<div dir="ltr"><div>This past weekend was the Numfocus sponsored Data Intelligence conference at Capital One, in Mclean, Virginia (close to Washington DC for those not familiar with the US geography).</div><div><br></div><div>A few presentations mentioned/used scikit-learn, including Ben Bengfort's Visual Pipelines (</div><div><a href="http://data-intelligence.ai/presentations/13">http://data-intelligence.ai/presentations/13</a> ), Zachary Beaver's Airflow + Scikit-Learn ( <a href="http://data-intelligence.ai/presentations/19">http://data-intelligence.ai/presentations/19</a> ) and Pramit Choudary's Learning to Learn Model Behavior ( <a href="http://data-intelligence.ai/presentations/22">http://data-intelligence.ai/presentations/22</a> ), to name a few.</div><div><br></div><div>I presented "Seeking Exotics" on Sunday (<a href="http://data-intelligence.ai/presentations/21">http://data-intelligence.ai/presentations/21</a>), on anomalous and erroneous data, and how statistics, visualizations and scikit-learn can help (covered PCA, truncatedSVD, t-sne, ellipticenvelope, one class classifiers and scikit-learn related imbalanced-learn and sk-sos).</div><div><br></div><div>One of the slide I had up resonated quite a bit with the audience, both in person and on social media:</div><div><br></div><div><a href="https://twitter.com/tnfilipiak/status/878999245076008960">https://twitter.com/tnfilipiak/status/878999245076008960</a><br></div><div><br></div><div>The notebooks are on github: <a href="https://github.com/fdion/seeking_exotics">https://github.com/fdion/seeking_exotics</a></div><div><br></div><div><br></div><div>Francois</div><div>--</div><div>@f_dion - <a href="https://about.me/francois.dion">https://about.me/francois.dion</a> - <a href="https://www.linkedin.com/in/francois-dion-8b639b79/">https://www.linkedin.com/in/francois-dion-8b639b79/</a></div><div><br></div></div>