Как научиться машинному обучению
louisfb01/start-machine-learning
Этот коммит не принадлежит ни к одной ветке в этом репозитории и может принадлежать форку вне репозитория.
Имя уже используется
Уже существует метка с указанным именем ветви. Многие команды Git принимают имена как тегов, так и ветвей, поэтому создание этой ветви может привести к неожиданному поведению. Вы уверены, что хотите создать это ответвление?
- Локальный
- Codespaces
Используйте Git или проверяйте SVN с помощью веб-адреса.
Работайте быстро с помощью нашего официального CLI. Узнайте больше.
Требуется вход
Пожалуйста, войдите в систему, чтобы использовать Codespaces.
Запуск GitHub Desktop
Если ничего не происходит, загрузите GitHub Desktop и попробуйте снова.
Запуск GitHub Desktop
Если ничего не происходит, загрузите GitHub Desktop и попробуйте снова.
Запуск Xcode
Если ничего не происходит, загрузите Xcode и повторите попытку.
Запуск Visual Studio Code
Ваше пространство кодов будет открыто после подготовки.
Возникла проблема с подготовкой кодового пространства, попробуйте еще раз.
Последний коммит
Git stats
Файлы
Не удалось загрузить информацию о последнем коммите.
README.md
Начните машинное обучение в 2022 году – станьте экспертом бесплатно!
Полное руководство для того, чтобы начать и совершенствоваться в машинном обучении (ML), искусственном интеллекте (AI) в 2022 году без какого-либо опыта в этой области и быть в курсе последних новостей и самых современных методов!
Это руководство предназначено для тех, кто имеет нулевой или небольшой опыт в программировании, математике и машинном обучении. Здесь нет определенного порядка, но классический путь – сверху вниз. Если вам не нравится читать книги, пропустите это, если вы не хотите следовать онлайн-курсу, можете пропустить и его. Не существует единственного способа стать экспертом в области машинного обучения, и при наличии мотивации вы абсолютно точно сможете этого достичь.
Все перечисленные здесь ресурсы бесплатны, за исключением некоторых онлайн-курсов и книг, которые, конечно, рекомендуются для лучшего понимания, но стать экспертом можно и без них, потратив немного больше времени на чтение, видео и практику. Что касается платных курсов, ссылки в этом руководстве являются аффилированными. Пожалуйста, используйте их, если вам захочется пройти курс, так как это поддержит меня. Спасибо, и приятного обучения! Помните, это полностью на ваше усмотрение и не обязательно. Я почувствовал, что это полезно для меня и может быть полезно для других.
Не бойтесь повторять видео или учиться из нескольких источников. Повторение – это ключ к успеху в обучении!
Не стесняйтесь сообщать мне о любых замечательных ресурсах, которые можно добавить в это хранилище на bouchard.lf@gmail.com.
Отметьте меня в Twitter @Whats_AI или LinkedIn @Louis (What’s AI) Bouchard, если вы поделитесь этим списком!
Хотите узнать, о чем это руководство? Посмотрите это видео:
Если вы хотите поддержать мою работу и использовать W&B (бесплатно) для отслеживания ваших ML-экспериментов и обеспечения воспроизводимости вашей работы или сотрудничества с командой, вы можете попробовать, следуя этому руководству! Поскольку большая часть кода здесь основана на PyTorch, мы решили, что руководство по быстрому запуску использования W&B на PyTorch будет наиболее интересным.
Следуйте этому краткому руководству, используйте те же строки W&B в своем коде или в любом из репозиториев ниже, и все ваши эксперименты будут автоматически отслеживаться в вашем аккаунте w&b! Настройка займет не более 5 минут и изменит вашу жизнь, как это случилось со мной! Если интересно, вот более продвинутое руководство по использованию Hyperparameter Sweeps 🙂
Спасибо компании Weights & Biases за спонсорство этого репозитория и работу, которую я делаю, а также спасибо всем, кто воспользуется этой ссылкой и попробует W&B!
Оглавление
Начните с коротких видеовступлений на YouTube
Начните с коротких вступительных роликов на YouTube
На мой взгляд, это лучший способ начать с нуля. Здесь я перечисляю несколько лучших видео, которые я нашел и которые дадут вам отличное первое знакомство с терминами, которые вам нужно знать, чтобы начать работать в этой области.
Введение в наиболее используемые термины
-
– Плейлист YouTube
Понимание нейронных сетей
-
– YouTube Playlist – YouTube Playlist – YouTube Playlist – YouTube Playlist – YouTube Video by Andrej Karpathy
Следите за бесплатными онлайн-курсами на YouTube
Следите за бесплатными онлайн-курсами на YouTube
Вот список потрясающих курсов, доступных на YouTube, которые вы обязательно должны посетить и которые на 100% бесплатны.
MIT Deep Learning – актуальный курс Лекса Фридмана по глубокому обучению.
Читайте много статей
Вот список потрясающих статей, доступных в Интернете, которые вы обязательно должны прочитать и которые на 100% бесплатны. Medium – это практически лучшее место, где можно найти отличные объяснения либо по публикациям Towards AI, либо Towards Data Science. Я также делюсь там своими собственными статьями, и мне нравится пользоваться этой платформой. Вы можете подписаться на Medium по моей аффилированной ссылке здесь, если это кажется вам интересным и если вы хотите поддержать меня в то же время!
-
– Луи Бушар – Дэниел Бурк – Роберто Ириондо – Виктор Чжоу – Томас Дэвис – Принц Канума – Аноним – Вишал Майни
Прочитайте несколько книг
Вот несколько отличных книг для чтения для тех, кто предпочитает путь чтения.
-
– Бесплатно онлайн – бесплатно онлайн – бесплатно онлайн – бесплатно онлайн – по желанию (платно) – по желанию (платно) – по желанию (платно) – по желанию (платно) – Шай Шалев-Шварц и Шай Бен-Давид – бесплатно онлайн
Отличные книги для создания математической базы:
-
– Бесплатно онлайн – Дополнительно (платно) – Дополнительно (платно)
Полный курс по Calculus:
-
– Необязательно (платно) – Необязательно (платно) – Необязательно (платно)
Эти книги совершенно необязательны, но они дадут вам лучшее понимание теории и даже научат вас некоторым вещам по кодированию нейронных сетей!
Нет математических знаний для ML? Проверьте это!
Нет математических знаний для ML? Проверьте это!
Не волнуйтесь, как и большинство вещей в жизни, вы можете выучить математику! Вот несколько отличных ресурсов для начинающих и продвинутых, которые помогут вам освоить математику машинного обучения. Я бы посоветовал начать с этих трех очень важных понятий в машинном обучении (вот 3 замечательных бесплатных курса, доступных на Khan Academy):
-
– Khan Academy – Khan Academy – Khan Academy
Вот несколько отличных бесплатных книг и видео, которые могут помочь вам научиться более “структурированному подходу”:
-
– YouTube – Garrett Thomas – Gareth James, Daniela Witten, Trevor Hastie и Robert Tibshirani
Если вам все еще не хватает математической уверенности, загляните в раздел “Книги для чтения”, где я рассказал о многих замечательных книгах для создания сильной математической базы. Теперь у вас есть очень хорошая математическая база для машинного обучения, и вы готовы погрузиться глубже!
Нет опыта кодирования – нет проблем
Нет опыта кодирования – нет проблем
Вот список нескольких отличных курсов для изучения программирования в машинном обучении.
-
– Бесплатное введение в python на YouTube – Бесплатный интерактивный учебник по изучению python – Бесплатный курс на OpenClassrooms – Бесплатно – Факультативно (платно) – На этом курсе Python for Data Science студенты будут изучать основные концепции Python и использовать язык применительно к науке о данных в рамках 16-недельной программы обучения (платно, факультативно). – Коллекция упражнений, собранных в списке рассылки numpy, на stack overflow и в документации numpy.
Пройти онлайн-курсы
(Необязательно) Получите более глубокое понимание и больше практики, пройдя несколько онлайн-курсов.
Если вы предпочитаете, чтобы вам больше подсказывали и давали четкие шаги, то лучше всего подойдут эти курсы.
-
– Этот курс касается новейших методов глубокого обучения и обучения представлений. – Бесплатно – Изучите основные идеи машинного обучения и постройте свои первые модели. – Бесплатно – Платно, по желанию – Платно, по желанию – Платно, по желанию – Платно, по желанию – Платно, по желанию – Платно, по желанию – Платно, по желанию – Платно, по желанию – Платно, по желанию – Платно, по желанию – Полная 16-недельная программа обучения под руководством инструктора с опытом (платно, по желанию). – Полная 16-недельная программа обучения под руководством инструктора (платная, необязательная). – Бесплатно – Бесплатно (и может быть использована и для преподавателей!)
Для конкретных приложений:
-
– Платно – Платно – Платно “Прорвитесь в пространство НЛП. Освойте передовые техники НЛП на четырех практических курсах!”.
Разместите свои модели в Интернете и покажите их всему миру:
-
– Бесплатно – Платно – Платно
Практика, практика и еще раз практика!
Практика – это ключ
Самое важное в программировании – это практика. Это относится и к машинному обучению. Бывает трудно найти личный проект для практики.
К счастью, существует Kaggle. Этот сайт полон бесплатных курсов, учебников и конкурсов. Вы можете участвовать в соревнованиях бесплатно, просто загрузить их данные, прочитать о проблеме и сразу же начать кодировать и тестировать! Вы даже можете зарабатывать деньги, побеждая в соревнованиях, и это отличная вещь для вашего резюме. Это, возможно, лучший способ получить опыт, узнать много нового и даже заработать деньги! Еще одна отличная возможность для проектов – пройти курсы, ориентированные на конкретное приложение, например, курс AI For trading от Udacity.
Вы также можете создавать команды для соревнований kaggle и учиться вместе с людьми! Я советую вам присоединиться к сообществу, чтобы найти команду и учиться вместе с другими, это всегда лучше, чем в одиночку. Об этом читайте в следующем разделе.
Энтузиаст НЛП? Зацените это!
У меня было много запросов о людях, желающих сосредоточиться на НЛП или даже изучить машинное обучение строго для задач НЛП. Этот раздел посвящен этой потребности. Счастливого изучения НЛП!
Сервер Discord с большим количеством энтузиастов ИИ – учитесь вместе, задавайте вопросы, находите товарищей по команде kaggle, делитесь своими проектами и многое другое.
Сервер Discord, где вы можете быть в курсе последних новостей ИИ – Будьте в курсе последних новостей ИИ, задавайте вопросы, делитесь своими проектами и многое другое.
Следите за сообществами reddit – задавайте вопросы, делитесь своими проектами, следите за новостями и многое другое.
-
– Искусственный интеллект – машинное обучение (самый большой сабреддит в этой области) – Deep Learning Papers – Извлечение полезной информации из изображений и видео – Изучайте машинное обучение – ИИ – Изменчивые разработки в области машинного обучения, которые вы не должны пропустить.
Сохраняйте шпаргалки!
-
Лучшие шпаргалки по искусственному интеллекту, машинному обучению и Python.
- Прочитайте этот раздел из статьи, полный советов по прохождению собеседований и как к ним подготовиться.
-
– Стефан Кожухаров – Афшин Амиди и Шервин Амиди – Робби Аллен – Используйте это как контрольный список навыков!
Следите за новостями в этой области!
Подпишитесь на YouTube-каналы, на которых публикуются новые статьи – Будьте в курсе новостей в этой области!
-
– Еженедельные видео, освещающие новые статьи – Видео, освещающие новые статьи раз в две недели – Еженедельные видео, освещающие новые статьи
-
– Новости в этой области, которыми делятся все участники группы
-
– Самая большая и активная группа FB по ИИ, нейронным сетям и глубокому обучению. Все самое новое и интересное на границе А.И. и глубокого обучения. В ближайшие годы нейронные сети переопределят, что значит быть умной машиной. – В настоящее время общество стремится к мягкости и автоматизации, развивающейся в рамках 4-й промышленной революции, что, соответственно, ввергает его составляющие в водоворот социальных потрясений. Чтобы выжить или занять лидирующие позиции, необходимо иметь соответствующие инструменты. Машины становятся все умнее и умнее. Машинное обучение – это неизбежный навык, и он требует от людей знаний. Эта группа предназначена для тех, кто заинтересован в развитии своих талантов.
-
– Ведущий китайский поставщик СМИ и информации по ИИ и машинному обучению. – Ежедневная подборка статей и комментариев по искусственному интеллекту, робототехнике и нейротехнологиям. – Еженедельная подборка новостей и ресурсов по искусственному интеллекту и машинному обучению. – Последние обновления в области этики ИИ, доставляемые в ваш почтовый ящик каждую неделю. – Еженедельно одна и только одна статья с четким объяснением в виде статьи, видеодемонстрации, демонстрации, кода и т.д. – Получайте последние материалы по Data Science в свой почтовый ящик – обобщение самых интересных статей (и новостей) дня, каждый день для профессионалов и энтузиастов ML.
Следите за аккаунтами и публикациями Medium
-
– “Обмен концепциями, идеями и кодами” – “Лучшее из технологий, науки и техники”. – “Подводные течения будущего” – “The undercurrents of the future”. Публикация Medium о технике и науке”. – “Привет, я Луи (loo-ee, французское произношение), из Монреаля, Канада, также известный как “What’s AI”. Я стараюсь делиться и объяснять термины и новости искусственного интеллекта наилучшим образом для всех. Моя цель – демистифицировать “черный ящик” ИИ для всех и рассказать людям о рисках, связанных с его использованием.”
Посмотрите это полное руководство на GitHub, чтобы быть в курсе новостей об искусственном интеллекте
-
– Essential Guide to keep up with AI/ML/DL/CV
Найти работу в области машинного обучения
-
– Рейчел Томас, основатель fast.ai – Floridi et al., 2018, AI4People AI for a good society – экспертная группа высокого уровня Европейской комиссии 7 пунктов для надежного ИИ. – бесплатная электронная книга Кристофа Бартнека, Кристофа Лютге, Алана Вагнера и Шона Уэлша.
Отметьте меня в Twitter @Whats_AI или LinkedIn @Louis (What’s AI) Bouchard, если вы поделитесь этим списком!
Если вы хотите поддержать меня, у меня есть Patreon, где вы можете это сделать. Спасибо, и дайте мне знать, если я пропустил какие-либо хорошие ресурсы!
Это руководство продолжает регулярно обновляться.
О сайте
Полное руководство для того, чтобы начать и совершенствоваться в машинном обучении (ML), искусственном интеллекте (AI) в 2022 году без какого-либо опыта в этой области и быть в курсе последних новостей и самых современных методов!