Хабрахабр

Где и как изучать машинное обучение?

Всем привет!

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:

Соколова или К. 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. 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. Воронцова, возможно статьи на Medium будут для вас оптимальнее. Далее я приведу для вас список интересных ресурсов, которые я сам когда-то изучал. Далее, ознакомившись с теорией будет проще применять знания в решении задач. 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

R — различия (англ.) Python vs.

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.)

Воронцов (рекомендую) Математические методы обучения по прецедентам (теория обучения машин), К.

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.)

Теги
Показать больше

Похожие статьи

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Кнопка «Наверх»
Закрыть