За несколько часов, проведенных в Интернете, я составил список ресурсов, которые, как мне хотелось бы, могли бы помочь ВАМ в вашей карьере в области машинного обучения. Эти ресурсы могут увести вас очень далеко от новичка.
Эта статья разделена на 2 раздела: математика и машинное обучение.
Математика (для начинающих ML)
Машинное обучение в основном требует фундаментального понимания линейной алгебры, статистики и вероятности. Хотя вы можете узнать, как использовать все расширенные библиотеки для выполнения задач машинного обучения, если что-то сломается, вы не сможете это исправить. Хуже того, вы не сможете понять какие-либо новые исследования, проводимые в этой области, поскольку для их понимания вам потребуется несколько глубокое понимание математики. Кроме того, вы не сможете проводить собственные исследования или экспериментировать с математическими концепциями машинного обучения.
Вот список ссылок, которые я рекомендую в порядке убывания важности:
- Академия Хана:
- "Линейная алгебра"
- Статистика и вероятность
2. YouTube:
- Линейная алгебра (ДЕЙСТВИТЕЛЬНО ХОРОШО): 3Blue1Brown
- Статистика (на момент написания, серия продолжается): CrashCourse Statistics
Машинное обучение (для всех)
Это очень большая тема, поэтому довольно сложно найти хорошие ресурсы, которые должным образом объясняют ее содержание. Надеюсь, следующая помощь.
ПРИМЕЧАНИЕ. Я не знаю почему, но некоторые ссылки YouTube не работают в мобильном приложении.
- YouTube:
- 3Синий1Коричневый
- Луис Серрано
- Хьюго Ларошель
- Сирадж Раваль (отлично подходит для продвинутых концепций)
- Giant_neural_network (В основном для новичков)
- Jabrils (его объяснение нейронной сети, на мой взгляд, лучшее)
- s entdex (Машинное обучение) (Делает все виды видео)
- Брэндон Рорер (Прекрасные объяснения)
2. Coursera:
- Курс машинного обучения Эндрю Нг (ДЕЙСТВИТЕЛЬНО ХОРОШО)
- Специалист по глубокому обучению Эндрю Нг
3. Подкаст:
- Подкаст машинного обучения OCDevel (предложено пользователем Reddit: java568)
4. Другое:
- Ускоренный курс машинного обучения Google (использует Tensorflow, но поможет вам очень далеко)
Хотя это может показаться не очень большим, но поверьте мне, как только вы начнете переходить по ссылкам и действительно начнете использовать контент в полной мере, вы поймете, сколько контента содержится только в этих ссылках.
Я надеюсь, что эти ресурсы дадут хороший и полезный опыт обучения. Я бы точно хотел, чтобы у меня было это, когда я только начинал. Если вы хотите оставаться на связи с подобным информативным постом, вы можете подписаться на меня, поскольку я планирую публиковать больше постов, чтобы помочь новичкам в ML.
ПРИМЕЧАНИЕ: эта статья предназначена для новичков.