Машиннное обучение | Наука о данных Библиотека

🌟 Мощный учебник по использованию Julia в ML и Deep Learning

Здесь приведено много практических примеров, таких как реализация LSTM, реализация классического перцептрона, использование линейной/логистической регрессии и много других примеров.
Показывается, как работать с последовательностями, как корректно обрабатывать файлы, как использовать GPU.
Отличный материал, если планируете использовать Julia в работе

🟡 Deep Learning with Julia

@machinelearning_interview

📌 Applied Statistics with R — свободная книга для аналитиков, ML-инженеров и специалистов по DS

Здесь подробно объясняется линейная и логистическая регрессия и как работать с ними в R, описываются параметры данных такие как гомоскедастичность, гетероскедастичность и т.д.
Приведено много формул, при этом всё детально объясняется

🟡 Applied Statistics with R

@machinelearning_interview

Бесплатная электронная книга "Введение в скрипты Bash

Это руководство/книга с открытым исходным кодом по введению в Bash-скрипты, которое поможет вам изучить основы Bash-сценариев и начать писать потрясающие Bash-скрипты, которые помогут вам автоматизировать ежедневные задачи SysOps, DevOps и Dev. Неважно, являетесь ли вы DevOps/SysOps инженером, разработчиком или просто любителем Linux, вы можете использовать Bash скрипты для объединения различных команд Linux и автоматизации скучных и повторяющихся ежедневных задач, чтобы вы могли сосредоточиться на более продуктивных и интересных вещах.

Руководство подходит для всех, кто работает разработчиком, системным администратором или инженером DevOps и хочет изучить основы написания сценариев Bash.

Книга

@machinelearning_books

🖥 Продвинутый Python с уклоном в DS и ML

Держите отличный учебник/туториал по продвинутым темам Python.
Здесь освещается большое количество разных тем, вот некоторые:
— ООП: классы, магические методы, атрибуты
— декораторы
— загрузка и предобработка датасета
— кросс-валидация
— построение разных графиков

🟡 Advanced Python

@python_job_interview

🤗 Все что нужно знать о работе с Hugging Face за 10 минут!

В этом ролике мы разыгрываем 3 крутые книги по МАШИННОМУ ОБУЧЕНИЮ, нужно всего лишь оставить любой осмысленный коммент и лайк и быть подписанным на наш канал!

https://www.youtube.com/watch?v=4B_foZbWh2c

@machinelearning_books

Machine Learning: The Basics

📓 Book

@datascienceiot

📌Deep Learning на практике

Очень полезный практический учебник/туториал по Deep Learning;
каждый раздел подробно объясняет, что происходит в конкретном Jupyter Notebook'е

Вот некоторые из затрагиваемых тем:
— NLP и работа с текстом
— классификация изображений
— распознавание (начиная с классического MNIST и до более сложных примеров)

🟡 Deep Learning на практике
🖥 Ноутбуки на GitHub

@machinelearning_interview

📌Отличная шпаргалка по разным распределениям

Здесь приведено подробное описание таких распределений как β-распределение, биномиальное, 𝛘-квадрат, нормальное, Пуассона
К каждому из распределений приведена реализация на Python и примеры использования

📎 Распределения


@machinelearning_books

Этот учебник по Deep Learning поможет вам освоить основы нейросетей за одни выходные! Внутри вы найдете простые объяснения по Diffusion моделям, трансформерам, GNN, RL и многому другому — всё, что нужно для работы. Автор — настоящий гений, он изложил материал понятным языком и подготовил отличные практические задания.

И самое удивительное — учебник бесплатен и уже ждет вас!

https://udlbook.github.io/udlbook/

@machinelearning_books

⚡️ Решения для работы высоконагруженных сервисов. Доклад Яндекса

В статье описана работа «баннерной крутилки»: как устроены стадии отбора документов, какую роль в этом играет ML и какие решения применялись для оптимизации обработки запросов. Например, для ранжирования применяются шардирование, кластеризация, ленивая материализация объектов, растянутая во времени инициация, протокольные перекладывания и нейросети с поздним связыванием.

🟡Статья

@machinelearning_books