機械学習教材の概要2（2017年2月21〜27日）

こんにちは これは、機械学習とデータ分析に関する資料の2番目のダイジェストです。 今週は休日にもかかわらず、多くの興味深いことがありました。


来週のイベント

1。 SMIGOワークショップ ：マルチクラス分類：マルチクラスの大規模問題を効率的に処理する方法 2月28日。
2。 データサイエンスの朝食 。 3月1日
3。 スーパージョブデータサイエンスMeetup 。 3月2日
4。 オープン＆ビッグデータハッカソン2017 。 サンクトペテルブルク 3月3日。
5。 データサイエンスウィークエンド 。 3月3日。
6。 モスクワデータサイエンスミートアップ 。 3月3日。
7。 モスクワのオープンデータデー 。 3月4日

トレーニングコース、会議

1。 コース「機械学習の追加の章」は、PhysTechで始まります。
2。 MLトレーニング。 DeepHack RL、Avito BI 映像
3。 ダイアログインターフェイス：問題と課題 。 映像
4。 NIPS 2016敵対者トレーニングに関するワークショップ 。 バルセロナでの12月の会議。 映像
5。 ディープラーニングサマースクールと強化学習サマースクール 。

ニュース

1。 カスペルスキーは、データ分析ハッカソンを実施します。
2。 DataScienceCentralからの毎週のレビュー 。
3。 HighScalabilityポータルの毎週のレビュー 。
4。 GPUは、Google Compute EngineおよびCloud Machine Learningで利用できるようになりました 。

科学記事、実用的な実装、データセット

1。 厚皮：コンテナ化された、バージョン管理されたデータレイク 。
2。 例として線形回帰を使用した機械学習の基本原則 。
3。 TensorFlowのクイックヒント 。
4。 縦断国勢調査データを使用したジェントリフィケーションの予測 。
5。 ディープラーニングはデータサイエンスのパラダイムをどのように変えますか？
6。 コサイン正規化：ニューラルネットワークでドット積の代わりにコサイン類似性を使用します。
7。 パブリックデータ管理 。
8。 マルチスケールニューラルパッチ合成を使用した高解像度画像修復
9。 BaiduのDeepspeechモデルをKurでトレーニングする方法 。
10。 深層学習による意味質問マッチング 。
11。 ニューラルネットワークと決定木を組み合わせます 。
12。 Char2Wav：エンドツーエンド音声合成 。
13。 高速PixelCNN ++：迅速な画像生成 。
14。 イントロと前処理-畳み込みニューラルネットワークを使用して犬と猫を識別します。 パート1 パート2 パート3 パート4 映像
15。 多くのラベル付きおよび注釈付きデータ
16。 ヒューリスティックネットワークは、チャットボットプログラムのリカレントニューラルネットワークに類似しています。
17。 脳の信頼：AIが外科医を助けて腫瘍診断を改善する方法
18。 インターネット上のすべてのデータサイエンスコースのランキング 。
19。 パンダとSeabornによるデータ操作と視覚化-実用的な紹介 。
20。 pix2pix-tensorflowによるインタラクティブな画像変換 。
21。 補強によるトレーニング：パブロフからスロットマシンまで 。
22。 PixelNet：ピクセル、ピクセル、およびピクセルの表現 。
23。 ウィキデータから一文の伝記を生成することを学ぶ 。
24。 Pythonで時系列データセットを区別する方法 。
25。 ニューラルネットワーク：実用的なアプリケーション 。
26。 Tensorflow Image Classifierの作成方法 映像
27。 ニューラルネットワーク入門-パーセプトロン 。
28。 ディープラーニングによる信号機の認識 。
29。 Play FrameworkとS3を使用してSpark MLモデルを提供します。
30。 ディープラーニングのブラックマジック-開業医のためのヒントとコツ 。
31。 Tensorflowを使用したRBMベースのオートエンコーダー 。
32。 ソーシャルメディアリサーチツールキット 。
33。 写真のニューラルネットワーク：1つのニューロンから深いアーキテクチャまで 。
34。 ニューラルネットワークは、合成的に顔の加齢を学習し、顔を若く見せます。
35。 PythonでARIMA時系列予測モデルを保存する方法 。
36。 Python 3を使用した機械学習開発用のLinux仮想マシンの作成方法
37。 顧客セグメンテーションの初心者向けガイド 。
38。 基本的な機械学習モデルおよびアルゴリズムのいくつかのベアボーンPython実装 。
39。 予告預言者：正確で信頼できる予測を提供するツール 。
40。 バタフライ効果：OECDのデータ視覚化のしゃっくりは、メディアパニックを引き起こします。
41。 tf.Transformによる機械学習の前処理 。
42。 スマートフィーダー：Machine Learning、Raspberry Pi、Telegram、ちょっとした魔法の学習+組み立て説明書 。
43。 高解像度ニューラル修復-マルチスケールニューラルパッチ合成を使用した高解像度画像修復 。

前号： 機械学習教材の概要（2017年2月13-20日） 。