Воскресный брифинг D4S #41
Воскресный брифинг D4S #41
Еженедельный информационный бюллетень с последними разработками в области науки о данных, машинного обучения и искусственного интеллекта.
Выпуск №41
08 марта 2020 г.
Дорогие друзья,
Добро пожаловать в последний выпуск воскресного брифинга.
На этой неделе мы только что рассказали о вчерашней встрече по моделированию временных рядов. Вы можете проверить сообщение в блоге Reshama Shaikh для некоторых фотографий. Еще раз спасибо всем, кто провел эту субботу с нами. Вы помогли добиться большого успеха.
Если говорить менее позитивно, то на фронте Data For Science есть и плохие новости. Из-за проблем с CoVID-19 O’Reilly решила отменить в этом году конференцию Strata and AI в Сан-Хосе, а вместе с ней и наш запланированный двухдневный тренинг по временным рядам. Мы приносим свои извинения тем из вас, кто с нетерпением ждал этого. Вместо этого мы планируем провести его в нью-йоркском выпуске Strata/AI в сентябре и будем держать вас в курсе. Надеюсь, тогда ты сможешь это сделать.
На этой неделе мы воспользовались тем, что CoVID19 и моделирование эпидемий попали в новости, чтобы осветить некоторые приложения науки о данных и машинного обучения в областях эпидемиологии и инфекционных заболеваний. Deep Mind только что опубликовали свой подход к Вычислительным предсказаниям белковых структур, связанных с COVID-19, а в New York Times есть хорошая статья о том, как использовать интерес, вызванный циклом новостей, для Обучения данным и статистике и недавний препринт о том, как использовать байесовский подход для раннего выявления вспышек. Мы завершаем неделю обзорной статьей Увеличение данных временных рядов и исследованием связи между Трансформаторами и графовыми нейронными сетями
Наконец, в нашем видео недели Кирсти Уитакер представляет Как проводить воспроизводимые исследования в PyData London за последние годы.
Данные показывают, что лучший способ роста информационного бюллетеня — это сарафанное радио, поэтому, если вы думаете, что кто-то из ваших друзей или коллег вам понравится этот информационный бюллетень, просто перешлите им это письмо и помогите нам распространить информацию!
Semper discentes,
Команда D4S
Блог:
Наш последний пост охватывает первую часть раздела 1.3 Теория вероятностей и статистика, обзор некоторых фундаментальных теоретических требований для дальнейшего путешествия. Код для каждой записи в блоге из этой серии размещен в специальном репозитории GitHub для этого проекта: github.com/DataForScience/Causality
Сообщения в блоге:
1.2 — Парадокс Симпсона
1.3 — Теория вероятностей и статистика
GitHub: github.com/DataForScience/Causality
Лучшие ссылки:
Учебники и сообщения в блогах, которые попались нам на стол на этой неделе.
- Вычислительные прогнозы белковых структур, связанных с COVID-19 [deepmind.com]
- Курсы технического письма [developers.google.com]
- Сезонный ARIMA с Python [seanabu.com]
- Опасные числа? Преподавание данных и статистики с использованием вспышки коронавируса [nytimes.com]
- Мартингалы и марковские процессы [medium.com/swlh]
- Трансформеры — это графовые нейронные сети [graphdeeplearning.github.io]
- Как терпят неудачу большие данные [onezero.medium.com]
Только что из прессы:
Некоторые из самых интересных научных статей, опубликованных в последнее время.
- Машины учатся у биологии (М. Бьюкенен)
- Графики знаний (А. Хоган, Э. Бломквист, М. Кочес, К. д’Амато, Г. де Мело, К. Гутьеррес, Дж. Э. Гайо, С. Кирран и др.)
- Статистическая мощность для кластерного анализа (Э. С. Далмайер, К. Л. Норд, Д. Э. Астле)
- Байесовский подход к выявлению не моделируемого заболевания (Дж. М. Аронис, Дж. П. Ферраро, П. Х. Гестеланд, Ф. Цуй, Ю. Йе, М. М. Вагнер, Г. Ф. Купер)
- Увеличение данных временных рядов для глубокого обучения: обзор (Q. Wen, L. Sun, X. Song, J. Gao, X. Wang, H. Xu)
- Динамика ВИЧ-инфекции: энтропийно-энергетический взгляд (Р.Э.Р. Гонсалес, П. Х. Фигейредо, С. Коутиньо)
Видео недели:
Интересные обсуждения, идеи или учебные пособия, которые попадались нам на стол.
Путь Тьюринга: руководство для воспроизводимых исследований
Предстоящие События:
Возможности учиться у нас
- 9 марта 2020 г. — Визуализация данных с помощью matplotlib и seaborn [Регистрация]
- 27 марта 2020 г. — Глубокое обучение для всех [Регистрация]
- 8 апр 2020 г. — Временные ряды для всех [Регистрация] 🆕
- 29.04.2020 — Прикладная теория вероятностей для всех [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., 2020. Все права защищены.