Где и как изучать машинное обучение?

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


  Ни для кого не секрет, что интерес к машинному обучению и искусственному интеллекту растет в лучшем случае по экспоненте. Тем временем мой Яндекс Диск превратился в огромную свалку пейперс, а закладки в Google Chrome превратились в список, длина которого стремится к бесконечности с каждым днем. Таким образом, дабы упростить жизнь себе и вам, решил структурировать информацию и дать множество ссылок на интересные ресурсы, которые изучал я и которые рекомендую изучать вам, если вы только вначале пути (буду пополнять список постоянно). Путь для развития новичка я вижу примерно так:

Untitled_presentation
Попробуйте для начала начать с малого, если у вас нет за спиной 6 лет специалитета ВМК по методам прогнозирования, не стоит сразу скачивать архив лекций Е. Соколова или К. Воронцова, возможно статьи на Medium будут для вас оптимальнее. Также сложности могут возникнуть с понимаением алгоритмов, если вы плохо ориентируетесь в теории вероятностей, теории оптимизации и статистике, поэтому советую заглянуть на Ozon, в Московский Дом Книги и запастись курсами лекций по математике. Далее, ознакомившись с теорией будет проще применять знания в решении задач. Далее я приведу для вас список интересных ресурсов, которые я сам когда-то изучал. Желаю успехов :)

Новичку:

Лайфхак по быстрому выбору моделей от команды Sklearn

http://1.bp.blogspot.com/-ME24ePzpzIM/UQLWTwurfXI/AAAAAAAAANw/W3EETIroA80/s1600/drop_shadows_background.png"image"/
Data Science Glossary (англ.) Crash-Course по базовым статьям по deep learning на Medium Туториал TensorFlow Python vs. R — различия (англ.) Видеолекции открытого курса от Open Data Science на Хабре Отличный ML CheatSheet (англ.) Арифметика сверточных нейронных сетей от команды Theano (англ.) Отличные видеоуроки по анализу данных и эконометрике на языке R Наивный байессовский классификатор своими руками с Хабра Хорошие объяснения того, как работает ROC-AUC
www.youtube.com/watch?v=21Igj5Pr6u4 www.youtube.com/watch?v=vtYDyGGeQyo Machine Learning Basics (англ.)

Продолжающему:

GitHub Евгения Соколова с лекциями по Machine Learning в НИУ ВШЭ Блог организации Open Data Science на Хабре (рекомендую) Отбор и оценка моделей — основы (Себастьян Рашка, англ.) Математические методы обучения по прецедентам (теория обучения машин), К. Воронцов (рекомендую) Книга по natural language toolkit (nltk, англ.) Машины опорных векторов на практике (англ.) Keras.js — машинное обучение в браузере, можно потрогать руками работу алгоритмов машинного обучения, помогает при изучении Алгоритмы Data Mining с использованием R — интерактивная книга по изучению машинного обучения на R Преимущества и недостатки AUC и accuracy (англ.) Нейронные сети для перенося стиля на фото (англ) (рекомендую) Перенос стиля с помощью TensorFlow (англ.) Ritchie Ng — собрание ресурсов по машинному обучению (англ.) Обзор методов оптимизации градиентным спуском на практике (англ.) Лекции по машинам опорных векторов от университета Utah (англ.) Функции потерь для задачи классификации (англ.)


Источник: habr.com

Комментарии: