2020 সালে ডেটা সায়েন্টিস্ট হিসাবে কী পড়তে হবে

এই পোস্টে, আমরা আপনার সাথে DAGsHub-এর সহ-প্রতিষ্ঠাতা এবং CTO থেকে ডেটা সায়েন্স সম্পর্কে দরকারী তথ্যের উৎসগুলির একটি বাছাই শেয়ার করি, ডেটা সংস্করণ নিয়ন্ত্রণের জন্য একটি সম্প্রদায় এবং ওয়েব প্ল্যাটফর্ম এবং ডেটা বিজ্ঞানী এবং মেশিন লার্নিং ইঞ্জিনিয়ারদের মধ্যে সহযোগিতা। নির্বাচনের মধ্যে রয়েছে টুইটার অ্যাকাউন্ট থেকে শুরু করে পূর্ণাঙ্গ প্রকৌশল ব্লগ পর্যন্ত বিভিন্ন উৎস, যেগুলো তাদের লক্ষ্য করে যারা জানেন তারা ঠিক কী খুঁজছেন। কাটা অধীনে বিস্তারিত.

লেখকের কাছ থেকে:
আপনি যা খাচ্ছেন তাই আপনি, এবং একজন জ্ঞান কর্মী হিসাবে আপনার একটি ভাল তথ্যমূলক খাদ্য প্রয়োজন। আমি ডেটা সায়েন্স, কৃত্রিম বুদ্ধিমত্তা এবং সম্পর্কিত প্রযুক্তি সম্পর্কে তথ্যের উত্সগুলি ভাগ করতে চাই যা আমার কাছে সবচেয়ে দরকারী বা আকর্ষণীয় বলে মনে হয়৷ আমি আশা করি এটি আপনাকেও সাহায্য করবে!

দুটি মিনিট পেপার

একটি YouTube চ্যানেল যা সাম্প্রতিক ইভেন্টগুলির সাথে আপ টু ডেট রাখার জন্য উপযুক্ত। চ্যানেলটি ঘন ঘন আপডেট করা হয় এবং কভার করা সমস্ত বিষয়ে হোস্টের একটি সংক্রামক উত্সাহ এবং ইতিবাচকতা রয়েছে। শুধুমাত্র AI তে নয়, কম্পিউটার গ্রাফিক্স এবং অন্যান্য দৃষ্টিনন্দন বিষয়গুলিতেও আকর্ষণীয় কাজের কভারেজ আশা করুন।

ইয়ানিক কিলচার

তার ইউটিউব চ্যানেলে, ইয়ানিক প্রযুক্তিগত বিশদে গভীর শিক্ষার গুরুত্বপূর্ণ গবেষণা ব্যাখ্যা করেছেন। নিজে থেকে একটি অধ্যয়ন পড়ার পরিবর্তে, গুরুত্বপূর্ণ নিবন্ধগুলির গভীরতর বোঝার জন্য এটির একটি ভিডিও দেখা প্রায়শই দ্রুত এবং সহজ হয়৷ ব্যাখ্যাগুলি গণিতকে অবহেলা না করে বা তিনটি পাইনে হারিয়ে যাওয়া ছাড়াই নিবন্ধগুলির সারমর্মকে বোঝায়। ইয়ানিক কীভাবে অধ্যয়নগুলি একসাথে খাপ খায়, ফলাফলগুলিকে কতটা গুরুত্ব সহকারে নেওয়া উচিত, বৃহত্তর ব্যাখ্যা করা ইত্যাদি বিষয়েও তার মতামত শেয়ার করেন। নতুনদের (বা অ-একাডেমিক অনুশীলনকারীরা) তাদের নিজের থেকে এই আবিষ্কারগুলিতে আসা আরও কঠিন বলে মনে হয়।

distill.pub

তাদের নিজস্ব ভাষায়:

মেশিন লার্নিং গবেষণা পরিষ্কার, গতিশীল এবং প্রাণবন্ত হওয়া প্রয়োজন। এবং ডিস্টিল গবেষণায় সাহায্য করার জন্য তৈরি করা হয়েছিল।

ডিস্টিল একটি অনন্য মেশিন লার্নিং গবেষণা প্রকাশনা। পাঠককে বিষয়গুলি সম্পর্কে আরও স্বজ্ঞাত বোঝার জন্য নিবন্ধগুলি অত্যাশ্চর্য ভিজ্যুয়ালাইজেশন সহ প্রচার করা হয়। স্থানিক চিন্তাভাবনা এবং কল্পনা আপনাকে মেশিন লার্নিং এবং ডেটা সায়েন্স বিষয়গুলি বুঝতে সাহায্য করার জন্য খুব ভালভাবে কাজ করে। প্রথাগত প্রকাশনা বিন্যাস, অন্যদিকে, তাদের গঠনে অনমনীয়, স্থির এবং শুষ্ক এবং কখনও কখনও "গাণিতিক". ক্রিস ওলাহ, ডিস্টিলের সহ-স্রষ্টা, এছাড়াও একটি আশ্চর্যজনক ব্যক্তিগত ব্লগ বজায় রাখেন GitHub. এটি দীর্ঘ সময়ের জন্য আপডেট করা হয়নি, তবে এখনও পর্যন্ত লেখা সেরা গভীর শিক্ষার ব্যাখ্যাগুলির একটি সংগ্রহ রয়েছে। বিশেষ করে, এটা আমাকে অনেক সাহায্য করেছে বিবরণ এলএসটিএম!

উৎস

সেবাস্তিয়ান রুডার

সেবাস্টিয়ান রুডার একটি খুব তথ্যপূর্ণ ব্লগ এবং নিউজলেটার লেখেন, প্রাথমিকভাবে নিউরাল নেটওয়ার্ক এবং প্রাকৃতিক ভাষার পাঠ্য বিশ্লেষণের ছেদ সম্পর্কে। তিনি গবেষক এবং কনফারেন্স স্পিকারদের অনেক পরামর্শ দেন, যা আপনি একাডেমিয়ায় থাকলে খুব সহায়ক হতে পারে। সেবাস্তিয়ানের নিবন্ধগুলি পর্যালোচনার আকার নেয়, একটি প্রদত্ত অঞ্চলে গবেষণা এবং পদ্ধতিতে শিল্পের অবস্থার সংক্ষিপ্তকরণ এবং ব্যাখ্যা করে। এর মানে হল যে নিবন্ধগুলি অনুশীলনকারীদের জন্য অত্যন্ত দরকারী যারা দ্রুত তাদের বিয়ারিং পেতে চান। সেবাস্তিয়ানও লিখেছেন Twitter.

আন্দ্রে কার্পাটি

আন্দ্রেই কারপাটির কোনো পরিচয়ের প্রয়োজন নেই। পৃথিবীর সবচেয়ে বিখ্যাত ডিপ লার্নিং গবেষকদের একজন হওয়ার পাশাপাশি, তিনি ব্যাপকভাবে ব্যবহৃত টুল তৈরি করেন যেমন সংরক্ষণাগার বিবেক সংরক্ষণকারী পার্শ্ব প্রকল্প হিসাবে। তার স্ট্যানফোর্ড কোর্সের মাধ্যমে অগণিত লোক এই রাজ্যে প্রবেশ করেছিল। cs231n, এবং এটি আপনার জন্য এটি জানতে দরকারী হবে প্রণালী নিউরাল নেটওয়ার্ক প্রশিক্ষণ। আমি এটা দেখার সুপারিশ বক্তৃতা বাস্তব বিশ্বে বিশাল আকারে মেশিন লার্নিং প্রয়োগ করার চেষ্টা করার সময় টেসলাকে যে বাস্তব সমস্যাগুলি কাটিয়ে উঠতে হবে। বক্তৃতা তথ্যপূর্ণ, চিত্তাকর্ষক এবং sobering. ML সম্পর্কে নিবন্ধ ছাড়াও, Andrey Karpaty দেয় ভাল জীবন পরামর্শ থেকে উচ্চাভিলাষী বিজ্ঞানীরা. এন্ড্রু পড়ুন Twitter এবং অন গিটহাব.

উবার ইঞ্জিনিয়ারিং

উবার ইঞ্জিনিয়ারিং ব্লগটি স্কেল এবং কভারেজের প্রস্থের দিক থেকে সত্যিই চিত্তাকর্ষক, বিশেষ করে অনেক বিষয় কভার করে কৃত্রিম বুদ্ধিমত্তা. উবারের ইঞ্জিনিয়ারিং সংস্কৃতি সম্পর্কে আমি বিশেষভাবে যা পছন্দ করি তা হল তাদের খুব আকর্ষণীয় এবং মূল্যবান প্রকাশ করার প্রবণতা প্রকল্প একটি ভয়ঙ্কর গতিতে ওপেন সোর্স। এখানে কিছু উদাহরণঃ:

• লুডভিগ
• h3
• প্রতিক্রিয়া দেখা
• aresdb
• এবং তালিকা চলতেই থাকে...হ্যাট অফ, উবার

OpenAI ব্লগ

বিতর্ক বাদ দিয়ে, OpenAI ব্লগটি নিঃসন্দেহে দুর্দান্ত। সময়ে সময়ে, ব্লগটি গভীর শিক্ষার বিষয়বস্তু এবং অন্তর্দৃষ্টি পোস্ট করে যা শুধুমাত্র OpenAI এর স্কেলে আসতে পারে: অনুমানমূলক ঘটমান বিষয় গভীর ডবল বংশদ্ভুত. OpenAI টিম কদাচিৎ পোস্ট করার প্রবণতা রাখে, কিন্তু এগুলো গুরুত্বপূর্ণ বিষয়বস্তু।

উৎস

তাবুলা ব্লগ

Taboola ব্লগটি এই পোস্টের অন্যান্য উত্সগুলির মতো তেমন পরিচিত নয়, তবে আমি মনে করি এটি অনন্য - লেখকরা একটি "স্বাভাবিক" ব্যবসার জন্য উত্পাদনে ML প্রয়োগ করার চেষ্টা করার সময় খুব জাগতিক, বাস্তব সমস্যাগুলি সম্পর্কে লিখেছেন: সম্পর্কে কম স্ব-চালিত গাড়ি এবং বিশ্ব চ্যাম্পিয়নদের RL এজেন্টরা, "আমার মডেল এখন মিথ্যা আত্মবিশ্বাসের সাথে ভবিষ্যদ্বাণী করছে কিনা তা আমি কীভাবে জানব?" সম্পর্কে আরও। এই সমস্যাগুলি ক্ষেত্রটিতে কাজ করা প্রায় প্রত্যেকের জন্য প্রাসঙ্গিক এবং সাধারণ AI বিষয়গুলির তুলনায় কম প্রেস কভারেজ পায়, তবে এই সমস্যাগুলিকে সঠিকভাবে মোকাবেলা করার জন্য এখনও বিশ্বমানের প্রতিভা লাগে৷ ভাগ্যক্রমে, ট্যাবুলার এই প্রতিভা এবং এটি সম্পর্কে লেখার ইচ্ছা এবং ক্ষমতা উভয়ই রয়েছে যাতে অন্যান্য লোকেরাও শিখতে পারে।

Reddit

টুইটারের পাশাপাশি, ভিড়ের গবেষণা, সরঞ্জাম বা প্রজ্ঞার উপর আবদ্ধ হওয়ার চেয়ে Reddit-এ আর কিছুই নেই।

• reddit.com/r/machinelearning
• reddit.com/r/datascience

এআই রাজ্য

পোস্ট শুধুমাত্র বার্ষিক প্রকাশ করা হয়, কিন্তু খুব ঘন তথ্য দিয়ে পূর্ণ. এই তালিকার অন্যান্য উত্সের তুলনায়, এটি অ-টেক ব্যবসায়িক ব্যক্তিদের কাছে আরও অ্যাক্সেসযোগ্য। আলোচনার বিষয়ে আমি যা পছন্দ করি তা হল তারা শিল্প এবং গবেষণা কোথায় যাচ্ছে তার একটি আরও সামগ্রিক দৃষ্টিভঙ্গি দেওয়ার চেষ্টা করে, হার্ডওয়্যার, গবেষণা, ব্যবসা এবং এমনকি ভূ-রাজনীতিতে একটি পাখির চোখের দৃষ্টিকোণ থেকে অগ্রগতি একত্রিত করে। স্বার্থের দ্বন্দ্ব সম্পর্কে পড়তে শেষে শুরু করতে ভুলবেন না।

পডকাস্ট

সত্যি বলতে, আমি মনে করি পডকাস্টগুলি প্রযুক্তিগত বিষয়গুলি সম্পর্কে শেখার জন্য উপযুক্ত নয়৷ সর্বোপরি, তারা বিষয়গুলি ব্যাখ্যা করার জন্য শুধুমাত্র শব্দ ব্যবহার করে এবং ডেটা সায়েন্স একটি খুব ভিজ্যুয়াল ক্ষেত্র। পডকাস্টগুলি আপনাকে পরে আরও গভীরভাবে অন্বেষণ করার বা দার্শনিক আলোচনায় জড়িত থাকার জন্য একটি অজুহাত দেয়। যাইহোক, এখানে কিছু সুপারিশ আছে:

• লেক্স ফ্রাইডম্যান পডকাস্টযখন তিনি কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে বিশিষ্ট গবেষকদের সাথে কথা বলেন। ফ্রাঁসোয়া চোলেটের সাথে পর্বগুলি বিশেষভাবে ভাল!
• ডেটা ইঞ্জিনিয়ারিং পডকাস্ট. নতুন ডেটা পরিকাঠামো সরঞ্জাম সম্পর্কে শুনে ভালো লাগলো।

দুর্দান্ত তালিকা

এখানে নজর রাখার জন্য কম আছে, কিন্তু আপনি কী খুঁজছেন তা জানলে আরও সংস্থান সহায়ক হয়:

• github.com/josephmisiti/awesome-machine-learning
• awesomedataengineering.com

Twitter

• ম্যাটি মারিয়ানস্কি
  ম্যাটি নিউরাল নেটওয়ার্কগুলি ব্যবহার করার জন্য সুন্দর, সৃজনশীল উপায় খুঁজে পান এবং আপনার টুইটার ফিডে তার ফলাফলগুলি দেখতে মজাদার। অন্তত দেখে নিন এই দ্রুত
• অরি কোহেন
  ওরি একটি ড্রাইভিং মেশিন মাত্র ব্লগ. তিনি ডেটা বিজ্ঞানীদের সমস্যা এবং সমাধান সম্পর্কে ব্যাপকভাবে লিখেছেন। একটি নিবন্ধ প্রকাশিত হলে বিজ্ঞপ্তি পেতে সাবস্ক্রাইব করতে ভুলবেন না। তার সংগ্রহবিশেষ করে সত্যিই চিত্তাকর্ষক.
• জেরেমি হাওয়ার্ড
  fast.ai-এর সহ-প্রতিষ্ঠাতা, সৃজনশীলতা এবং উৎপাদনশীলতার একটি ব্যাপক উৎস।
• হামেল হোসেন
  গিথুবের একজন কর্মী এমএল প্রকৌশলী, হামেল হুসেন ডেটা ডোমেনে কোডারগুলির জন্য অনেক সরঞ্জাম তৈরি এবং রিপোর্ট করার কাজে ব্যস্ত।
• ফ্রাঁসোয়া চোলেট
  কেরাসের স্রষ্টা, এখন করার চেষ্টা বুদ্ধিমত্তা কী এবং কীভাবে এটি পরীক্ষা করা যায় সে সম্পর্কে আমাদের উপলব্ধি আপডেট করুন।
• হার্ডমারু
  গুগল ব্রেইনের গবেষণা বিজ্ঞানী ড.

উপসংহার

মূল পোস্টটি আপডেট করা যেতে পারে কারণ লেখক বিষয়বস্তুর দুর্দান্ত উত্স খুঁজে পেয়েছেন যে তালিকায় অন্তর্ভুক্ত না করা লজ্জাজনক হবে। তার সাথে যোগাযোগ বিনা দ্বিধায় Twitterআপনি কিছু নতুন উৎস সুপারিশ করতে চান! এবং এছাড়াও DAGsHub নিয়োগ অ্যাডভোকেট [প্রায় অনুবাদ পাবলিক প্র্যাকটিশনার] ডেটা সায়েন্সে, তাই আপনি যদি নিজের ডেটা সায়েন্স কন্টেন্ট তৈরি করেন, তাহলে নির্দ্বিধায় পোস্টের লেখককে লিখুন।

প্রস্তাবিত উত্সগুলি পড়ে এবং প্রচারমূলক কোড দ্বারা বিকাশ করুন HABR, আপনি ব্যানারে নির্দেশিত ডিসকাউন্টের অতিরিক্ত 10% পেতে পারেন।

• ডেটা সায়েন্স অনলাইন বুটক্যাম্প
• স্ক্র্যাচ থেকে ডেটা বিশ্লেষক পেশা প্রশিক্ষণ
• ডেটা বিশ্লেষণ অনলাইন বুটক্যাম্প
• স্ক্র্যাচ থেকে ডেটা সায়েন্সের পেশা শিক্ষকতা
• ওয়েব ডেভেলপমেন্ট কোর্সের জন্য পাইথন

আরও কোর্স

• ডেটা অ্যানালিটিক্স কোর্স
• DevOps কোর্স
• পেশা ওয়েব ডেভেলপার
• স্ক্র্যাচ থেকে পেশা iOS বিকাশকারী
• স্ক্র্যাচ থেকে পেশা অ্যান্ড্রয়েড বিকাশকারী
• স্ক্র্যাচ থেকে পেশা জাভা বিকাশকারী
• জাভাস্ক্রিপ্ট কোর্স
• মেশিন লার্নিং কোর্স
• কোর্স "ডেটা সায়েন্সের জন্য গণিত এবং মেশিন লার্নিং"
• উন্নত কোর্স "মেশিন লার্নিং প্রো + ডিপ লার্নিং"

বৈশিষ্ট্যযুক্ত প্রবন্ধ

• অনলাইন কোর্স ছাড়াই কীভাবে ডেটা সায়েন্টিস্ট হওয়া যায়
• 450 ফ্রি আইভি লীগ কোর্স
• কিভাবে সপ্তাহে 5 দিন মেশিন লার্নিং পড়া যায় একটানা 9 মাস
• একজন ডেটা বিশ্লেষক কত উপার্জন করেন: 2020 সালে রাশিয়া এবং বিদেশে বেতন এবং শূন্যপদগুলির একটি ওভারভিউ
• মাইনিং শিল্পে মেশিন লার্নিং এবং কম্পিউটার ভিশন

উত্স: www.habr.com