Когда я начал заниматься ML, я был один, у меня не было связи ни с кем из старших курсов ML, ни с онлайн-приятелем, который мог бы мне помочь. Честно говоря, я наслаждался свободой, свободой учиться где угодно и когда угодно. НО у него были и свои минусы, я тратил время на изучение того, чего не должен был.
Считайте меня своим старшим, и я расскажу вам, что я сделал, и стоит ли вам попробовать это тоже или нет.
1. Курс «Машинное обучение» на Coursera от Эндрю Нг.
Это подробный курс, объясняющий математику, стоящую за каждым шагом в ML.
Если вы хотите узнать КАК всего, МАТЕМАТИКУ, стоящую за всем, тогда дерзайте. Но по мере того, как я продвигался вперед, я понял, что независимо от того, являетесь ли вы экспертом в математике или нет, у вас все будет хорошо. Нужно иметь опыт использования встроенных ML-библиотек Python.
После этого я перешел от машинного обучения к глубокому обучению.
2. КНИГА«Франсуа Шолле — Глубокое обучение с помощью Python, второе издание — Мэннинг (2021)»
Эта книга рекомендуется на 100%. Это касается математики, касается библиотек и, прежде всего, ЭТО ЛЕГКО ПОНЯТЬ. (Вы можете скачать книгу по ссылке)
3. 3blue1brown
Это канал YouTube, на котором есть плейлист для «Нейронных сетей» (ссылка ниже). Если вам нужна физическая интерпретация NN, то в этом плейлисте есть САМАЯ ЛУЧШАЯ АНИМАЦИЯ. В нем всего 4 видео, и вы будете четко понимать свои концепции.
Сам TensorFlow здесь, чтобы помочь нам, чем может. РЕКОМЕНДУЕТСЯ.
5. Плейлист TensorFlow YouTube
Это помогло мне узнать команды TensorFlow. Вы найдете множество других источников для изучения команд, и это один из них.
6. «Специализация глубокого обучения» на Coursera, предлагаемая Deeplearning.ai
Его также преподает Эндрю Нг, и они снова глубоко погружаются в математику. Если вы хотите математику, это для вас. Из-за ограниченного времени я так и не закончил.
Я надеюсь, что это поможет новым пчелам. Найди свои цветы и выжми сок 🌻
