Сети (также известные как графы) — одна из самых интересных областей науки о данных, интерес к которой в последние годы резко возрос. Возможность моделировать взаимосвязь между точками данных является мощной. Используя визуализацию данных для выявления закономерностей, тенденций и взаимосвязей, ваши данные могут отображать числа в визуальных элементах, чтобы выделить важные выводы. На прошлых мероприятиях ODSC и в нашем онлайн-обучении мы выделили некоторые навыки, которые дополняют и поддерживают тех, кто хочет больше узнать об обучении сетевому анализу. Вот несколько бесплатных видеороликов по обучению сетевому анализу:
Смотрите плейлист по обучению сетевому анализу здесь
Машинное обучение на основе графов: Йорг Шад, доктор философии | начальник отдела инженерии и машинного обучения | АрангоДБ
Машинное обучение и обработка графов (графы знаний) были двумя основными тенденциями последних лет. Многие мощные алгоритмы машинного обучения основаны на графиках, таких как рейтинг страниц (Pregel), механизмы рекомендаций (совместная фильтрация), суммирование текста и другие задачи НЛП. В этом курсе мы рассмотрим симбиоз графов и машинного обучения.
Графики знаний для индукции правил и рассуждений:Дарья Степанова, кандидат наук | научный сотрудник | Центр ИИ Bosch
Достижения в области извлечения информации позволили автоматически создавать большие графы знаний (KG), такие как DBpedia, YAGO и Google Knowledge Graph. Изучение правил от KG является важной задачей для завершения, очистки и курирования KG. В этом учебном пособии представлены современные методы индукции правил, последние достижения, исследовательские возможности, а также открытые проблемы на этом пути.
Глубокое изучение сверточных нейронных сетей:Сюзанна Зогби, доктор философии | соучредитель | MACTY.EU, Контент А
Сверточные нейронные сети (CNN) несут ответственность за беспрецедентный прогресс в области компьютерного зрения, поскольку они добились впечатляющей производительности в сложных задачах, таких как классификация изображений, распознавание атрибутов, обнаружение объектов и сегментация, среди прочих. В этом курсе мы глубоко погрузимся во внутреннюю работу CNN.
История данных для бизнеса:Дидре Даунинг | Ведущий тренер по сторителлингу данных | StoryIQ
Этот курс знакомит студентов с основами (что мы должны измерять и почему?) с элементами хорошего дизайна визуализации (как выглядит хорошая диаграмма?) и мастерством рассказывания историй о данных. Этот курс, разработанный и постоянно совершенствуемый с учетом бизнес-потребностей наших учащихся, научит вас критическим концепциям рассказывания историй на основе данных, а также даст вам возможность применить свои новые знания с помощью интерактивных заданий семинара.
Ознакомьтесь с предстоящими сеансами Live Network Analysis на Ai+
У нас есть предстоящее живое обучение и тренинг по сетевому анализу, который скоро появится в Ai + Training.
Сетевой анализ стал проще: 30 сентября
Эрик Дж. Ма | Старший эксперт II/Исследователь III (наука о данных и статистическое обучение) | Институты биомедицинских исследований Novartis (NIBR)
Вы когда-нибудь задумывались, как специалисты по данным в Facebook и LinkedIn рекомендуют друзей? Или как эпидемиологи выслеживают нулевого пациента во время вспышки? Если да, то этот курс для вас. В этом курсе мы будем использовать различные наборы данных, чтобы помочь вам понять основы сетевого мышления, уделяя особое внимание построению, обобщению и визуализации сложных сетей.
Читайте другие статьи по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от начального до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг. Вы также можете пройти обучение по науке о данных по запросу, где бы вы ни находились, с помощью нашей платформы Ai+ Training.
