Data science best resources
1.0.0
Множество тщательно подобранных ресурсов и ссылок (по темам программного обеспечения, платформ, языков, методов и т. д.), связанных с наукой о данных, — все в одном месте.
АКАДЕМИЯ МОНРЕАЛЬ.ИИ: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ 101 ПЕРВЫЙ МИРОВОЙ ОБЗОР ИИ ДЛЯ ВСЕХ
Блог OpenAI
ИИ думает как корпорация — и это вызывает беспокойство — Open Voices
AIТемы
Мозг хранит информацию в дискретной или аналоговой форме?
Объяснимый искусственный интеллект (Часть 1) — Важность интерпретируемой человеком машины…
Наступит ли сингулярность? – Дуга Цифровая
Презентация Майкла И. Джордана по машинному обучению на Нью-Йоркской фондовой бирже
Некоторые учёные опасаются, что сверхразумные машины могут представлять угрозу человечеству | Вашингтон Пост
Четыре волны искусственного интеллекта | LinkedIn
Когда алгоритмы выходят из строя, нам нужна сила, чтобы дать отпор, говорят исследователи – The Verge
Amazon CloudWatch — мониторинг приложений и инфраструктуры
Amazon DynamoDB — обзор
Amazon Elastic Block Store (EBS) — Amazon Web Services
Эластичная файловая система Amazon (EFS) | Облачное хранилище файлов
Концепции AWS: понимание AWS – YouTube
Концепции AWS: понимание материалов и функций курса – YouTube
AWS за 10 минут | Учебное пособие по AWS для начинающих | Обучающее видео по AWS | Учебное пособие по AWS | Простое обучение – YouTube
AWS re:Invent 2017: легко создавать рабочие приложения с помощью Amazon Lightsail (CMP212) – YouTube
Бесклассовая междоменная маршрутизация — Википедия
Продукты для облачных вычислений – Amazon Web Services (AWS)
Облачное объектное хранилище | Храните и извлекайте данные где угодно | Простая служба хранения Amazon
Эластичная балансировка нагрузки — Amazon Web Services
Запуск Spark, Python и Jupyter Notebook на Amazon EC2
Используйте PuTTY для доступа к экземплярам EC2 Linux через SSH из Windows.
Что такое облачные вычисления? - Веб-сервисы Амазонки
Руководство из 7 шагов, как стать инженером по машинному обучению в 2021 году
Уменьшение потребности в размеченных данных в генеративно-состязательных сетях
Колода Джейсона Google ML 101
10 бесплатных книг по машинному обучению и науке о данных, которые обязательно нужно прочитать
Совет начинающим специалистам по данным: заведите блог – Объяснение дисперсии
Блог Брэндона Роэра
Крис Албон - Наука о данных, машинное обучение и искусственный интеллект
Обмен стеками науки о данных
Скептик данных
ДатаТау
объяснено.ai — подробные объяснения машинного обучения и связанных с ним тем.
Текущие данные
Вот (приблизительно) 3000 бесплатных источников данных, которые вы можете использовать прямо сейчас
Если вы хотите изучить науку о данных, посетите несколько занятий по статистике.
Изучите науку о данных — инфографика (статья) — DataCamp
LIGO Гравитационная волна GW150914_tutorial
Истории успеха ИЛИ и аналитики - ИНФОРМЫ
Блог OpenAI
Пол Форд: Что такое код? | Блумберг
Наука не сломана | ПятьТридцатьВосемь
Научно обосновано
AIspace
28 лучших шпаргалок по машинному обучению, науке о данных, теории вероятностей, SQL и большим данным
GitHub: Обзор науки о данных Python: AutoML, NLP, визуализация, рабочие процессы машинного обучения
Решенные комплексные проекты Data Science
Погрузитесь в глубокое обучение (интерактивная книга по глубокому обучению с кодом, математикой и обсуждениями)
Книга «Математика машинного обучения»
Научитесь программировать | Кодакадемия
Конспекты лекций | Введение в MATLAB | Электротехника и информатика | MIT OpenCourseWare
Более 60 бесплатных книг по большим данным, науке о данных, интеллектуальному анализу данных, машинному обучению, Python, R и многому другому.
Разработка функций и выбор: практический подход к прогнозным моделям
Нейронные сети и глубокое обучение - онлайн-книга
Добавление существующего проекта в GitHub с помощью командной строки - Пользовательская документация
Введение в Git и GitHub для начинающих (учебник)
Следуйте этим простым правилам, и вы станете мастером Git и GitHub.
Git — Книга
git — простое руководство — без всякой ерунды!
Как больше не бояться GIT – freeCodeCamp.org
joshnh/Git-Commands: список часто используемых команд Git.
Руководство для начинающих по участию в проекте GitHub — DevNotes Роба Аллена
Понимание работы GitHub · Руководства по GitHub
На пути к антифашистскому ИИ (с сайта opendemocracy.net)
Стать специалистом по данным уровня 3.0
Третья волна специалистов по данным
46 самых интеллектуально стимулирующих сайтов, которые пробудят ваш внутренний гений за 10 минут в день
Искусственный интеллект учится учиться самостоятельно | Журнал Кванта
Эдвард Виттен размышляет о природе реальности | Журнал Кванта
Инженеры не должны писать ETL: Руководство по созданию высокофункционального отдела обработки данных | Технология Stitch Fix – многопоточная
Основы общей теории нейронных сетей - журнал Quanta
Инструменты общего мышления: 9 ментальных моделей для решения сложных проблем
Как социальные сети ставят под угрозу знания | ПРОВОДНОЙ
В этих маленьких городах развитие искусственного интеллекта может оказаться дорогостоящим - Обзор технологий MIT
«Удивительная» способность машинного обучения предсказывать хаос | Журнал Кванта
Новые карты мозга с непревзойденной детализацией могут изменить нейробиологию | ПРОВОДНОЙ
Педро Домингос о гонке вооружений в области искусственного интеллекта - SPIEGEL ONLINE
Квантовые скачки в квантовых вычислениях? - Научный американец
Хрупкое состояние государственных университетов Среднего Запада
Будущее человеческого труда – это воображение, творчество и стратегия
Революция в квантовой термодинамике | Журнал Кванта
Что такое код? | Пол Форд| Блумберг
Экономика искусственного интеллекта: как удешевление прогнозов изменит мир
Поражение OpenAI в Dota 2 по-прежнему остается победой искусственного интеллекта – The Verge
Машинное обучение противостоит слону в комнате | Журнал Кванта
Полные конспекты лекций по машинному обучению в Стэнфорде/Coursera, автор Эндрю Нг
200 университетов только что запустили 560 бесплатных онлайн-курсов. Вот полный список.
Искусственный интеллект | MIT OpenCourseWare
Панель управления | Цифровые программы профессионального образования MIT
Data Science AZ™: включены практические упражнения по науке о данных | Удеми
Основы науки о данных | edX
Как выбрать эффективные МООК для машинного обучения и науки о данных?
Я обнаружил более 1150 курсов Coursera, которые по-прежнему совершенно бесплатны.
Информация и энтропия | MIT OpenCourseWare
Введение в алгоритмы | MIT OpenCourseWare
Введение в анализ данных с использованием Excel | edX
Введение в Python для науки о данных | edX
Введение в R для науки о данных | edX
Математика для информатики | MIT OpenCourseWare
Программирование на Python для науки о данных!
Курс «Статистическое мышление для науки о данных»
Лучшие онлайн-курсы по науке о данных в 2017 году – LearnDataSci
Курс U. Wash ML Jupyter Home
Визуальное объяснение SQL-соединений
Присоединиться (SQL) — Википедия
PostgreSQL: математические функции и операторы
PostgreSQL: строковые функции и операторы
Учебное пособие по Psycopg2 — PostgreSQL с Python
Объяснение SQL-соединений
Учебное пособие по SQL для анализа данных | Учебник по SQL — Аналитика режима
SQL против NoSQL или MySQL против MongoDB – YouTube
Мышление на SQL против мышления на Python
Курс Kaggle SQL (включая темы BigQuery)
Обычные статистические тесты — это линейные модели (или: как учить статистике)
Вводная статистика — Библиотека OpenText
Обычные статистические тесты — это линейные модели (или: как преподавать статистику)
Предыстория: цепи Маркова.
Статистика OpenIntro
Учебное пособие по регрессионному анализу и примеры | Минитаб
10 статистических методов, которыми должны овладеть ученые, работающие с данными
Полное руководство по 12 методам уменьшения размерности (с кодами Python)
Томас Байес и кризис науки – TheTLS
Добро пожаловать в СТАТ 505! | СТАТ 505
Введение в байесовскую линейную регрессию – к науке о данных
Учебное пособие по регрессионному анализу и примеры | Минитаб
10 статистических методов, которыми должны овладеть ученые, работающие с данными
Добро пожаловать в СТАТ 505! | СТАТ 505
Вероятность и статистика визуально
Статья, описывающая Scikit-образ от его основных разработчиков.
Полноэкранный интерактивный интерфейс, позволяющий изучить первые 300 лет визуализации данных.
проектирование-отличные-визуализации.pdf
Галерея визуализации данных — упущенные возможности и графические неудачи
Урок 1–4, первые данные визуализации — Говинд Ачарья | Табло Публичный
Картирование вспышки холеры 1854 года | Табло Публичный
Ресурсы | Табло Публичный
10 бесплатных книг по машинному обучению и науке о данных, которые обязательно нужно прочитать
Более 60 бесплатных книг по большим данным, науке о данных, интеллектуальному анализу данных, машинному обучению, Python, R и многому другому.
Скептик данных
Система визуализации данных GGobi.
GitHub (Тиртаджиоти Саркар)
Вот (приблизительно) 3000 бесплатных источников данных, которые вы можете использовать прямо сейчас
Если вы хотите изучить науку о данных, посетите несколько занятий по статистике.
Научитесь программировать | Кодакадемия
Конспекты лекций | Введение в MATLAB | Электротехника и информатика | MIT OpenCourseWare
Средний – читайте, пишите и делитесь важными историями.
Научно обосновано
28 лучших шпаргалок по машинному обучению, науке о данных, теории вероятностей, SQL и большим данным
Изучите науку о данных — инфографика (статья) — DataCamp
Домашнее задание 3
Глубокий черничный
Брэндон Рорер - Рекуррентные нейронные сети (RNN) и долговременная память (LSTM)
CS231n Лекция 10. Рекуррентные нейронные сети, субтитры к изображениям, LSTM – YouTube
Основы применения глубокого обучения (Эндрю Нг) – YouTube
Сирадж Раваль – LSTM Networks – Математика интеллекта (неделя 8) – YouTube
Сирадж Раваль – Рекуррентные нейронные сети – Математика интеллекта (неделя 5) – YouTube
Эндрю Нг: Искусственный интеллект – это новое электричество – YouTube
Игровая площадка нейронной сети
Но что такое нейронная сеть? | Глубокое обучение, глава 1
Сверточные сети в Java - Deeplearning4j: распределенное глубокое обучение с открытым исходным кодом для JVM
CS231n Сверточные нейронные сети для визуального распознавания
Основы глубокого обучения — когнитивный класс
Изучение LSTM
Визуализация функций
Нейронные сети и глубокое обучение
Понимание капсульных сетей Хинтона. Часть I: Интуиция.
Понимание сетей LSTM — блог Колы
Неоправданная эффективность рекуррентных нейронных сетей
Блог Андрея Карпати - Руководство для хакера по нейронным сетям
Руководство для начинающих по рекуррентным сетям и LSTM - Deeplearning4j: распределенное глубокое обучение с открытым исходным кодом для JVM
Дж. Аламмар – Исследования осязаемых пикселей и умных андроидов
Руководство по последовательной модели - Документация Keras
Керас Документация
Как использовать слои встраивания слов для глубокого обучения с помощью Keras
Построение функций ввода с помощью tf.estimator | ТензорФлоу
Начало работы с TensorFlow | ТензорФлоу
Установка TensorFlow в Windows | ТензорФлоу
ТензорФлоу
Учебное пособие по линейной модели TensorFlow | ТензорФлоу
Учебное пособие по широкому и глубокому обучению TensorFlow | ТензорФлоу
Использование TensorFlow в Windows с графическим процессором | Хитон Исследования
Руководство по установке Windows :: Документация CUDA Toolkit
7 шагов к освоению машинного обучения с помощью Python
Визуальное введение в машинное обучение
Материалы Беркли по искусственному интеллекту
Глубокое обучение для программистов fast.ai
Сборник лекций | Машинное обучение — Стэнфордский курс
Шпаргалка по Microsoft Azure ML
Лекции Педро Домигоса по машинному обучению
Путеводитель по машинному обучению на Python
10 лучших проектов машинного обучения на Github
Репозиторий машинного обучения UCI
[Видеокурсы ISLR](https://www.r-bloggers.com/in-глубина-introduction-to-machine-learning-in-15-hours-of-expert-videos/
Машинное обучение от нуля до героя: все, что вам нужно, чтобы соревноваться на Kaggle за первое…
GOOGLE – Правила машинного обучения: | Правила машинного обучения | Разработчики Google
Пример руководства по PySpark ML
Учебное пособие по генераторам Python
R Markdown: полное руководство
Понимание работы GitHub · Руководства по GitHub
Как подготовиться к собеседованию по машинному обучению — семантические биты
Шпаргалки по искусственному интеллекту, нейронным сетям, машинному обучению, глубокому обучению и большим данным
Карта знаний об искусственном интеллекте: как классифицировать технологии искусственного интеллекта
Построение линейной регрессии с помощью PySpark и MLlib
Полное руководство по операциям с DataFrame в PySpark
Install_Spark_on_Windows10.pdf
Введение · Освоение Apache Spark
MLlib: Основное руководство — Документация Spark 2.3.1
Обзор — Документация Spark 2.3.1
Руководство по программированию RDD — документация Spark 2.3.1
rdflib 5.0.0-dev — документация rdflib 5.0.0-dev
Spark SQL и DataFrames - Документация Spark 2.3.1
Добро пожаловать в документацию по API Spark Python! — Документация PySpark 2.3.1
Почему вам следует рассмотреть платформу Google AI для своих проектов машинного обучения
Учебное пособие по облачным вычислениям для начинающих | Объяснение облачных вычислений | Облачные вычисления | Простое обучение – YouTube
Краткое руководство по сложным задачам | Журнал Кванта
10 методов майнинга, которые нужны ученым, работающим с данными, в своем наборе инструментов
Наука о данных Википедии: работа с крупнейшей в мире энциклопедией
Краткий обзор методов обнаружения выбросов – на пути к науке о данных
Введение в контейнеры, виртуальные машины и Docker для начинающих
Быстрое и простое руководство по Docker для начинающих (серия видео)
Docker Compose за 12 минут – YouTube
Как установить и использовать Docker в Ubuntu 18.04 | ЦифровойОкеан
Как установить Docker на Ubuntu 18.04 Bionic Beaver — LinuxConfig.org
Изучите Docker за 12 минут? - Ютуб
Что такое контейнер? - Ютуб
Что такое Докер | Учебное пособие по Docker для начинающих | Докер-контейнер | Инструменты DevOps | Эдурека – YouTube
Создание собственной платформы для обработки данных с помощью Python и Docker – YouTube
50+ вопросов на собеседовании по структурам данных и алгоритмам для программистов
GraphQL против REST – Apollo GraphQL
Микросервисы, API и Swagger: как они сочетаются друг с другом | Суэггер
Концепции и примеры REST API – YouTube
Веб-архитектура 101 – Продукты и разработки VideoBlocks
Объяснение REST API и веб-сервисов RESTful – YouTube
Наши коллекции – На пути к науке о данных
Ускоренный курс JSON — YouTube Могу ли я использовать... Таблицы поддержки HTML5, CSS3 и т. д. Примеры проверки форм HTML5 < HTML | Искусство Интернета
CSS Handbook: удобное руководство по CSS для разработчиков.
Создание простого веб-сайта с помощью HTML и CSS. Часть 1 – YouTube
Введение в CSS - W3Schools
Изучите CSS за 12 минут – YouTube
Учебное пособие по JavaScript для начинающих – 1 – Введение в JavaScript – YouTube
Красноречивый JavaScript
Проверка формы с помощью JavaScript – проверка пустого текстового поля – YouTube
Основы JavaScript, часть 1
Учебное пособие по JavaScript для начинающих 30 – текстовые поля и пароли проверки формы – YouTube
JavaScript: простая проверка формы – YouTube
Изучите JavaScript за 12 минут — YouTube
Машинное обучение с помощью JavaScript: Часть 1 – Хакерский полдень
Машинное обучение с помощью JavaScript: Часть 2 – Хакерский полдень
W3School — проверка формы JavaScript
W3schools — Учебник по JavaScript
ClearlyDecoded.com - Яаков Чайкин
Руководство по началу работы с учетной записью хостинга GoDaddy
Как создать веб-сайт в 2018 году — Руководство по веб-хостингу | WHSR
jhu-ep-coursera/fullstack-course4: Пример кода HTML, CSS и Javascript для веб-разработчиков, курс Coursera
Бесплатное руководство по JavaScript — Скейлер
Искусство решения проблем — символы LaTeX
Распознавание рукописных символов Detexify LaTeX
http://quicklatex.com/
Символ LaTeX вики
Полный список символов LaTeXПолный список символов LaTeX - символы-a4.pdf
Pandoc – Руководство пользователя Pandoc
Документация MathJax — документация MathJax 2.7
Команды TeX, доступные в MathJax
Как установить Ubuntu Linux на VirtualBox в Windows 10 [Пошаговое руководство] | Это ФОСС
Учебный курс и учебный курс по Microsoft PowerShell — Виртуальная академия Microsoft
Самые популярные дистрибутивы Linux и почему они доминируют на рынке
Очень простое руководство по установке виртуальной машины Linux в Windows - StorageCraft Technology Corporation
[Решено] Не удалось получить ошибку блокировки /var/lib/dpkg/lock в Ubuntu | Это ФОСС
Анализ временных рядов в Python: введение – к науке о данных
RJT1990/pyflux: библиотека временных рядов с открытым исходным кодом для Python.
MaxBenChrist/awesome_time_series_in_python: этот кураторский список содержит пакеты Python для анализа временных рядов.
Начало работы с временными рядами — документация PyFlux 0.4.7
Введение в модели ARIMA
Полное руководство по созданию прогноза временных рядов (с кодами на Python)
Как создать модель ARIMA для прогнозирования временных рядов с помощью Python
Временной ряд с курсом Сираджа от Kaggle
Развенчание мифов и реальности искусственного интеллекта — Forbes
Искусственный интеллект: революция еще не произошла
Искусственный интеллект учится учиться самостоятельно | Журнал Кванта
Может ли буддийская философия объяснить, что было до Большого взрыва? | Эон Эссе
Понимание последствий квантовой механики - Сеть блогов Scientific American
Проложило ли производство инструментов путь к человеческому языку? - Атлантика
Эдвард Виттен размышляет о природе реальности | Журнал Кванта
Контроль доступа и элитизм в науке о данных
Как инопланетяне решают проблему изменения климата? - Атлантика
Как я научился перестать беспокоиться об отсутствии новой физики на БАКе
Как информация была изобретена заново – Ограничения – Средний
Как социальные сети ставят под угрозу знания | ПРОВОДНОЙ
В этих маленьких городах развитие искусственного интеллекта может оказаться дорогостоящим - Обзор технологий MIT
Конкурс Amazon стоимостью 3,5 миллиона долларов за то, чтобы заставить Alexa общаться как человек – The Verge
Давайте сделаем частные данные общественным благом — Обзор технологий MIT
О Хомском и двух культурах статистического обучения
Квантовые скачки в квантовых вычислениях? - Научный американец
Стратегия и тактика: в чем разница и почему это важно?
Аргументы в пользу генетической инженерии более умной популяции людей-киборгов, чтобы избежать угрозы экзистенциальной катастрофы.
Хрупкое состояние государственных университетов Среднего Запада
Революция в квантовой термодинамике | Журнал Кванта
То, как вы читаете книги, многое говорит о вашем интеллекте, и вот почему
Чтобы создать по-настоящему интеллектуальные машины, научите их причинам и следствиям | Журнал Кванта
Почему американский общественный транспорт так плох? Это длинная история. - СитиЛаб
Юваль Ной Харари о том, что готовит человечеству 2050 год | ПРОВОДНАЯ Великобритания
Юваль Ной Харари о том, почему технологии благоприятствуют тирании – The Atlantic
Юваль Ноа Харари: «Идея свободной информации чрезвычайно опасна» | Культура | Хранитель
За гранью странного: декогеренция, квантовая странность и кот Шрёдингера — The Atlantic
Жизнь — это коса в пространстве-времени — Время — Medium
Ментальные модели: как научить мозг думать по-новому - Джеймс Клир - Pocket
Не соревнуйтесь. Создавать! - Дариус Фору - Карман
Тесла будет жить и умрет возле Гигафабрики – The Verge
Итак, вы хотите стать учёным-исследователем – Винсент Ванхук – Medium
Национальная безопасность позволит программному обеспечению сигнализировать о потенциальных террористах
Что происходит, когда мировой порядок заканчивается
Кевин Славин: Как алгоритмы формируют наш мир | ТЕД-выступление
Механизм автопилота мозга управляет сознанием - Scientific American
Что такое интеллект? – На пути к науке о данных
Именно так вы должны тренировать себя, чтобы быть умнее - Майкл Симмонс - Pocket
Как стать более продуктивным и избежать бесполезной траты времени с помощью «коробки Эйзенхауэра» - Джеймс Клир - Pocket
Слепое пятно науки – пренебрежение жизненным опытом | Эон Эссе
Полное руководство по изучению науки о данных с Джулией с нуля
Отслеживание экспериментов ML: что это такое, почему это важно и как это реализовать
Оценка моделей машинного обучения на предмет справедливости и предвзятости
Создание API для обработки данных с помощью Flask
Flask и Heroku для онлайн-развертывания машинного обучения
Обзор различных подходов к внедрению моделей машинного обучения (ML) в производство
[Руководство] Создание веб-приложения для обработки данных с помощью React, NodeJS и MySQL
Руководство для начинающих по обучению и развертыванию моделей машинного обучения с использованием Python.
Руководство по масштабированию моделей машинного обучения в производстве
Развертывание моделей глубокого обучения Keras с помощью Flask – к науке о данных
Масштабное развертывание машинного обучения - блог Algorithmia
Развертывание машинного обучения еще никогда не было таким простым – на пути к науке о данных
Quora – Как внедрить модель машинного обучения в производство?
Руководство по развертыванию модели машинного обучения в производстве как API с помощью Flask
От больших данных к микросервисам: как обслуживать модели, обученные в Spark, с помощью лямбда-выражений AWS
Как реализовать проекты машинного обучения – Insight Data
Развертывание модели глубокого обучения Keras в качестве веб-приложения на P
Реализация генетических алгоритмов на Python – На пути к науке о данных
Введение в оптимизацию с помощью генетического алгоритма
Учебное пособие по дифференциальной эволюции с помощью Python · Пабло Р. Майер
Руководство по последовательной модели - Документация Keras
Керас Документация
Как использовать слои встраивания слов для глубокого обучения с помощью Keras
Брэндон Рорер - Рекуррентные нейронные сети (RNN) и долговременная память (LSTM)
CS231n Лекция 10. Рекуррентные нейронные сети, субтитры к изображениям, LSTM – YouTube
Основы применения глубокого обучения (Эндрю Нг) – YouTube
Сирадж Раваль – LSTM Networks – Математика интеллекта (неделя 8) – YouTube
Сирадж Раваль – Рекуррентные нейронные сети – Математика интеллекта (неделя 5) – YouTube
Эндрю Нг: Искусственный интеллект – это новое электричество – YouTube
Руководство для начинающих по рекуррентным сетям и LSTM - Deeplearning4j: распределенное глубокое обучение с открытым исходным кодом для JVM
Игровая площадка нейронной сети
Визуальное руководство по стратегиям эволюции
Блог Андрея Карпати - Руководство для хакера по нейронным сетям
Лучшие (и бесплатные!) ресурсы для понимания основ глубокого обучения
Но что такое нейронная сеть? | Глубокое обучение, глава 1
Шпаргалки по искусственному интеллекту, нейронным сетям, машинному обучению, глубокому обучению и большим данным
Сверточные сети в Java - Deeplearning4j: распределенное глубокое обучение с открытым исходным кодом для JVM
CS231n Сверточные нейронные сети для визуального распознавания
Глубокое погружение в математику, лежащую в основе глубоких сетей – на пути к науке о данных
Основы глубокого обучения — когнитивный класс
Изучение LSTM
Визуализация функций
Дж. Аламмар – Исследования осязаемых пикселей и умных андроидов
Обучение без обратного распространения ошибки: интуиция и идеи (часть 1) – Том Брелофф
Должен знать концепции теории информации в глубоком обучении (ИИ)
Нейронные сети и глубокое обучение
Передача нейронного стиля: создание искусства с помощью глубокого обучения с использованием tf.keras и энергичного исполнения
Неоправданная эффективность рекуррентных нейронных сетей
Понимание капсульных сетей Хинтона. Часть I: Интуиция.
Понимание сетей LSTM — блог Колы
Нейронная сеть в 13 строках Python (Часть 2 — Градиентный спуск) — я траск
Как обучаются искусственные нейронные сети? – На пути к науке о данных
Зоопарк нейронных сетей - Институт Азимова
История глубокого обучения | Импорт.io
Ultimate NanoBook для понимания классификатора изображений на основе глубокого обучения
Как решить 90% проблем НЛП: пошаговое руководство
Программирование и английская литература: обработка естественного языка в Python
TextBlob: упрощенная обработка текста — документация TextBlob 0.15.1
Учебное пособие по регулярным выражениям Python (статья) - DataCamp
Стэнфорд НЛП
Курс обучения с подкреплением — полное руководство по машинному обучению
Краткое введение в обучение с подкреплением – freeCodeCamp.org
Введение в обучение с подкреплением – freeCodeCamp.org
Ключевые статьи в Deep RL — документация Spinning Up
Основы обучения с подкреплением: планирование на основе моделей с использованием динамического программирования
Обучение с подкреплением: глубокое погружение | Топтал
Часть 1. Ключевые понятия в RL — документация по раскрутке
Анализ обучения с подкреплением. Часть 1.
Q-обучение с нуля на Python с помощью OpenAI Gym – LearnDataSci
Блог Google AI: Любопытство и прокрастинация в обучении с подкреплением
Обучение с подкреплением: обучение по методу Монте-Карло с использованием OpenAI Gym
Построение функций ввода с помощью tf.estimator | ТензорФлоу
Начало работы с TensorFlow | ТензорФлоу
Установка TensorFlow в Windows | ТензорФлоу
ТензорФлоу
Учебное пособие по линейной модели TensorFlow | ТензорФлоу
Учебное пособие по широкому и глубокому обучению TensorFlow | ТензорФлоу
Использование TensorFlow в Windows с графическим процессором | Хитон Исследования
Руководство по установке Windows :: Документация CUDA Toolkit
7 шагов к освоению машинного обучения с помощью Python
Визуальное введение в машинное обучение
Подход (почти) к любой задаче машинного обучения | Абхишек Тхакур | Нет свободной догадки
Автоматизированная настройка гиперпараметров машинного обучения в Python
Материалы Беркли по искусственному интеллекту
Глубокое обучение для программистов fast.ai
Основы алгоритмов машинного обучения (с кодами Python и R)
GOOGLE – Правила машинного обучения: | Правила машинного обучения | Разработчики Google
http://www.r2d3.us/visual-intro-to-machine-learning-part-2/
Видео уроков ISLR
Сборник лекций | Машинное обучение — Стэнфордский курс
Машинное обучение от нуля до героя: все, что вам нужно, чтобы соревноваться на Kaggle за первое…
Шпаргалка по Microsoft Azure ML
Открытый курс машинного обучения (бета) • mlcourse.ai
Лекции Педро Домигоса по машинному обучению
Путеводитель по машинному обучению на Python
10 лучших проектов машинного обучения на Github
Репозиторий машинного обучения UCI
Учимся оптимизировать с помощью обучения с подкреплением — Блог исследований искусственного интеллекта Беркли
Привет, Кагл! - Руководство по Kaggle для новичков в Kaggle.
Все о Python — от начинающего до продвинутого
Интерактивные таблицы в Jupyter
PyCharm для ученых, работающих с данными
Встроенные магические команды — документация IPython 6.2.1
Блокнот Jupyter «Конкретная статистика» Питер Норвиг
Экономическое моделирование Jupyter Notebook Питер Норвиг
Шпаргалка по уценке
Использование Interact — документация Jupyter Widgets 7.0.3
Pixie — визуальный отладчик Python для блокнота Jupyter
пример кода цвета: colormaps_reference.py — документация Matplotlib 2.0.2
ggplot | Дом
Матплотлиб 1.5.1
Matplotlib Сводка команд построения графиков —
Учебник по Matplotlib
Учебное пособие по Seaborn — документация seaborn 0.7.1
Github/jmportilla/Complete-Python-Bootcamp: Лекции
Jupyter Notebook — Полный курс Udemy Python Bootcamp
Учебный курс по Python для науки о данных и машинного обучения | Удеми
Вычислительная наука и инженерия I | Математика | MIT OpenCourseWare
Основы машинного обучения (курс Bloomberg)
Линейная алгебра (numpy.linalg) — Руководство по NumPy v1.12
NumPy v1.12 Универсальные функции
NumPy v1.13.dev0 Руководство
Случайная выборка (numpy.random) — Руководство по NumPy v1.13
SciPy — Справочное руководство SciPy v0.19.0
От Python к Numpy
numpy-100/100 Упражнения Numpy с помощью help.md в мастере · rougier/numpy-100
Документация Панды 0.20.3
Pandas: библиотека анализа данных Python
Главная | Прочтите документацию
Как опубликовать собственный пакет Python на PyPi – freeCodeCamp
Пошаговое руководство по созданию библиотек R и Python (в JupyterLab)
Как отправить пакет в PyPI — Питер Даунс
Упаковка и распространение проектов — Руководство пользователя по упаковке Python
reStructuredText Primer — документация Sphinx 1.8.0+
Использование TestPyPI — Руководство пользователя упаковки Python
Как открыть исходный код вашей библиотеки Python | Opensource.com
Amazon Web Services (AWS) — услуги облачных вычислений
Подключение к вашему экземпляру Linux из Windows с помощью PuTTY — Amazon Elastic Compute Cloud
Установите Spark в Windows (PySpark) – Михаил Галарник – Medium
10 шагов для успешной настройки вашего проекта Python
itertools — Функции, создающие итераторы для эффективного циклирования — Документация Python 3.6.3
Обработка XML в Python с помощью ElementTree — сайт Эли Бендерского
Использование BeautifulSoup для анализа HTML и извлечения URL-адресов брифингов для прессы | Вычислительная журналистика, весна 2016 г.
28 советов, приемов и ярлыков для Jupyter Notebook
Кураторский список потрясающих фреймворков, библиотек, программного обеспечения и ресурсов Python.
Архив задач - Проект Эйлер
Выбор правильного оценщика — документация scikit-learn 0.18.1
КодСкульптор
КодСкульптор
Установка XGBoost для Anaconda в Windows (лучший секрет ИТ — оптимизация)
Панды 0.20.3 — Справочник по API
Панды 0.20.3 Поваренная книга
PostgreSQL + Питон | Псикопг
Проблемы - CodeAbbey
Проект Юпитер | Дом
PY4E — Python для всех
Документация Python 2.7.13
Питон покоряет Вселенную | Приключения в пространстве и времени с языком программирования Python
Python Flask с нуля – YouTube
Хитрости Python 101 – Хакерский полдень
Учебник по Python - TutorialsPoint
Регулярные выражения для специалистов по данным
Простой линейный регрессионный анализ — ReliaWiki
Введение — документация Python 101 1.0
Документирование кода Python: полное руководство – Real Python
MIT AI: Python (Гвидо ван Россум) – YouTube
IDE и редакторы кода Python (Руководство) – Real Python
Продвинутые приемы и советы по парсингу веб-страниц Python
Руководство для начинающих по нейронным сетям с R
Комплексное руководство по визуализации данных в R для начинающих
R Введение в статистику | Учебное пособие по R
Манипулирование данными с помощью dplyr | R-блогеры
Учебный курс по науке о данных и машинному обучению с R | Удеми
Исследуйте Р | Откройте для себя библиотеки, исходный код, ведущих авторов, актуальные дискуссии | канди
ggplot2-шпаргалка.pdf
Машинное обучение AZ™: загрузить практические наборы данных — SuperDataScience — Большие данные | Карьера в области аналитики | Наставники | Успех
Quick-R: Домашняя страница
Архив списков рассылки R
Серия руководств по R — Статистические тесты | Саранья Ананд | Пульс | LinkedIn
R: Контроль посадки Rpart
R: Рекурсивное разбиение и деревья регрессии
Краткая рефкарта.pdf
Тема • ggplot2
