Начать. Это бесплатно
или регистрация c помощью Вашего email-адреса
Data science создатель Mind Map: Data science

1. Источники информации

1.1. Статьи

1.1.1. Искусство Feature Engineering в машинном обучении

1.1.2. «Паровозик, который смог!» или «Специализация Машинное обучение и анализ данных», глазами новичка в Data Science

1.1.3. «Мне сложно понять мотивацию data scientist’а, который не видит красоты в математике» — Кирилл Данилюк, Data Scientist

1.1.4. Python Training | Python For Data Science | Learn Python

1.2. Курсы

1.2.1. Билайн

1.2.1.1. Подготовительный

1.2.1.1.1. Оптимизация

1.2.1.1.2. Теорвер+Матстатистика

1.2.1.1.3. Линейная Алгебра

1.2.1.1.4. Питон

1.2.1.1.5. Social Network Analysis

1.2.1.1.6. Работа с текстовыми данными

1.2.1.2. Прикладной анализ данных

1.2.1.2.1. Введение в машинное обучение. Основные типы задач и методы их решения

1.2.1.2.2. Библиотеки и инструменты для анализа данных. Математика в машинном обучении Теория

1.2.1.2.3. Семинар. Настройка environment (Anaconda, виртуальная машина). Практика с pandas, numpy, matplotlib, seaborn.

1.2.1.2.4. Обучение с учителем. Задачи классификации и регрессии

1.2.1.2.5. Оценка качества алгоритмов машинного обучения

1.2.1.2.6. Семинар. Решение задач классификации с Kaggle. Альтернативные метрики качества алгоритмов классификации.

1.2.1.2.7. Продвинутые методы классификации и регрессии. Переобучение. Теория

1.2.1.2.8. Продвинутые методы классификации и регрессии. Переобучение. Практика

1.2.1.2.9. Обучение без учителя

1.2.1.2.10. Семинар. Решение задач классификации и регрессии с Kaggle. Борьба с переобучением.

1.2.1.2.11. Анализ социальных сетей. Теория

1.2.1.2.12. Анализ социальных сетей. Практика

1.2.1.2.13. Семинар. Решение алгоритмических задач на графах.

1.2.1.2.14. Обнаружение знаний в данных

1.2.1.2.15. Рекомендательные системы

1.2.1.2.16. Семинар. Разработка собственной рекомендательной системы кинофильмов. Решение проблемы холодного старта, разработка метрик качества алгоритмов рекомендации.

1.2.1.2.17. Обработка текстов. Теория

1.2.1.2.18. Обработка текстов. Практика

1.2.1.2.19. Семинар. Подробный обзор библиотеки NLTK, решение задач с Kaggle.

1.2.1.2.20. Введение в анализ больших данных и масштабируемое машинное обучение. Теория

1.2.1.2.21. Введение в анализ больших данных и масштабируемое машинное обучение. Практика

1.2.1.2.22. Альтернатива большим данным. Large Scale Machine Learning. Обзор инструмента vowpal wabbit. Теория и практика

1.2.1.2.23. Семинар. Практика с Apache Spark, разбор альтернативных методов работы с большими данными.

1.2.1.2.24. Соревнования по анализу данных. Теория

1.2.1.2.25. Соревнования по анализу данных. Практика

1.2.1.2.26. Семинар. Разбор нестандартных задач с Kaggle.

1.2.1.2.27. Deep Learning.

1.2.1.2.28. Продуктовая аналитика.

1.2.2. Coursera

1.2.2.1. Machine Learning | Coursera

1.2.2.2. Машинное обучение и анализ данных | Coursera

1.2.3. Видеозаписи лекций Школы Анализа Данных

1.2.4. Learning From Data - Online Course (MOOC)

1.2.5. Udacity

1.2.5.1. Self Driving Car Engineer Nanodegree | Udacity

1.2.5.2. Machine Learning Engineer | Udacity

1.2.6. http://newprolab.com/ru/bigdata/?utm_source=habr&utm_medium=target&utm_campaign=interview&utm_content=kirill

1.3. Книги

2. Темы

2.1. Feature Engineering