干货 ：2018年最受欢迎的15篇数据科学和机器学习文章（Analytics Vidhya）

简介

 

Analytics Vidhya是由Kunal发起的一个数据科学社区，上面有许多精彩的内容。2018年我们把社区的内容建设提升到了一个全新的水平，推出了多个高质量和受欢迎的培训课程，出版了知识丰富的机器学习和深度学习文章和指南，博客访问量每月超过250万次。

 

当拉上2018年的精彩帷幕之时，我们想和社区的读者来分享这一年中的精彩华文。本文也是该系列文章的一部分，希望你能喜欢。其他几篇回溯性文章见：

互联网科技发展蓬勃兴起，人工智能时代来临，抓住下一个风口。为帮助那些往想互联网方向转行想学习，却因为时间不够，资源不足而放弃的人。我自己整理的一份最新的大数据进阶资料和高级开发教程，大数据学习群： 740041381就可以找到组织学习  欢迎进阶中和进想深入大数据的小伙伴加入

A Technical Overview of AI & ML (NLP, Computer Vision, Reinforcement Learning) in 2018 & Trends for 2019：

https://www.analyticsvidhya.com/blog/2018/12/key-breakthroughs-ai-ml-2018-trends-2019/

 

The 25 Best Data Science Projects on GitHub from 2018 that you Should Not Miss：

https://www.analyticsvidhya.com/blog/2018/12/best-data-science-machine-learning-projects-github/

 

 

 

在这个文集中，我总结了每一篇文章，并根据它们各自的领域进行了分类。每一篇文章还包含对内容的总结。如果你有其他你觉得特别有用的文章，请在下面的评论框中告诉我们。

 

现在，我们来看看2018年在Analytics Vidhya上的那些最受欢迎程的文章吧！

 

本文所涵盖的专题

 

一、机器学习与深度学习-终极二重奏

二、商业智能与数据可视化

三、数据科学方向的职业

四、自然语言处理(NLP)

五、播客

 

一、机器学习与深度学习-终极二重奏

 

1. Scratch构建推荐引擎的综合指南(用Python语言)

 

https://www.analyticsvidhya.com/blog/2018/06/comprehensive-guide-recommendation-engine-python/

 

 

推荐技术已经存在了几十年(不是几百年)。机器学习的兴起无疑加速了这些技术的进步，我们已经不再需要依靠直觉，手动地对行为进行监控——只要把数据和正确的技术有机结合起来，瞧！你便有了一个非常高效和划算的组合。

 

本文是你在这个主题中能找到的最全面的指南之一。它涵盖了各种类型的推荐引擎算法以及在Python中创建它们的基本原理。Pulkit首先解释了什么是推荐引擎，它们是如何工作的。然后用Python(使用流行的MovieLens数据集)进行了一个案例研究，并利用它解释了如何构建特定模型，他关注的两项主要技术是协同过滤和矩阵因式分解。

 

一旦建立好了推荐引擎，该如何评估它呢？我们怎么知道它是否按照我们的计划运作呢？Pulkit展示了六种不同的评估技术来验证我们的模型，从而解答了这个问题。

 

2. 24个可以提高你的知识和技能的终极数据科学项目(&可以自由访问，无需付费)

 

https://www.analyticsvidhya.com/blog/2018/05/24-ultimate-data-science-projects-to-boost-your-knowledge-and-skills/