Дайджест полезного и интересного за прошедшую неделю.
На этот раз он получился сугубо техническим, с уклоном в модный Data Mining.

Многие компании заинтересованы в машинном обучении, но не все знают с чего начать.
В статье "6 шагов по созданию проектов машинного обучения" раскрываются основные этапы, которые нужно пройти до создания готового проекта.

Материал "Подготовка данных в Data Science-проекте: рецепты для молодых хозяек" продолжает тему машинного обучения, рассказывая об одном из самых главных этапов, без которого ничего не выйдет.

Собрать нейронную сеть из базовых моделей может любой, кто хоть немного знаком с программированием. И даже не обязательно учить Python, всё можно сделать на JavaScript.
Как легко начать и зачем машинное обучение фронтенд-разработчикам в статье "Самый мягкий и пушистый путь в Machine Learning и Deep Neural Networks".

Почти все аналитики для поиска какого-либо значения используют SQL-оператор LIKE, но его проблема в медленной работе и слишком большой нагрузке на сервер.
В материале "2 лайфхака: альтернативы классическому поиску в Microsoft SQL Server" рассказывается про функционал полнотекстового поиска, который работает в сотни раз быстрее при поиске записи по миллионным таблицам.

Напоследок отличная новость - в Google BigQuery появились программные возможности (бета) и теперь помимо выборки, вы можете написать собственный скрипт по извлечению, преобразованию или загрузке данных.
И кстати, в одной из ближайших статей я расскажу о программировании на языке SQL и чем это может быть полезно аналитику. Ждите анонса!

#дайджест