في هذا المنشور، نشارك معك مجموعة مختارة من مصادر المعلومات المفيدة حول علوم البيانات من المؤسس المشارك والرئيس التنفيذي للتكنولوجيا في DAGsHub، وهو مجتمع ومنصة ويب للتحكم في إصدار البيانات والتعاون بين علماء البيانات ومهندسي التعلم الآلي. يتضمن الاختيار مجموعة متنوعة من المصادر، بدءًا من حسابات Twitter وحتى المدونات الهندسية الكاملة، والتي تستهدف أولئك الذين يعرفون بالضبط ما يبحثون عنه. التفاصيل تحت القطع.
من المؤلف:
أنت ما تأكله، وباعتبارك عاملاً في المعرفة فإنك تحتاج إلى نظام غذائي معلوماتي جيد. أرغب في مشاركة مصادر المعلومات حول علوم البيانات والذكاء الاصطناعي والتقنيات ذات الصلة التي أجدها مفيدة أو جذابة للغاية. آمل أن يساعدك هذا أيضًا!
قناة على اليوتيوب مناسبة تمامًا لمتابعة آخر الأحداث. يتم تحديث القناة بشكل متكرر ويتمتع المضيف بحماس وإيجابية معدية لجميع المواضيع التي يتم تناولها. توقع تغطية للأعمال المثيرة للاهتمام ليس فقط في مجال الذكاء الاصطناعي، ولكن أيضًا في رسومات الكمبيوتر وغيرها من الموضوعات الجذابة بصريًا.
يشرح يانيك على قناته على اليوتيوب بحثًا مهمًا في التعلم العميق بالتفاصيل الفنية. بدلاً من قراءة الدراسة بنفسك، غالبًا ما يكون من الأسرع والأسهل مشاهدة أحد مقاطع الفيديو الخاصة بها للحصول على فهم أعمق للمقالات المهمة. تنقل الشروحات جوهر المقالات دون إهمال الرياضيات أو الضياع في ثلاث صنوبرات. يشارك يانيك أيضًا وجهات نظره حول كيفية تناسب الدراسات معًا، ومدى جدية التعامل مع النتائج، والتفسيرات الأوسع، والمزيد. يصعب على المبتدئين (أو الممارسين غير الأكاديميين) الوصول إلى هذه الاكتشافات بمفردهم.
بكلماتهم الخاصة:
يجب أن تكون أبحاث التعلم الآلي واضحة وديناميكية وحيوية. وتم إنشاء Distill للمساعدة في البحث.
Distill هو منشور فريد من نوعه يتضمن أبحاثًا في مجال التعلم الآلي. يتم الترويج للمقالات ذات التصورات المذهلة لمنح القارئ فهمًا أكثر سهولة للموضوعات. يميل التفكير المكاني والخيال إلى العمل بشكل جيد للغاية في المساعدة على فهم موضوعات التعلم الآلي وعلوم البيانات. ومن ناحية أخرى، تميل صيغ النشر التقليدية إلى أن تكون جامدة في بنيتها، وثابتة وجافة، وفي بعض الأحيان . كريس أولاه، أحد مبدعي Distill، لديه أيضًا مدونة شخصية مذهلة على . لم يتم تحديثها منذ فترة، لكنها لا تزال عبارة عن مجموعة من أفضل الشروحات المكتوبة حول موضوع التعلم العميق على الإطلاق. وعلى وجه الخصوص، فقد ساعدني كثيرا إل إس تي إم!
يكتب سيباستيان رودر مدونة ونشرة إخبارية ثاقبة للغاية، تتناول في المقام الأول تقاطع الشبكات العصبية واستخراج نصوص اللغة الطبيعية. لديه أيضًا الكثير من النصائح للباحثين والمتحدثين في المؤتمرات، والتي يمكن أن تكون مفيدة جدًا إذا كنت في الأوساط الأكاديمية. عادةً ما تأخذ مقالات سيباستيان شكل مراجعات، تلخص وتشرح حالة الأبحاث والأساليب الحالية في مجال معين. وهذا يعني أن المقالات مفيدة للغاية للممارسين الذين يرغبون في الحصول على اتجاهاتهم بسرعة. يكتب سيباستيان أيضًا .
أندريه كارباتي لا يحتاج إلى مقدمة. بالإضافة إلى كونه أحد أشهر الباحثين في مجال التعلم العميق على وجه الأرض، فهو يبتكر أدوات مستخدمة على نطاق واسع، على سبيل المثال. كمشاريع جانبية. لقد دخل عدد لا يحصى من الأشخاص هذا المجال من خلال دورة جامعة ستانفورد ، وسيكون من المفيد لك أن تعرف ذلك تدريب الشبكات العصبية. وأوصي أيضًا بمشاهدته حول تحديات العالم الحقيقي التي يجب على تسلا التغلب عليها عند محاولة تطبيق التعلم الآلي على نطاق واسع في العالم الحقيقي. الخطاب غني بالمعلومات ومثير للإعجاب والرصين. بالإضافة إلى المقالات حول ML نفسها، يقدم Andrei Karpathy إلى . اقرأ أندريه في و .
تعتبر مدونة Uber الهندسية مثيرة للإعجاب حقًا من حيث نطاقها واتساع نطاق تغطيتها، حيث تغطي الكثير من المواضيع على وجه الخصوص . ما يعجبني بشكل خاص في الثقافة الهندسية في أوبر هو ميلهم إلى إنتاج أشياء مثيرة للاهتمام وقيمة للغاية مفتوحة المصدر بوتيرة مذهلة. وهنا بعض الأمثلة:
- والقائمة تطول وتطول... أرفع لك القبعات يا أوبر
وبغض النظر عن الخلافات، فإن مدونة OpenAI رائعة بلا شك. من وقت لآخر، تنشر المدونة محتوى وأفكارًا حول التعلم العميق والتي لا يمكن أن تأتي إلا على نطاق OpenAI: افتراضي أصل مزدوج عميق. يميل فريق OpenAI إلى النشر بشكل غير متكرر، ولكن هذه أشياء مهمة.
مدونة Taboola ليست معروفة جيدًا مثل بعض المصادر الأخرى في هذا المنشور، لكنني أعتقد أنها فريدة من نوعها - يكتب المؤلفون عن مشكلات واقعية للغاية عند محاولة تطبيق تعلم الآلة في التصنيع من أجل "عادي" "الأعمال التجارية: أقل ما يتعلق بالسيارات ذاتية القيادة وفوز وكلاء RL بأبطال العالم، بل يتعلق أكثر بـ "كيف أعرف أن نموذجي يتنبأ الآن بالأشياء بثقة زائفة؟" تعتبر هذه المشكلات ذات صلة بكل من يعمل في هذا المجال تقريبًا، وتحظى بتغطية صحفية أقل من موضوعات الذكاء الاصطناعي الأكثر شيوعًا، ولكن لا يزال الأمر يتطلب موهبة عالمية لحل هذه المشكلات بشكل صحيح. ولحسن الحظ، يتمتع تبولة بهذه الموهبة والرغبة والقدرة على الكتابة عنها حتى يتمكن الآخرون من التعلم أيضًا.
رديت
إلى جانب تويتر، لا يوجد شيء أفضل على Reddit من التعلق بالأبحاث أو الأدوات أو حكمة الجمهور.
يتم نشر المنشورات سنويا فقط، ولكنها مليئة بمعلومات كثيفة للغاية. بالمقارنة مع المصادر الأخرى في هذه القائمة، فإن هذا المصدر متاح بشكل أكبر لرجال الأعمال غير التقنيين. ما يعجبني في المحادثات هو أنها تحاول تقديم رؤية أكثر شمولية حول الاتجاه الذي تتجه إليه الصناعة والأبحاث، وربط التقدم في الأجهزة، والأبحاث، والأعمال التجارية، وحتى الجغرافيا السياسية من وجهة نظر شاملة. تأكد من البدء من النهاية للقراءة عن تضارب المصالح.
المدونة الصوتية
بصراحة، أعتقد أن البودكاست غير مناسب لاستكشاف المواضيع التقنية. ففي النهاية، يستخدمون الصوت فقط لشرح المواضيع، ويعتبر علم البيانات مجالًا مرئيًا للغاية. تميل المدونات الصوتية إلى إعطائك ذريعة لإجراء المزيد من الأبحاث المتعمقة لاحقًا أو إجراء بعض المناقشات الفلسفية الرائعة. ومع ذلك، إليك بعض التوصيات:
- حيث يتحدث مع باحثين بارزين في مجال الذكاء الاصطناعي. الحلقات مع فرانسوا شوليت جيدة بشكل خاص!
- . من الجيد أن نسمع عن أدوات البنية التحتية الجديدة للبيانات.
قوائم رهيبة
ليس هناك الكثير لتتبعه هنا، ولكن هناك المزيد من الموارد المفيدة عندما تعرف ما تبحث عنه:
تويتر
يجد ماتي طرقًا جميلة ومبتكرة لاستخدام الشبكات العصبية، ومن الممتع رؤية نتائجه على خلاصة Twitter الخاصة بك. على الأقل نلقي نظرة على من المشاركة
أوري مجرد آلة قيادة . يكتب على نطاق واسع عن المشاكل والحلول لعلماء البيانات. تأكد من الاشتراك ليتم إعلامك عند نشر مقال. له ، على وجه الخصوص، مثير للإعجاب حقًا.
أحد مؤسسي fast.ai، وهو مصدر شامل للإبداع والإنتاجية.
هامل حسين، مهندس تعلم الآلة في Github، مشغول في العمل على إنشاء العديد من الأدوات وإعداد التقارير عنها لمبرمجي البيانات.
خالق كيراس، الآن تحديث فهمنا لماهية الذكاء وكيفية اختباره.
عالم أبحاث في Google Brain.
اختتام
قد يتم تحديث المنشور الأصلي عندما يجد المؤلف مصادر رائعة للمحتوى سيكون من العار عدم إدراجها في القائمة. لا تتردد في الاتصال به على ، إذا كنت تريد التوصية بمصدر جديد! وأيضا DAGsHub المحامي [تقريبا. ترجمة ممارس عام] في علوم البيانات، لذا إذا قمت بإنشاء محتوى علوم البيانات الخاص بك، فلا تتردد في الكتابة إلى مؤلف المنشور.
طور نفسك من خلال قراءة المصادر الموصى بها، واستخدام الكود الترويجي حبر، يمكنك الحصول على 10% إضافية على الخصم الموضح على اللافتة.
المزيد من الدورات
مقالات مميزة
المصدر: www.habr.com