Bu yazıda biz DAGsHub-ın həmtəsisçisi və CTO-dan Data Science haqqında faydalı məlumat mənbələrini sizinlə bölüşürük. Seçim, Twitter hesablarından tutmuş tam hüquqlu mühəndislik bloqlarına qədər müxtəlif mənbələri əhatə edir ki, bu da tam olaraq nə axtardığını bilənlərə yönəlib. Kəsmə altındakı detallar.
Müəllifdən:
Yediyiniz şey sizsiniz və bir bilik işçisi kimi sizə yaxşı məlumatlandırıcı pəhriz lazımdır. Mən ən faydalı və ya cəlbedici hesab etdiyim Data Science, süni intellekt və əlaqəli texnologiyalar haqqında məlumat mənbələrini bölüşmək istəyirəm. Ümid edirəm ki, bu da sizə kömək edir!
Ən son hadisələrdən xəbərdar olmaq üçün çox uyğun olan YouTube kanalı. Kanal tez-tez yenilənir və aparıcının əhatə etdiyi bütün mövzularda yoluxucu bir həvəs və pozitivlik var. Yalnız süni intellektlə deyil, həm də kompüter qrafikası və digər vizual cəlbedici mövzularda maraqlı işlərin işıqlandırılmasını gözləyin.
Yannik özünün YouTube kanalında dərin öyrənmə sahəsində əhəmiyyətli araşdırmaları texniki detallarla izah edir. Tədqiqatı təkbaşına oxumaq əvəzinə, vacib məqalələri daha dərindən başa düşmək üçün onun videolarından birini izləmək çox vaxt daha tez və asandır. İzahatlar riyaziyyatı laqeyd qoymadan və ya üç şamın içində itmədən məqalələrin mahiyyətini çatdırır. Yannik həmçinin tədqiqatların bir-birinə necə uyğunlaşması, nəticələrin nə qədər ciddi qəbul edilməsi, daha geniş şərhlər və s. haqqında fikirlərini bölüşür. Başlayanlar (və ya akademik olmayan praktiklər) bu kəşflərə təkbaşına gəlməkdə çətinlik çəkirlər.
Öz sözləri ilə desək:
Maşın öyrənməsi tədqiqatı aydın, dinamik və canlı olmalıdır. Və Distill tədqiqata kömək etmək üçün yaradılmışdır.
Distill unikal maşın öyrənmə tədqiqat nəşridir. Oxucuya mövzuları daha intuitiv şəkildə başa düşmək üçün məqalələr heyrətamiz vizuallaşdırma ilə təbliğ olunur. Məkansal düşüncə və təxəyyül Maşın Öyrənmə və Məlumat Elmi mövzularını başa düşməyinizə kömək etmək üçün çox yaxşı işləyir. Ənənəvi nəşr formatları isə öz strukturuna görə sərt, statik və quru olur, bəzən . Chris Olah, Distill-in yaradıcısı, həmçinin inanılmaz şəxsi bloqu saxlayır . Uzun müddətdir ki, yenilənməyib, lakin indiyə qədər yazılmış ən yaxşı dərin öyrənmə izahatları toplusu olaraq qalır. Xüsusilə, mənə çox kömək etdi LSTM!
Sebastian Ruder, ilk növbədə neyron şəbəkələrinin kəsişməsi və təbii dildə mətn təhlili haqqında çox məlumatlandırıcı bloq və xəbər bülleteni yazır. O, həmçinin tədqiqatçılara və konfrans məruzəçilərinə çoxlu məsləhətlər verir, əgər siz akademiyadasınızsa, bu çox faydalı ola bilər. Sebastyanın məqalələri, əsasən, müəyyən bir sahədə tədqiqat və metodların müasir vəziyyətini ümumiləşdirən və izah edən icmal formasında olur. Bu o deməkdir ki, məqalələr öz mövqelərini tez əldə etmək istəyən praktiklər üçün son dərəcə faydalıdır. Sebastian da yazır .
Andrey Karpatın təqdimata ehtiyacı yoxdur. Yer üzündə ən məşhur dərin öyrənmə tədqiqatçılarından biri olmaqla yanaşı, o, kimi geniş istifadə olunan alətlər yaradır yan layihələr kimi. Onun Stenford kursu ilə saysız-hesabsız insan bu sahəyə daxil oldu. , və bunu bilmək sizin üçün faydalı olacaq neyron şəbəkə təlimi. Mən də baxmağı məsləhət görürəm Teslanın real dünyada maşın öyrənməsini kütləvi şəkildə tətbiq etməyə çalışarkən aradan qaldırmalı olduğu real problemlər haqqında. Nitq məlumatlandırıcı, təsirli və ayıqdır. ML-nin özü haqqında məqalələrlə yanaşı, Andrey Karpaty verir uğrunda . Endryu oxuyun və .
Uber mühəndislik bloqu miqyası və əhatə dairəsinin genişliyi baxımından həqiqətən təsir edicidir, bir çox mövzuları, xüsusən də . Uber-in mühəndislik mədəniyyəti haqqında mənim xüsusilə xoşuma gələn şey, onların çox maraqlı və dəyərli məhsul buraxmaq meylləridir açıq mənbə yüksək sürətlə. Budur bəzi nümunələr:
- Və siyahı uzadılır... Şapkalar, Uber
Mübahisə bir yana, OpenAI bloqu danılmaz dərəcədə əladır. Zaman zaman bloqda yalnız OpenAI miqyasında gələ biləcək dərin öyrənmə haqqında məzmun və ideyalar dərc olunur: Hipotetik dərin ikiqat eniş. OpenAI komandası nadir hallarda dərc etməyə meyllidir, lakin bunlar vacib məzmundur.
Taboola bloqu bu yazıdakı bəzi digər mənbələr kimi o qədər də tanınmır, amma məncə, bu unikaldır - müəlliflər "normal" biznes üçün ML-ni istehsalda tətbiq etməyə çalışarkən çox adi, real problemlər haqqında yazırlar: daha az özünü idarə edən avtomobillər və dünya çempionlarını qazanan RL agentləri, "modelimin indi yalançı inamla hər şeyi proqnozlaşdırdığını necə bilə bilərəm?". Bu məsələlər bu sahədə çalışan demək olar ki, hər kəs üçün aktualdır və daha çox yayılmış süni intellekt mövzularından daha az mətbuatda işıqlandırılır, lakin bu problemləri düzgün həll etmək üçün hələ də dünya səviyyəli istedad tələb olunur. Xoşbəxtlikdən, Tabuola həm bu istedada, həm də başqalarının da öyrənə bilməsi üçün bu barədə yazmaq istəyi və bacarığına malikdir.
Twitter ilə yanaşı, Reddit-də izdihamın tədqiqatına, alətlərinə və ya müdrikliyinə bağlı olmaqdan yaxşı bir şey yoxdur.
Yazılar yalnız ildə dərc olunur, lakin çox sıx məlumatlarla doldurulur. Bu siyahıdakı digər mənbələrlə müqayisədə bu, texnoloji olmayan iş adamları üçün daha əlçatandır. Danışıqlarda mənim xoşuma gələn cəhət ondan ibarətdir ki, onlar sənaye və tədqiqatın hara getdiyinə dair daha bütöv bir fikir verməyə çalışırlar, aparat, tədqiqat, biznes və hətta geosiyasət sahəsindəki nailiyyətləri quşbaxışı ilə birləşdirirlər. Maraqların toqquşması haqqında oxumaq üçün sondan başlamağınızdan əmin olun.
Podkastlar
Açığını desəm, podkastların texniki mövzuları öyrənmək üçün uyğun olmadığını düşünürəm. Axı, mövzuları izah etmək üçün yalnız səsdən istifadə edirlər və məlumat elmi çox vizual bir sahədir. Podkastlar sizə daha sonra daha dərindən araşdırmaq və ya fəlsəfi müzakirələr aparmaq üçün bəhanə verir. Bununla belə, burada bəzi tövsiyələr var:
- o, süni intellekt sahəsində görkəmli tədqiqatçılarla söhbət edərkən. Francois Chollet ilə epizodlar xüsusilə yaxşıdır!
- . Yeni məlumat infrastrukturu alətləri haqqında eşitmək xoşdur.
Möhtəşəm siyahılar
Burada diqqətli olmaq üçün daha az şey var, lakin nə axtardığınızı bildikdən sonra faydalı olan daha çox resurs var:
Metti neyron şəbəkələrdən istifadə etmək üçün gözəl, yaradıcı yollar tapır və onun nəticələrini Twitter lentinizdə görmək sadəcə əyləncədir. Heç olmasa bir nəzər salın yazı
Ori sadəcə sürücülük maşınıdır . O, məlumat alimləri üçün problemlər və həll yolları haqqında geniş yazır. Məqalə dərc edildikdə xəbərdar olmaq üçün abunə olmağı unutmayın. Onun xüsusilə, həqiqətən təsir edicidir.
Hərtərəfli yaradıcılıq və məhsuldarlıq mənbəyi olan fast.ai-nin həmtəsisçisi.
Github-da ML mühəndisi olan Hamel Hussain məlumat domenində kodlayıcılar üçün bir çox alətlər yaratmaq və hesabat verməklə məşğuldur.
Kerasın yaradıcısı, indi zəkanın nə olduğu və onu necə sınamaq barədə anlayışımızı yeniləyin.
Google Brain-də tədqiqatçı alim.
Nəticə
Orijinal yazı yenilənə bilər, çünki müəllif siyahıya daxil etməməyin utancverici olacağı böyük məzmun mənbələri tapır. Onunla əlaqə saxlamaqdan çekinmeyin yeni mənbə tövsiyə etmək istəyirsinizsə! Həm də DAGsHub Vəkil [təqribən. tərcümə. Public Practitioner] Data Science sahəsində, buna görə də öz Data Science məzmununuzu yaradırsınızsa, yazının müəllifinə yazmaqdan çekinmeyin.
Tövsiyə olunan mənbələri oxumaqla və promosyon kodu ilə inkişaf etdirin HABR, bannerdə göstərilən endirimə əlavə 10% əldə edə bilərsiniz.
Daha çox kurslar
Tövsiyə olunan məqalələr
Mənbə: www.habr.com