1. игроки
1.1. Дмитрий Ефимов
1.1.1. http://www.efimov-ml.com
1.1.1.1. lectures in Machine Learning
1.1.2. http://mech.math.msu.su/~efimov/index.php
1.1.3. kaggle
1.2. Евгений Соколов
1.2.1. github
1.3. Станислав Семенов
1.3.1. интервью
1.3.1.1. Kaggle
1.3.1.1.1. конкурс
1.3.1.1.2. хинт
1.3.1.2. data analysis
1.3.1.2.1. сугубо практическая дисциплина
1.4. Александр Крот
1.4.1. «Школа Анализа Данных (ШАД) Яндекса: поделитесь опытом, выпускники»
1.5. http://ntechlab.ru
1.5.1. sprosi
1.6. Червоненкис Алексей Яковлевич
1.7. Александр Калинин
1.7.1. https://new.vk.com/alxndrkalinin
1.8. https://new.vk.com/aguschin
1.9. https://new.vk.com/matvej.kotov
1.10. https://github.com/danielkorzekwa
1.10.1. ставки
1.11. Stephan Günnemann
1.12. Павел Нестеров
1.12.1. vk
1.12.2. habr
1.13. Andrew Ng
1.13.1. twitter
1.13.2. http://www.mlyearning.org
1.14. Муаммар
1.14.1. NLP-шник
1.15. Дмитрий Ульянов
1.15.1. коллоквиум
1.15.2. из сколлтеха
1.15.3. имеет доклад на ICML
1.16. Martin Zinkevich
1.16.1. Rules of Machine Learning: Best Practices for ML Engineering
2. обсуждения
2.1. соцсети
2.1.1. https://new.vk.com/deeplearning
2.1.2. https://new.vk.com/modeloverfit
2.1.3. тренировки ML
2.1.4. слак-чат OpenDataScience
2.1.5. 2ch
2.1.5.1. https://2ch.hk/pr/res/880548.html
2.2. blogs
2.2.1. https://research.googleblog.com
2.2.2. http://pjreddie.com
2.2.2.1. Darknet: Open Source Neural Networks in C
3. материалы
3.1. курсы
3.1.1. «Прикладной анализ данных»
3.1.2. «Введение в машинное обучение»
3.1.3. «Машинное обучение и анализ данных»
3.1.3.1. курс
3.1.3.1.1. Математика и Python для анализа данных
3.1.4. http://users.cecs.anu.edu.au/~jdomke/courses/sml/
3.1.5. «Machine Learning Engineer Nanodegree»
3.1.6. Школа данных «Билайн»
3.1.6.1. ведет Семенов
3.2. статьи
3.2.1. About Causality
3.2.2. «Как навести порядок в почтовом ящике с помощью нейронной сети»
3.2.3. Most Cited Deep Learning Papers
3.2.4. «Data Scientist: The Sexiest Job of the 21st Century»
3.2.5. security
3.2.5.1. DeepMind набирает специалистов для защиты от сильного ИИ
3.3. книги
3.3.1. «Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies»
3.3.2. «The Introduction to Statistical Learning with Applications in R»
3.3.3. «The Elements of Statistical Learning: Data Mining, Inference, and Prediction»
3.3.4. Foundations of Machine Learning
3.3.4.1. modern theory
3.3.4.2. HSE minicourse
3.3.4.3. materials
3.3.5. Deep Learning
3.3.6. «Applied Predictive Modeling»
3.3.7. Vapnik
3.3.7.1. «Statistical Learning Theory»
3.3.7.2. «The Nature of Statistical Learning Theory»
3.3.8. «Python Machine Learning»
3.3.9. «Learning From Data»
3.3.10. «Machine Learning: The Art and Science of Algorithms that Make Sense of Data»
3.3.11. «Machine Learning: A Bayesian and Optimization Perspective»
3.3.12. «Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking»
3.3.13. «Математические основы машинного обучения»
3.3.14. «Algebraic Geometry and Statistical Learning Theory»
3.3.15. «Machine Learning Methods for Commonsense Reasoning Processes: Interactive Models »
3.3.16. neural networks
3.3.16.1. «Neural Networks for Pattern Recognition»
3.3.16.2. «Neural Network Design»
3.3.17. «Understanding Machine Learning: From Theory to Algorithms»
3.4. ресурсы
3.4.1. http://www.machinelearning.ru/
3.4.2. https://nplus1.ru/theme/machinelearning
3.4.3. https://www.reddit.com/r/MachineLearning/
3.5. ВМК МГУ
3.5.1. «Машинное обучение»
3.5.2. «Статистический анализ данных»
3.5.2.1. лекции
3.5.2.2. практика
3.6. ФКН ВШЭ
3.6.1. об ФКН ВШЭ
3.6.2. Рекомендованные онлайн-курсы
3.7. ШАД
3.7.1. подготовка
3.7.1.1. тест
3.7.1.1.1. [email protected]
3.7.1.1.2. подстановки
3.7.1.2. экзамен
3.7.1.2.1. Хабр
3.7.1.2.2. олимпиады
3.7.1.2.3. материалы
3.7.1.2.4. навыки
3.7.1.2.5. задачи
3.7.2. книги
3.7.2.1. «Информация, кодирование и предсказание»
3.7.2.2. «Введение в теорию алгоритмов и структур данных»
3.7.2.3. «Вероятностно-статистические методы в теории принятия решений»
3.7.2.4. «Модели случайных графов»
3.7.2.5. «Компьютерный анализ данных»
3.7.3. хабр
3.7.3.1. «Школа анализа данных Яндекса: снова выпускной»
3.7.3.2. «Стартует новый набор в Школу анализа данных Яндекса»
3.7.3.3. «Открылся новый набор в Школу анализа данных Яндекса»
3.7.3.4. «Заочное обучение в ШАД Яндекса: 570 замечательных часов моей жизни»
3.8. http://bayesgroup.ru
3.8.1. можно сделать PhD и пойти в гугл
3.9. доклады
3.9.1. Почему важно заниматься Computer Science прямо сейчас
3.9.1.1. смекалка решает в AI
3.9.1.2. САПР
3.9.1.2.1. bleeding edge
3.9.1.2.2. BI
3.9.1.2.3. надо заниматься
3.9.2. [Коллоквиум]: Перенос стиля, дудлы и синтез текстур
3.9.2.1. спикер профи
3.9.2.2. изображение = тензор
3.9.2.2.1. spatial dimensions
3.9.2.2.2. feature dimension
3.9.3. Презентация пилотного потока программы ФКН ВШЭ "Прикладная математика и информатика"
3.9.3.1. короткие контесты
3.9.3.1.1. скорость мышления
4. разделы
4.1. Интеллектуальный анализ данных
4.2. ANN
4.2.1. vk.com/deeplearning
4.2.1.1. Почему сети работают?
4.2.2. brain
4.2.2.1. вырезал кусочек мозга
4.3. NLP
4.3.1. https://research.googleblog.com/2016/05/announcing-syntaxnet-worlds-most.html
5. тренировки
5.1. https://www.hackerrank.com/domains/ai/machine-learning/
5.2. kaggle
5.2.1. users
5.2.1.1. Top-100
5.2.1.1.1. Artem
5.2.1.2. Alfiya Ismagilova
5.2.1.2.1. https://github.com/alfiya400/kaggle-rain
5.2.2. strategy
5.2.2.1. Machine learning best practices we've learned from hundreds of competitions