitfaden zu neuronalen Netzen
Beste (und kostenlose!!) Ressourcen, um die Grundlagen des Deep Learning zu verstehen
Aber was ist ein neuronales Netzwerk? | Deep Learning, Kapitel 1
Spickzettel für KI, neuronale Netze, maschinelles Lernen, Deep Learning und Big Data
Faltungsnetzwerke in Java – Deeplearning4j: Open-Source, verteiltes Deep Learning für die JVM
CS231n Faltungs-Neuronale Netze für die visuelle Erkennung
Tauchen Sie tief in die Mathematik hinter Deep Networks ein – Auf dem Weg zur Datenwissenschaft
Grundlagen des Deep Learning – Kognitiver Unterricht
Erkundung von LSTMs
Feature-Visualisierung
J Alammar – Erkundungen in berührbaren Pixeln und intelligenten Androiden
Lernen ohne Backpropagation: Intuition und Ideen (Teil 1) – Tom Breloff
Muss die Konzepte der Informationstheorie im Deep Learning (KI) kennen
Neuronale Netze und Deep Learning
Neural Style Transfer: Kunst mit Deep Learning mit tf.keras und eifriger Ausführung schaffen
Die unangemessene Wirksamkeit wiederkehrender neuronaler Netze
Hintons Kapselnetzwerke verstehen. Teil I: Intuition.
LSTM-Netzwerke verstehen – Colahs Blog
Ein neuronales Netzwerk in 13 Zeilen Python (Teil 2 – Gradient Descent) – ich bin Trask
Wie lernen künstliche neuronale Netze? – Auf dem Weg zur Datenwissenschaft
Der Zoo für neuronale Netze – Das Asimov-Institut
Eine Geschichte des Deep Learning | Import.io
Das ultimative NanoBook zum Verständnis der auf Deep Learning basierenden Bildklassifizierung
So lösen Sie 90 % der NLP-Probleme: eine Schritt-für-Schritt-Anleitung
Codierung und Englischliteratur: Verarbeitung natürlicher Sprache in Python
TextBlob: Vereinfachte Textverarbeitung – Dokumentation zu TextBlob 0.15.1
Python-Tutorial zu regulären Ausdrücken (Artikel) - DataCamp
Stanford NLP
Reinforcement Learning-Kurs – Vollständiges Tutorial zum maschinellen Lernen
Eine kurze Einführung in das Reinforcement Learning – freeCodeCamp.org
Eine Einführung in Reinforcement Learning – freeCodeCamp.org
Schlüsselartikel in Deep RL – Dokumentation zum Spin-up
Das A und O des Reinforcement Learning: Modellbasierte Planung mit dynamischer Programmierung
Reinforcement Learning: Ein tiefer Einblick | Toptal
Teil 1: Schlüsselkonzepte in RL – Dokumentation zum Aufbau
Analyse des Verstärkungslernens – Teil 1
Verstärken Sie Q-Learning von Grund auf in Python mit OpenAI Gym – LearnDataSci
Google AI Blog: Neugier und Aufschub beim Reinforcement Learning
Reinforcement Learning: Monte-Carlo-Lernen mit OpenAI Gym
Eingabefunktionen mit tf.estimator erstellen | TensorFlow
Erste Schritte mit TensorFlow | TensorFlow
TensorFlow unter Windows installieren | TensorFlow
TensorFlow
Tutorial zum linearen TensorFlow-Modell | TensorFlow
TensorFlow Wide & Deep Learning-Tutorial | TensorFlow
Verwenden von TensorFlow in Windows mit einer GPU | Heaton-Forschung
Installationsanleitung Windows :: CUDA Toolkit-Dokumentation
7 Schritte zur Beherrschung des maschinellen Lernens mit Python
Eine visuelle Einführung in maschinelles Lernen
(Fast) jedes Problem des maschinellen Lernens angehen | Abhishek Thakur | Keine freie Ahnung
Automatisiertes Hyperparameter-Tuning für maschinelles Lernen in Python
Berkeley KI-Materialien
Deep Learning für Programmierer fast.ai
Grundlagen maschineller Lernalgorithmen (mit Python- und R-Codes)
GOOGLE – Regeln des maschinellen Lernens: | Regeln für maschinelles Lernen | Google-Entwickler
http://www.r2d3.us/visual-intro-to-machine-learning-part-2/
ISLR-Klassenvideos
Vorlesungssammlung | Maschinelles Lernen – Stanford-Kurs
Machine Learning Zero-to-Hero: Alles, was Sie brauchen, um zum ersten Mal auf Kaggle anzutreten …
Microsoft Azure ML-Spickzettel
Offener Kurs für maschinelles Lernen (Beta) • mlcourse.ai
Pedro Domigos Vorlesungen über maschinelles Lernen
Der Per Anhalter Leitfaden zum maschinellen Lernen in Python
Top 10 Machine-Learning-Projekte auf Github
UCI-Repository für maschinelles Lernen
Lernen, mit Reinforcement Learning zu optimieren – Der Berkeley Artificial Intelligence Research Blog
Hallo Kaggle! – Ein Kaggle-Leitfaden für jemanden, der neu bei Kaggle ist
Alles über Python – Anfänger bis Fortgeschrittene
Interaktive Tabellenkalkulationen in Jupyter
PyCharm für Datenwissenschaftler
Integrierte magische Befehle – Dokumentation zu IPython 6.2.1
Konkrete Statistiken Jupyter Notebook Peter Norvig
Wirtschaftssimulation Jupyter Notebook Peter Norvig
Markdown-Spickzettel
Verwenden von Interact – Dokumentation zu Jupyter Widgets 7.0.3
Pixie – visueller Python-Debugger für Jupyter-Notebook
Farbbeispielcode: colormaps_reference.py – Matplotlib 2.0.2-Dokumentation
ggplot | Heim
Matplotlib 1.5.1
Zusammenfassung der Matplotlib-Plotbefehle –
Matplotlib-Tutorial
Seaborn-Tutorial – Dokumentation zu Seaborn 0.7.1
Github/jmportilla/Complete-Python-Bootcamp: Vorträge
Jupyter Notebook – Udemy Schließt den Python-Bootcamp-Kurs ab
Bootcamp für Python für Datenwissenschaft und maschinelles Lernen | Udemy
Computational Science and Engineering I | Mathematik | MIT OpenCourseWare
Grundlagen des maschinellen Lernens (Ein Kurs von Bloomberg)
Lineare Algebra (numpy.linalg) – NumPy v1.12 Handbuch
NumPy v1.12 Universelle Funktionen
NumPy v1.13.dev0 Handbuch
Zufallsstichprobe (numpy.random) – NumPy v1.13 Handbuch
SciPy – SciPy v0.19.0 Referenzhandbuch
Von Python bis Numpy
Numpy-100/100 Numpy-Übungen mit hint.md bei Master · Rougier/Numpy-100
Dokumentation zu Pandas 0.20.3
Pandas: Python-Datenanalysebibliothek
Startseite | Lesen Sie die Dokumente
So veröffentlichen Sie Ihr eigenes Python-Paket auf PyPi – freeCodeCamp
Schritt-für-Schritt-Anleitung zum Erstellen von R- und Python-Bibliotheken (in JupyterLab)
So senden Sie ein Paket an PyPI – Peter Downs
Projekte verpacken und verteilen – Python Packaging-Benutzerhandbuch
reStructuredText Primer – Sphinx 1.8.0+ Dokumentation
Verwenden von TestPyPI – Python Packaging-Benutzerhandbuch
So öffnen Sie Ihre Python-Bibliothek als Open Source | Opensource.com
Amazon Web Services (AWS) – Cloud-Computing-Dienste
Herstellen einer Verbindung zu Ihrer Linux-Instanz von Windows aus mithilfe von PuTTY – Amazon Elastic Compute Cloud
Installieren Sie Spark unter Windows (PySpark) – Michael Galarnyk – Medium
10 Schritte, um Ihr Python-Projekt erfolgreich einzurichten
itertools – Funktionen, die Iteratoren für effizientes Schleifen erstellen – Python 3.6.3-Dokumentation
XML in Python mit ElementTree verarbeiten – Website von Eli Bendersky
Mit BeautifulSoup HTML analysieren und Pressekonferenz-URLs extrahieren | Computerjournalismus, Frühjahr 2016
28 Tipps, Tricks und Verknüpfungen zu Jupyter Notebook
Eine kuratierte Liste fantastischer Python-Frameworks, Bibliotheken, Software und Ressourcen
Archivierte Probleme – Projekt Euler
Auswahl des richtigen Schätzers – Dokumentation zu scikit-learn 0.18.1
CodeSculptor
CodeSculptor
Installation von XGBoost für Anaconda unter Windows (das bestgehütete Geheimnis ist die Optimierung)
Pandas 0.20.3 – API-Referenz
Pandas 0.20.3 Kochbuch
PostgreSQL + Python | Psycopg
Probleme – CodeAbbey
Projekt Jupyter | Heim
PY4E – Python für alle
Dokumentation zu Python 2.7.13
Python erobert das Universum | Abenteuer durch Raum und Zeit mit der Programmiersprache Python
Python Flask von Grund auf – YouTube
Python-Tricks 101 – Hacker Noon
Python-Tutorial – TutorialsPoint
Reguläre Ausdrücke für Datenwissenschaftler
Einfache lineare Regressionsanalyse – ReliaWiki
Einführung – Dokumentation zu Python 101 1.0
Dokumentation von Python-Code: Eine vollständige Anleitung – Echtes Python
MIT AI: Python (Guido van Rossum) – YouTube
Python-IDEs und Code-Editoren (Anleitung) – Echtes Python
Fortgeschrittene Python-Web-Scraping-Tricks und Tipps
Ein Leitfaden für Anfänger zu neuronalen Netzen mit R
Ein umfassender Leitfaden zur Datenvisualisierung in R für Anfänger
Eine R-Einführung in die Statistik | R-Tutorial
Datenmanipulation mit dplyr | R-Blogger
Bootcamp für Datenwissenschaft und maschinelles Lernen mit R | Udemy
Entdecken Sie R | Entdecken Sie Bibliotheken, Quellcode, Top-Autoren und Trenddiskussionen | Kandi
ggplot2-cheatsheet.pdf
Maschinelles Lernen AZ™: Übungsdatensätze herunterladen – SuperDataScience – Big Data | Analytics-Karriere | Mentoren | Erfolg
Quick-R: Startseite
Archiv der R-Mailinglisten
R-Tutorialreihe – Statistische Tests | Saranya Anandh | Puls | LinkedIn
R: Steuerung für R-Teil-Passungen
R: Rekursive Partitionierung und Regressionsbäume
Kurzreferenzkarte.pdf
Thema • ggplot2
