Выпуск №147
Воскресный брифинг D4S №147
Еженедельный информационный бюллетень с последними разработками в области науки о данных, машинного обучения и искусственного интеллекта.
20 марта 2022 г.
Дорогие друзья,
Добро пожаловать на 147-й выпуск воскресного брифинга.
На этой неделе мы продолжим перерыв в ведении блога, но вы можете ознакомиться с нашими последними публикациями. В подстеке Visualization for Science у нас есть 3D Surface Plot: распределение населения США». Мы также недавно опубликовали Модели эпидемий: роль корреляций степеней в подстеке Графики для науки, а на Среднем у нас есть краткий обзор 10 лучших книг, которые мы прочитали в 2021 году.
В нашем регулярно запланированном контенте мы рассмотрим Tweet Downloader из Twitter, Introduction to K-Means Clustering, Python Design Patterns и как исследователь использовал алгоритм 379-летней давности для взлома криптоключей. встречается в дикой природе».
Из Башни из слоновой кости мы рассматриваем, как Машинное обучение и телефонные данные могут улучшить адресность гуманитарной помощи, как динамическая важность узлов сети плохо предсказывается статическими структурными особенностями, а также рассматриваем Математику искусственного интеллекта и динамику на сетях высшего порядка.
Главной темой Книги по науке о данных на этой неделе является Книга по науке о данных — Причинность Дж. Перла. Как всегда, вы можете найти все рекомендации предыдущих книг на нашем веб-сайте. В видео недели у нас лекция на тему Центральность узлов и ранжирование в сетях.
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:
Последний пост в подстеке Graphs for Data Science: Модели эпидемий: роль корреляции степеней уже вышел. Вы должны Зарегистрироваться, чтобы не пропустить пост!
Вышел последний пост в подстеке Visualization for Data Science: Анимация рождественской елки. Не забудьте Подписаться, чтобы быть первым в очереди на получение каждого поста.
В последнем посте из серии CoVID-19 Как моделировать эффекты вакцинации рассматривается, как простые модификации модели SIR могут помочь нам лучше понять, как работают вакцины. Как обычно, весь код доступен на GitHub: http://github.com/DataForScience/Epidemiology101
Последний пост из серии Причинно-следственная связь посвящен разделу 3.7 — Медиация, рецепту расчета контролируемого направленного эффекта. Код для каждого поста в блоге из этой серии размещен в специальном репозитории GitHub: https://github.com/DataForScience/Causality
Книга по науке о данных:
На этой неделе книга по науке о данных называется Причинность Дж. Перла. Причинно-следственный вывод — это живая и быстро развивающаяся область науки о данных, которая, по нашему мнению, может стать по-настоящему революционной в ближайшие годы (вы можете получить краткий обзор основных идей в нашей серии Причинно-следственный вывод на Medium). Джуда Перл — один из самых выдающихся отцов-основателей этой области, которую он мастерски представляет в этом учебнике. В то время как подход, который выбирает Перл, является математически строгим, благодаря его богатому использованию игрушечных примеров, ключевые идеи и концепции легко усваиваются и адаптируются к наборам данных реального мира. Причинно-следственный вывод — мощная стрела в колчане любого специалиста по данным, и это идеальная отправная точка, если вы хотите сделать первые шаги в этой захватывающей области.
Топ ссылки:
Учебники и сообщения в блогах, которые попались нам на стол на этой неделе.
- Как я обнаружил тысячи открытых баз данных на AWS [infosecwriteups.com]
- Введение в кластеризацию K-средних [pinecone.io]
- Векторизация, зависимости и векторизация внешнего цикла: если вы не можете их победить, присоединяйтесь к ним [johnysswlab.com]
- Шаблоны проектирования Python [python-patterns.guide]
- Преобразование команд curl в Python, JavaScript, PHP, R, Go, Rust, Elixir, Java, MATLAB, Ansible URI, Strest, Dart или JSON [curlconverter.com]
- Правила Байеса! Введение в прикладное байесовское моделирование [bayesrulesbook.com]
- Исследователь использует алгоритм 379-летней давности для взлома криптоключей, найденных в дикой природе [arstechnica.com]
- Официальный загрузчик твитов [developer.twitter.com]
Только что из прессы:
Некоторые из самых интересных научных статей, опубликованных за последнее время
- Машинное обучение и телефонные данные могут улучшить адресность гуманитарной помощи (Эмили Эйкен, Сюзанна Беллю, Дин Карлан, Крис Удри, Дж. Э. Блюменсток)
- Групповые взаимодействия модулируют динамику критической массы в социальной условности (И. Якопини, Г. Петри, А. Барончелли, А. Баррат)
- Влияние политики противодействия отмыванию денег: эмпирический сетевой анализ (П. Гербрандс, Б. Унгер, М. Гетцнер, Дж. Ферверда)
- Реконструкция паттернов социального смешения с помощью взвешенных контактных матриц из онлайн и репрезентативных опросов (Й. Колтай, О. Васархейи, Г. Рёст, М. Карсай)
- Динамическое значение узлов сети плохо предсказывается статическими структурными особенностями (К. ван Элтерен, Р. Куакс, П. Слут)
- Математика искусственного интеллекта (Г. Кутынёк)
- Динамика в сетях высшего порядка: обзор (С. Маджи, М. Перк, Д. Гош)
Видео недели:
Интересные обсуждения, идеи или учебные пособия, которые попадались нам на стол.
Центральность узлов и ранжирование в сетях
Все видео недели теперь доступны в нашем плейлисте Youtube.
Предстоящие События
Возможности учиться у нас:
- 20 апреля 2022 г. — Обработка естественного языка (НЛП) для всех [Регистрация]
- 27 апреля 2022 г. — НЛП с глубоким обучением для всех [Регистрация]
- 06 мая 2022 г. — Прикладная теория вероятностей для всех [Регистрация] 🆕
- 20 мая 2022 г. — Преобразование анализа Excel в модели данных Python и pandas [Регистрация] 🆕
Видео по запросу
Подробные руководства:
- Обработка естественного языка 5,5 часов, охватывающая базовые и продвинутые техники с использованием NLTK и Keras.
- Анализ временных рядов для всех 6 часов, охватывающий предварительную обработку данных, визуализацию, модели ARIMA, ARCH и глубокого обучения.
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.