In hierdie pos deel ons 'n seleksie van bronne van nuttige inligting oor Data Science van die medestigter en CTO van DAGsHub, 'n gemeenskap en webplatform vir dataweergawebeheer en samewerking tussen datawetenskaplikes en masjienleeringenieurs. Die keuse sluit 'n verskeidenheid bronne in, van Twitter-rekeninge tot volwaardige ingenieursblogs, wat gemik is op diegene wat presies weet waarna hulle soek. Besonderhede onder die snit.
Van die skrywer:
Jy is wat jy eet, en as kenniswerker het jy ’n goeie inligtingdieet nodig. Ek wil bronne van inligting deel oor Datawetenskap, Kunsmatige Intelligensie en verwante tegnologieë wat ek die nuttigste of aantreklikste vind. Ek hoop dit help jou ook!
'n YouTube-kanaal wat goed geskik is om tred te hou met die nuutste gebeure. Die kanaal word gereeld opgedateer en die gasheer het 'n aansteeklike entoesiasme en positiwiteit vir al die onderwerpe wat gedek word. Verwag dekking van interessante werk nie net oor KI nie, maar ook oor rekenaargrafika en ander visueel aantreklike onderwerpe.
Op sy YouTube-kanaal verduidelik Yannick betekenisvolle navorsing oor diep leer in tegniese detail. In plaas daarvan om self die studie te lees, is dit dikwels vinniger en makliker om een van sy video's te kyk om 'n dieper begrip van die belangrike artikels te kry. Die verduidelikings dra die essensie van die artikels oor sonder om wiskunde af te skeep of in drie denne te verdwaal. Yannick deel ook sy siening oor hoe die studies bymekaar pas, hoe ernstig om die resultate op te neem, breër interpretasies, en meer. Dit is moeiliker vir beginners (of nie-akademiese praktisyns) om op hul eie tot hierdie ontdekkings te kom.
In hul eie woorde:
Masjienleernavorsing moet duidelik, dinamies en lewendig wees. En Distill is geskep om te help met navorsing.
Distill is 'n unieke publikasie met navorsing op die gebied van masjienleer. Artikels met pragtige visualiserings word bevorder om die leser 'n meer intuïtiewe begrip van die onderwerpe te gee. Ruimtelike denke en verbeelding is geneig om baie goed te werk om masjienleer en datawetenskaponderwerpe te help verstaan. Tradisionele publikasieformate, aan die ander kant, is geneig om rigied in hul struktuur te wees, staties en droog, en soms . Chris Olah, een van die skeppers van Distill, het ook 'n wonderlike persoonlike blog by . Dit is 'n ruk lank nie bygewerk nie, maar dit bly steeds 'n versameling van die beste verduidelikings oor die onderwerp van diepleer wat ooit geskryf is. Dit het my veral baie gehelp LSTM!
Sebastian Ruder skryf 'n baie insiggewende blog en nuusbrief, hoofsaaklik oor die kruising van neurale netwerke en natuurlike taal-teksontginning. Hy het ook baie raad vir navorsers en konferensiesprekers, wat baie nuttig kan wees as jy in die akademie is. Sebastian se artikels neem tipies die vorm aan van resensies, wat die stand van huidige navorsing en metodes in 'n bepaalde veld opsom en verduidelik. Dit beteken dat die artikels uiters nuttig is vir praktisyns wat vinnig hul ore wil kry. Sebastian skryf ook in .
Andrei Karpathy het geen bekendstelling nodig nie. Benewens die feit dat hy een van die bekendste diepleer-navorsers op aarde is, skep hy wyd gebruikte gereedskap, bv. as byprojekte. Talle mense het hierdie veld betree deur sy Stanford-kursus , en dit sal nuttig wees vir jou om dit te weet neurale netwerk opleiding. Ek beveel ook aan om daarna te kyk oor die werklike uitdagings wat Tesla moet oorkom wanneer hy probeer om masjienleer op 'n massaskaal in die regte wêreld toe te pas. Die toespraak is insiggewend, indrukwekkend en ontnugterend. Benewens artikels oor ML self, gee Andrei Karpathy vir . Lees Andrey in en .
Die Uber-ingenieursblog is werklik indrukwekkend in sy omvang en breedte van dekking, wat baie onderwerpe dek, veral . Wat ek veral van Uber se ingenieurskultuur hou, is hul neiging om baie interessant en waardevol te produseer oopbron teen 'n yslike pas. Hier is 'n paar voorbeelde:
- En die lys gaan aan en aan ... Hoed af, Uber
Kontroversies ter syde, OpenAI se blog is onteenseglik wonderlik. Van tyd tot tyd plaas die blog inhoud en idees oor diep leer wat net op die skaal van OpenAI: Hipoteties kan kom diep dubbele afkoms. Die OpenAI-span is geneig om selde te plaas, maar dit is belangrike dinge.
Die Taboola-blog is nie so bekend soos sommige van die ander bronne in hierdie pos nie, maar ek dink dit is uniek - die skrywers skryf oor baie plat-op-die-aarde, werklike probleme wanneer hulle probeer om ML in vervaardiging toe te pas vir "normale" " besighede: minder oor selfbesturende motors en RL-agente wat wêreldkampioene wen, meer oor "hoe weet ek dat my model nou dinge met valse selfvertroue voorspel?" Hierdie probleme is relevant vir byna almal wat in die veld werk, en hulle kry minder persdekking as meer algemene KI-onderwerpe, maar dit verg steeds wêreldklastalent om hierdie probleme korrek op te los. Gelukkig het Taboola beide hierdie talent en die gewilligheid en vermoë om daaroor te skryf sodat ander mense ook kan leer.
Saam met Twitter is daar niks beter op Reddit as om verslaaf te raak aan navorsing, gereedskap of die wysheid van die skare nie.
Poste word slegs jaarliks gepubliseer, maar is gevul met baie digte inligting. In vergelyking met ander bronne op hierdie lys, is hierdie een meer toeganklik vir nie-tegnologie sakelui. Wat ek van die samesprekings hou, is dat dit probeer om 'n meer holistiese siening te gee van waarheen die industrie en navorsing op pad is, deur vooruitgang in hardeware, navorsing, besigheid en selfs geopolitiek vanuit 'n voëlvlug te verbind. Maak seker dat jy aan die einde begin om te lees oor botsende belange.
Podcasts
Eerlik gesê, ek dink podcasts is swak geskik om tegniese onderwerpe te verken. Hulle gebruik immers net oudio om onderwerpe te verduidelik, en datawetenskap is 'n baie visuele veld. Poduitsendings is geneig om jou 'n verskoning te gee om later meer in-diepte navorsing te doen of 'n paar fassinerende filosofiese besprekings te hê. Hier is egter 'n paar aanbevelings:
- , terwyl hy met prominente navorsers op die gebied van kunsmatige intelligensie praat. Die episodes met Francois Chollet is veral goed!
- . Goed om te hoor van nuwe data-infrastruktuurnutsgoed.
Awesome lyste
Hier is minder om tred te hou, maar meer hulpbronne wat nuttig is as jy weet waarna jy soek:
Matty vind pragtige, kreatiewe maniere om neurale netwerke te gebruik, en dit is net pret om sy resultate op jou Twitter-stroom te sien. Kyk darem na vinnig.
Ori is net 'n bestuursmasjien . Hy skryf breedvoerig oor probleme en oplossings vir datawetenskaplikes. Maak seker dat jy inteken om in kennis gestel te word wanneer 'n artikel gepubliseer word. Syne , in die besonder, is werklik indrukwekkend.
Medestigter van fast.ai, 'n omvattende bron van kreatiwiteit en produktiwiteit.
Hamel Hussain, 'n personeel-ML-ingenieur by Github, is besig om baie instrumente vir datakodeerders te skep en daaroor verslag te doen.
Skepper van Keras, nou dateer ons begrip op van wat intelligensie is en hoe om dit te toets.
Navorsingswetenskaplike by Google Brain.
Gevolgtrekking
Die oorspronklike plasing kan opgedateer word aangesien die skrywer goeie bronne van inhoud vind wat dit jammer sal wees om nie in die lys in te sluit nie. Kontak hom gerus by , as jy 'n nuwe bron wil aanbeveel! En ook DAGsHub Advokaat [ongeveer. vertaling openbare praktisyn] in Data Science, so as jy jou eie Data Science-inhoud skep, skryf gerus aan die skrywer van die plasing.
Ontwikkel jouself deur aanbevole bronne te lees en die promosiekode te gebruik HABR, kan jy 'n bykomende 10% kry tot die afslag wat op die banier aangedui word.
Meer kursusse
Uitgestalde artikels
Bron: will.com