ВЫПУСК №101
Воскресный брифинг D4S №101
Еженедельный информационный бюллетень с последними разработками в области науки о данных, машинного обучения и искусственного интеллекта.
2 мая 2021 г.
Дорогие друзья,
Добро пожаловать в 101-й выпуск воскресного брифинга.
На этой неделе у нас перерыв в ведении блога, но вы можете наверстать упущенное в последней публикации на G4Sci: Компоненты графа: сильно и слабо связанные компоненты, обзор алгоритмов для определения связанных компонентов и того, как их можно использовать для лучшего понимания коммуникационная сеть реального мира. Вы должны Подписаться на G4Sci, чтобы не пропустить пост!
На Medium Конкурирующие штаммы CoVID-19 — самая последняя публикация в серии Эпидемиология, а Посредничество — последняя в серии Причинно-следственная связь, пока мы продолжаем работать над особенно длинным разделом 3.8 Букваря. Наконец, как всегда, вы можете найти код в репозиториях Эпидемиология и Причинно-следственная связь GitHub соответственно.
Май посвящен анализу временных рядов: первый вебинар Временные ряды для всех состоится завтра, 3 мая, и расскажет вам о деталях класса моделей ARIMA. Осталось несколько мест, не пропустите! Второй вебинар временных рядов Расширенные временные ряды для всех состоится 26 мая и развивает концепции, представленные в первой лекции, и знакомит с более продвинутыми методами и моделями.
На этой неделе у нас есть критический анализ теста Тьюринга и того, что может его заменить, как смотреть на преобразования Фурье с точки зрения нейронной сети, сети Хопфилда и эволюция генераторов случайных чисел.
Из Башни из слоновой кости мы смотрим на Распространение убеждений для сетей с петлями, Циркадные закономерности в использовании социальных сетей, обзор Алгоритмы классификации текстов и Обзор формальных методов, применяемых к машинному обучению.
Наконец, на этой неделе самым ярким событием Книги по науке о данных является Анализ данных: байесовский учебник Д.С. Сивии и Дж. Скиллинга, а в видео недели у нас есть Учебник по Selenium для начинающих. ».
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: Компоненты графа: сильно и слабо связанные компоненты. Вы должны Зарегистрироваться, чтобы не пропустить пост!
Последний пост из серии Причинно-следственная связь посвящен разделу 3.7 — Медиация, рецепту расчета контролируемого направленного эффекта. Код для каждого сообщения в блоге из этой серии размещен в специальном репозитории GitHub: https://github.com/DataForScience/Causality
В последнем посте из серии CoVID-19 Конкурирующие штаммы CoVID-19 рассматривается вероятное влияние, которое может оказать появление более вирулентного штамма в ходе пандемии. Как обычно, весь код доступен на GitHub: http://github.com/DataForScience/Epidemiology101
Книга по науке о данных:
На этой неделе книга по науке о данных называется Анализ данных: байесовский учебник Д. С. Сивии и Дж. Скиллинга. Байесовский анализ — это статистический подход с долгой и богатой историей, который позволяет нам использовать вероятностные утверждения для количественной оценки нашей неопределенности в отношении конкретных параметров. Эта короткая книга представляет собой отличное первое введение в это мощное семейство техник с практическими примерами. Книга быстро уводит нас от фундаментальной интуиции, лежащей в основе теоремы Байеса, к более продвинутым концепциям и приложениям, таким как сравнение моделей, вывод и непараметрическая оценка.
Лучшие ссылки:
Учебники и сообщения в блогах, которые попались нам на стол на этой неделе.
- Тест Тьюринга устарел. Пришло время построить новый барометр для ИИ [fastcompany.com]
- Трилемма агентства и ACM [cacm.acm.org]
- Преобразование Фурье — это нейронная сеть [sidsite.com]
- Чему ИИ может научить нас мифу о человеческой гениальности [theatlantic.com]
- Эволюция генераторов случайных чисел [johndcook.com]
- Теоретический взгляд на локальную объяснимость [blog.ml.cmu.edu]
- Hopfield Networks — это все, что вам нужно [ml-jku.github.io]
Только что из прессы:
Некоторые из самых интересных научных статей, опубликованных за последнее время
- Распространение убеждений для сетей с петлями (А. Киркли, Г. Т. Кантуэлл, М. Э. Дж. Ньюман)
- Времена, когда они редко меняются — циркадные закономерности в использовании социальных сетей (С. Кейтс, Дж. Такер, Дж. Наглер, Р. Бонно)
- Алгоритмы классификации текстов: обзор (К. Коусари, К. Дж. Мейманди, М. Хейдарисафа, С. Менду, Л. Барнс, Д. Браун)
- Обзор формальных методов, применяемых в машинном обучении (К. Урбан, А. Мине)
- Производство и потребление социальных медиа (А. Филиппас, Дж. Хортон)
- Инфраструктура данных в режиме реального времени в Uber (Ю. Фу, К. Соман)
- Почему ИИ сложнее, чем мы думаем (М. Митчелл)
Видео недели:
Интересные обсуждения, идеи или учебные пособия, которые попадались нам на стол.
Учебное пособие по Selenium для начинающих
Все видео недели теперь доступны в нашем плейлисте Youtube.
Предстоящие События
Возможности учиться у нас:
- 3 мая 2021 г. — Временные ряды для всех [Регистрация]
- 26 мая 2021 г. — Расширенный временной ряд для всех [Регистрация]
- 9 июня 2021 г. — Обработка естественного языка (НЛП) для всех [Регистрация] 🆕
- 25 июня 2021 г. — НЛП с глубоким обучением 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., 2021. Все права защищены.
