Давай поделимся закладками. В рамках процесса адаптации разработчиков я разделил видео YouTube на 3 раздела.
Во-первых, это простые вещи, не требующие опыта работы с искусственным интеллектом. Далее следует промежуточный этап, в котором код объясняется вам строка за строкой. Наконец, у нас есть сценарий профессор у доски, который является сложным. Только здесь вам нужно запомнить все свои исчисления и алгебру, да и то не так плохо, как вы думаете. Эти ссылки ниже ни в коем случае не являются полными, актуальными или идеально организованными, но это довольно хорошее начало для новичков в этой области. Возможно, вы захотите пройти онлайн-курсы глубокого обучения, такие как Andrew Ng, но я, тем не менее, считаю эти ссылки / видео в целом полезными для адаптации и информирования людей. По возможности я сосредотачиваюсь на каналах, а не на отдельных видео.
- Вступление: DeepLearning.TV НАЧНИТЕ ЗДЕСЬ
- Вступление: 2-х минутные доклады
- Вступление: Hello World - Рецепты машинного обучения №1
- Введение: Кори Шафер - Учебники по Python
- Вступление: Как мы можем найти себя в данных
- Вступление: Введение в Udacity
- Вступление: OpenAI Gym
- Введение: Может ли искусственный интеллект (ИИ) заменить врачей для лечения рака?
- Введение: Революция искусственного интеллекта
- Вступление: Генеральный директор DeepMind,« Искусственный интеллект (ИИ) изобретает новые знания и учит людей новым теориям »
- Введение: Генерация естественного языка
- Введение: Глубокий конец глубокого обучения TEDxBoston
- Введение: Как работает алгоритм SOM (самоорганизующиеся карты)
- Вступление: А. Эксперименты: облегчить изучение искусственного интеллекта для всех
- Вступление: А. Эксперименты: визуализация многомерного пространства
- Введение: Переоснащение, регуляризация и гиперпараметры
- Вступление: TED Что, если бы роботы могли обрабатывать визуальную информацию так же, как люди?
- Введение: Глубокие нейронные сети легко обмануть
- Вступление: Viv NLP
- Вступление: Глубокое обучение лишено мистики
- Введение: Простое распознавание капчи OCR
- Введение: Снимок экрана: масштабирование
- Вступление: Татьяна Иванова - Как стать Data Scientist за 6 месяцев: хакерский подход к планированию карьеры
- Вступление: Андрей Карпатий, научный сотрудник, OpenAI - RE • WORK Deep Learning Summit 2016 #reworkDL
- Введение: Широкое и глубокое обучение с TensorFlow - машинное обучение
- Введение: Глубокое обучение RNNaissance с доктором Юргеном Шмидхубером
- Вступление: Может ли искусственный интеллект создавать искусство?
- Введение: Беседы с Кортаной в Windows 10
- Введение: Крупномасштабное глубокое обучение с помощью TensorFlow
- Вступление: Как искусственный интеллект заставит исчезнуть технологии | Rand Hindi | TEDxÉcolePolytechnique
- Вступление: Deep Dream (Google) - Компьютеролюбец
- Введение: K-средства и сегментация изображений - компьютерные любители
- Промежуточный: Сирадж Равал - Сираджология
- Средний: Эндрю Нг - Машинное обучение W1 01
- Промежуточный уровень: Учебное пособие по веб-разработке Flask с использованием Python 1 - Введение
- Промежуточный: pyimagesearch
- Промежуточный: Множественная линейная регрессия в Python
- Промежуточный уровень: NVIDIA представляет облачную платформу AI с ускорением на GPU для глубокого обучения, NVIDIA GTP 2017 Keynote 10
- Средний: Лучшие практики IPython Notebook для науки о данных
- Средний уровень: Microsoft: Другое: превращение машинного обучения в науку о данных
- Средний: Введение в глубокое обучение с помощью Python
- Hard: Глубокое обучение для НЛП - CS224D
- Hard: Курс нейронных сетей
- Hard: Блог по машинному обучению. Начните в 2015 году и читайте сейчас
- Hard: Tensorflow и глубокое обучение - без докторской степени Мартина Гёрнера
- Hard: Семинар RI: Ян Лекун: новые рубежи в искусственном интеллекте: обучение без учителя
- Hard: Широкое и глубокое обучение: запоминание + обобщение с помощью TensorFlow
- Hard: Факторизуйте разреженную матрицу в плотные факторы: RS by WALS
- Hard: Практическая TensorBoard (Саммит разработчиков TensorFlow 2017)
- Hard: Обучение в рекуррентных нейронных сетях
- Hard: Что-то можно делать с повторяющейся нейронной сетью
- Hard: Регуляризация (математика)
- Hard: Простая линейная регрессия от R к Python
- Hard: Визуализация и понимание повторяющихся сетей
- Hard: Алекс Рубинштейн: библиотеки Python для глубокого обучения с последовательностями
- Hard: Джеффри Хинтон:« Использование обратного распространения ошибки для точной настройки генеративной модели… 2012 »
- Hard: Эндрю Нг:« Дополнительные темы + философия исследования / нейронные сети: представление 2012»
- Трудно: Эндрю Нг:« Глубокое обучение, самообучение и обучение без учителя 2012»
- Hard: Прорыв в машинном обучении - Google I / O 2016
Если вам понравился этот пост, порекомендуйте его, поделитесь им, подарите ему немного любви (❤).
Удачного кодирования!
-Даниэль
[email protected] ← Передай привет.
Lemay.ai
1 (855) LEMAY-AI
Другие статьи, которые могут вам понравиться:
