EngX Code Review: начни писать код еще лучше и построй эффективный процесс код-ревью.

20+ материалов по Data Science для самообучения

Где изучить теорию и получить практику по Data Science? Resource Development Team Leader Анна Петрашко вместе с коллегами собрали список полезных материалов, которые помогут освоить принципы и инструменты Data Science.

Resource Development Team Leader Анна Петрашко


Теория

Книги

Python Machine Learning, S. Raschka and V. Mirjalili

1.png

Книга пользуется огромной популярностью среди начинающих разработчиков благодаря тому, что сложные концепции в ней объясняются простым языком, а между теорией и практикой соблюден грамотный баланс. Это — отличная стартовая точка для тех, кто только начинает погружение в Machine Learning и Data Science и хочет научиться разбираться в их базовых понятиях.

Глубокое обучение, Николенко С. и Кадурин А.

2.png

Максимум информации, минимум кода — именно так можно описать данную книгу по Deep Learning. В ней затронуты математические аспекты обучения нейронных сетей, поэтому не стоит ожидать легкого развлекательного чтения. Несмотря на сложность материала, книга не «скатывается» в академизм и подробно объясняет самые сложные идеи.

Deep Learning for Computer Vision with Python, Dr. Adrian Rosebrock

3.png

В книге затрагиваются как азы обучения компьютерному зрению, так и построение нейронных сетей, глубокое обучение и даже сверточные нейронные сети (Convolutional Neural Networks). Она нацелена на начинающих специалистов, но имеет еще два тома для тех, кто хочет продолжить погружение в данную область.

Pattern Recognition and Machine Learning, C. M. Bishop

5.png

Несмотря на кажущуюся сложность, данная книга о теории распознавании образов (Pattern Recognition) еще в аннотации успокаивает будущих читателей — для ее освоения не нужны глубокие познания в ML или PR, достаточно хорошо знать линейную алгебру, многомерный анализ и немного теории вероятностей. Идеальное пособие для студентов технических специальностей или же просто любителей математики.

Deep Learning, I. Goodfellow, Y. Bengio and A. Courville

6.png

Одна из самых свежих и одновременно глубоких книг о Deep Learning, написанная на простом языке и потому подходящая для читателей с любым уровнем подготовки. Она считается настольной книгой любого Data Science специалиста благодаря стуктурности подачи информации, приличной порции математики и восторженному отзыву Илона Маска, где он называет ее «единственным исчерпывающим материалом» в сфере DL.

Сайты

Towards Data Science

Доска на Medium, посвященная Data Science и всем ее аспектам, где постоянно публикуются полезные практические материалы для разработчиков.

MachineLearning.ru

Профессиональный ресурс, посвященный Machine Learning, Pattern Recognition, Data Mining, и построенный по подобию Википедии, который собрал вокруг себя активное ядро профессиональных разработчиков. Над порталом ведется постоянная работа, благодаря чему туда можно обратиться за последней информацией из мира DS или профессиональным советом.

Практика

Kaggle

Платформа от Google, функционирующая как площадка для общения и система проведения соревнований для разработчиков. Тут можно поучаствовать в публичных конкурсах от крупных компаний, чтобы получить опыт работы над практическими задачами: от анализа поведения пользователей (Anti-fraud систем) до разпознавания deep fakes.

Colaboratory

Еще один продукт от Google — среда запуска кода на Python прямо в браузере. Удобное облачное решение, к тому же бесплатное, которое продвигается как продукт для исследователей в области искусственного интеллекта.

Соревнования ODS

Открытая платформа для специалистов по DS со всего мира, где есть как бесплатные курсы по Machine Learning, Neural Learning и Deep Learning, которые считаются базовыми для старта, так и классические соревнования в духе распознавания речи, ориентирования по фото, трекингу фигур в режиме реального времени, и т. д.

Курсы

Stepik

Coursera

ODS

Благодарим за предоставленный материал портал training.epam.com.

Материалы по теме
Следи за новостями на любимых платформах