ВЫПУСК №85

Воскресный брифинг D4S №85

Еженедельный информационный бюллетень с последними разработками в области науки о данных, машинного обучения и искусственного интеллекта.

10 января 2021 г.

Дорогие друзья,
​
Добро пожаловать в 85-й выпуск воскресного брифинга.

На этой неделе мы продолжаем наш перерыв в блогах о причинно-следственных связях и моделировании эпидемий. А пока вы можете ознакомиться с серией причинно-следственных связей с нашей последней публикацией, подробно описывающей обратное вероятностное взвешивание как метод, облегчающий расчет эффектов вмешательств. Как обычно, не забудьте проверить репозиторий Causality на GitHub. Вы также можете ознакомиться с серией Эпидемиология в нашем недавнем посте CoVID-19: прогнозирование числа погибших и коде в разделе Эпидемиология на GitHub.

Мы также с гордостью объявляем о нашем новом проекте Graphs for Science, подмножестве графических и сетевых приложений для Data Science. Это будет параллельно с нашим обычным ведением блога на Medium и этой рассылкой. Первый пост уже вышел: Графовые алгоритмы для науки о данных. Мы будем анонсировать здесь новые публикации, но вам следует зарегистрироваться, чтобы не пропустить ни одной публикации! Большинство сообщений будут общедоступными, а несколько более длинных и подробных будут доступны только платным подписчикам.

Январь посвящен НЛП, впереди два вебинара. Первым в ближайшую пятницу, 15 января, станет Обработка естественного языка (НЛП) для всех, за которым последует НЛП с глубоким обучением для всех 27 января. У обоих еще есть несколько свободных мест, так что зарегистрируйтесь прямо сейчас!

На этой неделе у нас есть краткая биография Дональда Кнута, одного из крестных отцов компьютерных наук, и эссе на тему Стать великим ученым. У нас также есть обзор последних разработок Графиков знаний в НЛП, представленных на EMNLP 2020, и Справочник, который поможет вам научиться распознавать и преодолевать теории заговора.

На академическом фронте у нас есть всеобъемлющий Атлас для начинающих сетевых ученых, документ Использование данных Fitbit для изучения факторов, влияющих на уровень повседневной активности студентов колледжа и обзор Алгоритмы для изучения графиков на финансовых рынках. .

Наконец, на этой неделе у нас есть самая первая статья из Книги по науке о данных: Наука о данных для бизнеса Фостера Провоста и Тома Фосетта. В видео недели у нас есть введение в Получение данных OpenStreetMap с помощью OSMnx в Python.

Данные показывают, что лучший способ распространения информационного бюллетеня — это распространение из уст в уста, поэтому, если вы думаете, что кому-то из ваших друзей или коллег понравится этот информационный бюллетень, просто перешлите ему это письмо. Это поможет нам распространить информацию!

Всегда разбирайтесь,

Команда D4S

Блог:

​
Вышел первый пост в подстеке Graphs for Data Science: Graph Algorithms for Data Science. В этом посте мы расскажем о миссии подстека и некоторых темах, которые мы затронем. Вы должны вы должны Зарегистрироваться, чтобы убедиться, что вы никогда не пропустите сообщение!

Последний пост из серии Причинно-следственная связь посвящен разделу 3.6 — Обратное взвешивание вероятностей — рецепту расчета эффекта ковариатных стратифицированных вмешательств. Код для каждого поста в блоге из этой серии размещен в специальном репозитории GitHub: https://github.com/DataForScience/Causality​

В последнем посте из серии CoVID-19 CoVID-19: прогнозирование числа погибших рассматривается влияние, которое структура нашей социальной сети может оказать на распространение эпидемии. Как обычно, весь код доступен на GitHub: http://github.com/DataForScience/Epidemiology101​

Книга по науке о данных:

Наша самая первая книга по науке о данных — Наука о данных для бизнеса Фостера Провоста и Тома Фосетта. Эта книга отличается тем, что была первой книгой, которую я когда-либо читал, когда впервые начал интересоваться наукой о данных. Хотя он не погружается в стек программирования Data Science, Провост и Фосетт обладают даром помещать фундаментальные концепции и идеи Data Science в практический бизнес-контекст, что позволяет понять, когда следует применять каждый алгоритм и где его можно найти. отсутствует.

Лучшие ссылки:

Учебники и сообщения в блогах, которые попались нам на стол на этой неделе.

  1. ​Дональд Кнут: математик и мастер программирования [hindustantimes.com]
  2. ​Справочник по теории заговора [climatechangecommunication.org]
  3. ​Атака Капитолия не оправдывает расширение наблюдения [wired.com]
  4. ​Демоны науки, от Декарта до Дарвина и далее [newyorker.com]
  5. Э.О. Уилсон о том, как стать великим ученым [fs.blog]
  6. ​pytudes — программы на Python, обычно короткие, для совершенствования определенных навыков программирования [github.com/norvig]
  7. ​Графики знаний в НЛП @ EMNLP 2020 [mgalkin.medium.com]

Только что из прессы:

Некоторые из самых интересных научных статей, опубликованных за последнее время

Видео недели:

Интересные обсуждения, идеи или учебные пособия, которые попадались нам на стол.

Получение данных OpenStreetMap с помощью OSMnx в Python

Все видео недели теперь доступны в нашем плейлисте Youtube.​

Предстоящие События

Возможности учиться у нас:

  1. 15 января 2020 г. — Обработка естественного языка (НЛП) для всех [Регистрация]
  2. 27 января 2020 г. — НЛП с глубоким обучением для всех [Регистрация]
  3. 11.02.2020 — Прикладная теория вероятностей для всех [Регистрация] 🆕
  4. 25 февраля 2020 г. — Преобразование анализа Excel в модели данных Python и pandas [Регистрация] 🆕

Благодарим вас за подписку на нашу еженедельную рассылку с кратким обзором мира наук о данных и машинного обучения. Пожалуйста, поделитесь своими контактами, чтобы помочь нам расти!

Публикуется в воскресенье.

​Авторские права © Data For Science, Inc., 2021. Все права защищены.