Bonjour à tous!
Ce n'est un secret pour personne que l'intérêt pour l'apprentissage automatique et l'intelligence artificielle augmente au mieux de façon exponentielle. Entre-temps, mon disque Yandex s'est transformé en une énorme décharge de
téléavertisseurs , et les signets dans Google Chrome se sont transformés en une liste, dont la longueur tend à l'infini chaque jour. Ainsi, afin de simplifier la vie pour moi et pour vous, j'ai décidé de structurer les informations et de donner beaucoup de liens vers des ressources intéressantes que j'ai étudiées et que je vous recommande d'étudier si vous n'êtes qu'au début du chemin (je réapprovisionnerai la liste en permanence).
La façon pour un débutant de se développer, je vois quelque chose comme ça:
Essayez de commencer petit, si vous n'avez pas de spécialisation VMK dans les méthodes de prévision depuis 6 ans, ne téléchargez pas immédiatement l'archive des conférences d'E. Sokolov ou K. Vorontsov, peut-être que les articles sur Medium seront plus optimaux pour vous. Des difficultés peuvent survenir avec la compréhension des algorithmes, si vous êtes peu familiarisé avec la théorie des probabilités, la théorie de l'optimisation et les statistiques, je vous conseille donc de regarder Ozon, la Maison du livre de Moscou et de faire le plein de cours magistraux en mathématiques. De plus, une fois familiarisé avec la théorie, il sera plus facile d'appliquer les connaissances pour résoudre des problèmes. Ensuite, je vais vous donner une liste de ressources intéressantes que j'ai moi-même étudiées. Je vous souhaite du succès :)
Débutant:
Life hack pour une sélection rapide de modèles de l'équipe Sklearn
Glossaire de la science des donnéesCours intensif sur les articles de base sur l'apprentissage profond sur MediumTutoriel TensorFlowPython contre R - DifférencesConférences vidéo d'un cours ouvert d'Open Data Science sur HabréGreat ML CheatSheetArithmétique des réseaux de neurones convolutifs par l'équipe TheanoExcellents didacticiels vidéo sur l'analyse des données et l'économétrie dans RClassificateur de bricolage bayésien naïf avec HabrBonnes explications sur le fonctionnement de ROC-AUCwww.youtube.com/watch?v=21Igj5Pr6u4www.youtube.com/watch?v=vtYDyGGeQyoBases de l'apprentissage automatiqueContinuant:
GitHub par Evgeny Sokolov avec des conférences sur l'apprentissage automatique au HSELe blog de l'organisation Open Data Science sur Habré (je recommande)Sélection et évaluation des modèles - les bases (Sebastian Raska, ing.)Méthodes d'enseignement mathématique sur les précédents (théorie de l'apprentissage automatique), K. Vorontsov (recommander)Livre sur la boîte à outils du langage naturel (nltk)Soutenir les machines vectorielles en pratiqueKeras.js - apprentissage automatique dans un navigateur, vous pouvez toucher le travail des algorithmes d'apprentissage automatique avec vos mains, aide à l'apprentissageAlgorithmes d'exploration de données utilisant R - Un livre d'apprentissage machine interactif sur RAvantages et inconvénients de l'AUC et de la précisionRéseaux de neurones pour transférer le style sur la photo (anglais) (recommander)Transférer le style avec TensorFlowRitchie Ng - Collection de ressources d'apprentissage automatiqueUn examen des techniques d'optimisation de la descente de gradient dans la pratiqueConférences sur les machines à vecteurs de support de l'Université d'UtahFonctions de perte pour le problème de classification