Интересная статья про интерпретацию принятия решения Случайном лесом: http://blog.datadive.net/interpreting-random-forests/
Нет так страшен черт, как его малюют.

Так я спрашиваю, а не утверждаю =)
Я до plotly offline пользовался bokeh, чтоб графики были динамичными и с функциями наведения.
Но качество его в сравнении с plotly offline — ужасное. Постоянно моргает, долго грузит.
Вот интересно мнение автора.

А планируется статья про bokeh, folium и другие? Или они уже не торт по сравнению с seaborn и plotly и не стоит про них упоминать?

Если хочется разграничить, тогда virtualenv + pip

> анакондой идет в комплекте куча библиотек
В том числе которые тебе не нужны. И еще такой минус: вывести в продакшн кучу библиотек никто не даст, а при разработке нужна прозрачность — понимание какие библиотеки нужны твоему приложению/скрипту, чтоб потом выкатить правильный requirements

И в анаконде далеко не все, все равно придется пользоваться pip-ом. В итоге 2 входа для либ. А значит труднее контролировать откуда либа пришла.

Я понимаю что вопрос религиозный, но почему не оговориться и предоставить студенту курса альтернативу, а он сам уже решил

достаточно сделать

import seaborn

и графики matplotlib-а уже меняются (даже стайл можно не сетить)

Мне подсказали — seaborn — https://seaborn.pydata.org/
Сразу не признал

(не совсем по теме) Красивые графики, в чем рисовал?

была матрица с рангом 2: A =
1 1 2
2 1 2
3 2 4

Поменяли вторую 1 на 0.999 и ранк уже 3, а близость к цвету хорошая

Чат, посвященный новостям Data Science telegram.me/opendatascience
>500 подписчиков. В канал ретранслируют главные новости, свежие интересные библиотеки, анонсы конференций.

Я думаю, автор был этим вдохновлен, но если совмещать tqdm с выводом (в ipython notebook), то tqdm ломается, а эта фича нет.

matplotlib + seaborn
в matplotlib есть xkcd

Тоже исследовали этот вопрос со стороны предложения (вакансий).
Графики ниже (возможно кому-то будет интересно состояние рынка)
(прошу прощения за стиль xkcd, но пересчитывать долго)

Если будут вопросы или замечания — обращайтесь ;)

1. Наверно я не правильно понял вопрос, но мой ответ: высшее. Если вы о пересечении курсов и моих знаний — 15-20% из всей информации прочитанной на курсе я знал (в основном разделы ML и NLP).
2. Я не менял работу, потому как меня моя устраивает. Но прошел 2 собеседования и получил 2 офера в совершенно посторонние фирмы (которые даже не слышали об этих курсах) на позиции связанные с Hadoop и Spark, с которыми я был совершенно поверхностно знаком (Hadoop) и не знаком (Spark) до прихода на данный курс.

Не буду вступать в дискуссию по поводу содержания и целей данной статьи.
Но по поводу преподавателей Вы категорически не правы.
Я прошел курсы и нахожу их достаточно интересными, а преподавателей компетентными. На вскидку лекторов было более 15, более 90% из которых я считаю не просто компетентными в области, про которую они вели повествование, а отличными специалистами в ней (данной области).
Я не платил 180к, но и никак не аффилирован с DCА. От того, что я не платил этой суммы, я не могу объективно судить, стоят или нет они этой цены.
Но я могу подтвердить слова asash — из более 50 человек (может их было даже за 60-70, я не вел статистику) не было никого из DCA, потому Ваши суждения о том, что те кто хорошо устроились — подсадные, в корне неверны.

Что делать при потере usb-приемника? Отправлять клавиатуру и мышь на помойку?

Эта тоже с цифрами

Поясню — кэшируюруются числа с -5 до 256
github.com/python/cpython/blob/c71e8b81f1f4d349d1a24a6fe162cbbecedff8f0/Objects/longobject.c#L12-L17