Data Science Archive

Chip Huyen是我非常喜欢的一个越南裔斯坦福的老师，产出博客和课程质量非常高，项目也都挺有趣。这是她的博客：https://huyenchip.com/ 不过这次想分享的是她在推上写的关于ML eng/Data Scientist面试的一些琐碎，信息量很大，这条推看起来会一直更新下去，直到整理成书籍：https://twitter.com/chipro/status/1152077188985835521 以及每条推的评论部分也很值得一读

今天在推上被一位朋友问到AutoML的入门资料，我想了一下之前看过第四范式的这篇Survey，他们一直在KDD Cup/NIPS上承办AutoML Challenge。这篇入门survey也是我看过的写得最好的，2018年11月提交，2019年1月最后一次revised，内容够新够全。https://arxiv.org/abs/1810.13306 AutoML的很多工作都是集中于超参数调节，虽然我觉得它很多时候没有CV/NLP方向那么生动，却还是有自己很独特的魅力，落地价值也很强。

一份Data Visualization Style Guidelines的资源列表，作者收集挺精心的。https://medium.com/data-visualization-society/style-guidelines-92ebe166addc 这份excel里面有非常多的细节，包括如何选择合适的chart，style，甚至有的里面还有每一种颜色的使用场景，还是蛮有意思的。 https://docs.google.com/spreadsheets/d/1F1gm5QLXh3USC8ZFx_M9TXYxmD-X5JLDD0oJATRTuIE/edit#gid=1679646668

Voila是一个新的Jupyter做可视化的插件，可以把notebook直接转换成standalone的web app。试了一下还是不错的，数据量大的情况有点卡。不过我自己现在都是更喜欢用plotly的Dash，更漂亮点，生成的HTML也更方便嵌入其他的文档说明页 like Python Sphinx。不过也算是多一个选择：https://blog.jupyter.org/a-gallery-of-voil%C3%A0-examples-a2ce7ef99130

最近在看一些NLP项目corpus的序列化部分，http://matthewrocklin.com/blog/work/2015/03/16/Fast-Serialization 文章有点老，实验部分尚可一看。

https://github.com/PacktPublishing/Hands-On-Data-Structures-and-Algorithms-with-Rust 使用Rust入手数据结构和算法 数据结构和算法是每种计算机语言都要面对的基础知识，而Rust由于独特的所有权问题，在实现数据结构和算法时需要一定技巧，也更能体会语言的独特性。这个repo保存了书里所有例子代码，可以用来入门，也可以用来查阅具体算法的写法。

如何管理ML实验结果和模型其实是一个老生常谈的问题，reddit这个帖子总结的一些工具还是不错的，下面的评论不少也值得一看。 https://old.reddit.com/r/MachineLearning/comments/bx0apm/d_how_do_you_manage_your_machine_learning/

Catalyst 19.06rc2 把 TensorFlow 的依赖全去掉了，完全使用 PyTorch。新版本还没试用，不过把tf去掉倒是一个好消息。 link：https://catalyst-team.github.io/catalyst/index.html Sergey的介绍：https://docs.google.com/presentation/d/1NQGWb53Kqm-f3hZ2JIoHjX-he3C39eOcSszZzp5o07U/edit#slide=id.p

BAMBI 是一个在PyMC3上的Python高级api，如果你经常用Bayesian statistical model的话，可以一试。我只用过PyMC3，打算试试这个BAMBI，希望好用。https://github.com/bambinos/bambi

Sequence-Aware Recommender Systems 的一份Tutorial，之前在做实验的时候也发现Session Based 的RNN做推荐效果是相当好的，尤其是在典型的存在序列Session的场景，例如YouTube连续剧，短视频流等等。https://github.com/mquad/sars_tutorial

一些生成模型的collections，TF2+Keras，货都在colab上。https://github.com/timsainb/tensorflow2-generative-models/

Foundations of Data Science，一份来自MSR India的资料，作者是MSR India的DataScience Lead。看一眼，书质量非常高。https://www.cs.cornell.edu/jeh/book.pdf