ВЫПУСК №128

Воскресный брифинг D4S № 128

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

07 ноября 2021 г.​

Дорогие друзья,
​
Добро пожаловать в специальный 128-й выпуск воскресного брифинга.

Мы продолжаем наш перерыв в ведении блога, но пока мы готовим следующий пост, вы можете наверстать упущенное в разделе Сетевая ассортативность и конфигурационная модель, где мы исследуем взаимосвязь степеней и степеней в сети авиакомпаний. В подстеке V4Sci вы найдете Географические карты с Cartopy: сеть авиакомпаний США, где мы познакомим вас с удивительными функциями Cartopy.

После нескольких месяцев работы за кулисами мы наконец-то можем объявить о том, чем мы были заняты (и отошли от обычного графика ведения блога, который мы надеемся вскоре возобновить). Мы только что завершили запись и редактирование двух новых длинных видео по запросу.

1. Обработка естественного языка включает почти пять с половиной часов нового контента НЛП с использованием NLTK и Keras, который поможет вам быстро освоить современные методы и подходы НЛП. И пока мы говорим о НЛП, мы хотели бы напомнить вам, что следующий вебинар по НЛП НЛП с глубоким обучением для всех состоится 19 ноября. Зарегистрируйтесь сейчас, чтобы не пропустить!

2. Анализ временных рядов для всех — это шесть часов видеороликов, посвященных предварительной обработке данных, визуализации, моделям ARIMA, ARCH и глубокого обучения для анализа временных рядов.

Мы также с гордостью объявляем о наших первых вебинарах 2022 года: Графики и сетевые алгоритмы для всех 12 января, а затем Почему и что, если — причинно-следственный анализ для всех 26 января.

В нашем регулярно запланированном контенте мы глубоко погружаемся в графовые нейронные сети с Вычислительными графами и вычислением графов и Обучение представлению графов: от простых к структурам более высокого порядка. Мы также исследуем Visual Git Reference и Познание без вычислений.

Из академических залов у нас есть исследование того, как заговорщики использовали науку о COVID-19, влияние удаленной работы на сотрудничество между информационными работниками и как иерархические преобразователи являются более эффективными языковыми моделями.

Наконец, в книге по науке о данных на этой неделе самое главное — Обучение представлению графов У. Гамильтона. Как всегда, вы можете найти все рекомендации предыдущих книг на нашем веб-сайте. В видео недели у нас есть Введение в графовые нейронные сети: модели и приложения.

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 последний пост в подстеке Graphs for Data Science: Сетевая ассортативность и конфигурационная модель. Вы должны Зарегистрироваться, чтобы не пропустить пост!

Вышел последний пост о подстеке Visualization for Data Science: Географические карты с Cartopy: сеть авиакомпаний США. Не забудьте Подписаться, чтобы быть первым в очереди на получение каждой публикации.

В последнем посте из серии CoVID-19 Как моделировать эффекты вакцинации рассматривается, как простые модификации модели SIR могут помочь нам лучше понять, как работают вакцины. Как обычно, весь код доступен на GitHub: http://github.com/DataForScience/Epidemiology101​

Последний пост из серии Причинно-следственная связь посвящен разделу 3.7 — Медиация, рецепту расчета контролируемого направленного эффекта. Код для каждого поста в блоге из этой серии размещен в специальном репозитории GitHub: https://github.com/DataForScience/Causality​

Книга по науке о данных:​

На этой неделе книга по науке о данных называется Изучение графических представлений У. Гамильтона. Эта короткая (141 страница) книга представляет собой обоснованное, хорошо написанное и по существу введение в изучение представлений для графов, которое поможет вам понять фундаментальные концепции, а также понять, когда следует, а когда нет. Обширная библиография предоставляет целеустремленным читателям отправные точки для дальнейшего изучения. Описания алгоритмов ясны и интуитивно понятны, что даст вам возможность реализовать уже существующий алгоритм и даже разработать свои собственные варианты.

Лучшие ссылки:

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

  1. ​Вычислительные графы и вычисление графов [breandan.net]
  2. ​Удивительные пределы, обнаруженные в поисках оптимальных решений [quantamagazine.org]
  3. ​Познание без вычислений [spectrum.ieee.org]
  4. ​Обучение представлению графов: от простых структур к структурам более высокого порядка [opendatascience.com]
  5. ​Как сгладить список в Python [treyhunner.com]
  6. ​Визуальный справочник Git [marklodato.github.io]
  7. ​Facebook прекратит использование технологии распознавания лиц [bloomberg.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.

Введение в графовые нейронные сети: модели и приложения

Все видео недели теперь доступны в нашем плейлисте Youtube.​

Предстоящие События

Возможности учиться у нас:

  1. 19 ноября 2021 г. — НЛП с глубоким обучением для всех [Регистрация]
  2. 02.12.2021 — Прикладная теория вероятностей для всех [Регистрация]
  3. 17 декабря 2021 г. — Преобразование анализа Excel в модели данных Python и pandas [Регистрация]
  4. 12 января 2021 г. — Графы и сетевые алгоритмы для всех [Регистрация] 🆕
  5. 26 января 2021 г. — Почему и что если — причинно-следственный анализ 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.