Еще машинного обучения
Люди часто спрашивают меня, знаю ли я Тайлера Дерд… В смысле люди спрашивают о материалах по машинному обучению (нашли специалиста конечно), так что соберу тут.

Курсы
Coursera, Машинное обучение https://ru.coursera.org/learn/vvedenie-mashinnoe-obuchenie
Coursera, специализация Машинное обучение и анализ данных. https://ru.coursera.org/specializations/machine-learning-data-analysis
Достаточно глубокая и широкая специализация, но участники первого курса отзывались, как о тягомотине. Первый курс вводный, знакомит с питоном и основными математическими понятиями. Второй курс сильно пересекается с упомянутым выше курсом ВШЭ. Остальные четыре новые материалы
Coursera, специализация Deep Learning
От профессора Стэнфорда, ведущего ученого в этой области и основателя платформы Coursera. Очень свежий курс и интересный курс посвященный нейросетям.
Udacity, Machine Learning nanodegree
Очень любопытная платформа и курс. Фактически это удаленный университет, который выдает “степеньку” (nano-degree) по актуальным научно-техническим направлениям. Для американских слушателей есть гарантия трудоустройства по окончанию или манибэк. Первый курс опять же повторяет состав Вышкинского.
Лекции К.В.Воронцова на Youtube
Упомянутые в прошлом обзоре лекции. Материал повторяет вышкинский курс, но гораздо более размеренно и понятно.
Книжечки
Как вы понимаете книг на эту тему написано гораздо больше, чем вы сможете прочитать за всю жизнь, так что тут списком те, которые я сам просматривал, почитывал.

Robert Tibshirani “The Elements of Statistical Learning” — классический, обширный учебник
Python for Data analysis — в 2008 году Wes McKinney написал библиотеку Pandas, предназначенную для высокопроизводительных вычислений в Python, связанных с анализом данных. Преимущественно финансовых. Книга его авторства посвящена не только Pandas, но в целом практике работы на Python. Для человека привыкшего к матрицам в Matlab и массивам в C/C++ приемы работы с Pandas могут показаться неочевидными.

Simon Haykin “Neural Networks”. Изначально с творчеством автора познакомился по его фундаментальной Adaptive Filter Theory , но и эта книги многими считается классикой.
Ian Goodfellow “Deep Learning” Термин DeepLearning видимо навязал издатель, потому что ну любой дурак сейчас знает, что Deep Learning это как Оксимирон и МакГрегор, только для ботанов. Подробная теоретическая книга посвященная архитектуре нейросетей и их обучению.
Тартышников “Матричный анализ и линейная алгебра” http://www.inm.ras.ru/vtm/lection/all.pdf
Тусовка
Хотя сейчас принято быть специалистом во всем сразу (вчера специалист по биткам, завтра по deep learning), но есть вещи в которых на голом хайпе далеко не уедешь. За мишурой и красивыми картинками машинного обучения прячется довольно сложная математика.
В России существует вполне мирового уровня “тусовка” ученых, компаний, ВУЗов и участников соревнований Kaggle.
Крупнейшее объединение — OpenDataScience представлено блогом на хабре и группой в Slack. В блоге есть открытый курс по машинному обучению из 10 тем и несколько ярких историй попадания в топ Kaggle.
Большинство участников соревнований сходятся на том, что участие в соревнованиях и обсуждение результатов с другими участниками самый эффективный путь обучения.
Что еще?
Помимо забивания гвоздей “золотым молотком” машинного обучения, а так же откручивания гаек этим молотком и сборки часов с помощью молотка, человечество придумало довольно богатый инструментарий.

Курс Дискретная Оптимизация — прослушал три недели, пришлось оставить по независящим от платформы причинам. Думаю до конца года закрыть.

Coursera, специализация Алгоритмы и структуры данных
Очень насыщенный и интересный курс от UC San Diego и ВШЭ. Последовательно раскрываются основаные структуры данных и алгоритмов, отдельные курсы посвященные алгоритмам на графах и на строках, последний курс Genome Assembly

