2020 में डेटा वैज्ञानिक के रूप में क्या पढ़ा जाए?

इस पोस्ट में, हम आपके साथ डेटा वैज्ञानिकों और मशीन लर्निंग इंजीनियरों के बीच डेटा संस्करण नियंत्रण और सहयोग के लिए एक समुदाय और वेब प्लेटफॉर्म DAGsHub के सह-संस्थापक और सीटीओ से डेटा विज्ञान के बारे में उपयोगी जानकारी के स्रोतों का चयन साझा करते हैं। चयन में विभिन्न प्रकार के स्रोत शामिल हैं, ट्विटर खातों से लेकर पूर्ण इंजीनियरिंग ब्लॉग तक, जो उन लोगों पर लक्षित हैं जो वास्तव में जानते हैं कि वे क्या खोज रहे हैं। कट के अंतर्गत विवरण.

लेखक से:
आप वही हैं जो आप खाते हैं, और एक ज्ञान कार्यकर्ता के रूप में, आपको एक अच्छे सूचनात्मक आहार की आवश्यकता है। मैं डेटा साइंस, कृत्रिम बुद्धिमत्ता और संबंधित प्रौद्योगिकियों के बारे में जानकारी के स्रोत साझा करना चाहता हूं जो मुझे सबसे उपयोगी या आकर्षक लगते हैं। मुझे आशा है कि इससे आपको भी मदद मिलेगी!

दो मिनट के कागजात

एक यूट्यूब चैनल जो नवीनतम घटनाओं से अपडेट रहने के लिए उपयुक्त है। चैनल को बार-बार अपडेट किया जाता है और मेजबान के पास कवर किए गए सभी विषयों में एक संक्रामक उत्साह और सकारात्मकता है। न केवल एआई पर, बल्कि कंप्यूटर ग्राफिक्स और अन्य आकर्षक विषयों पर भी दिलचस्प काम के कवरेज की अपेक्षा करें।

यानिक किल्चर

अपने यूट्यूब चैनल पर, यानिक तकनीकी विस्तार से गहन शिक्षण में महत्वपूर्ण शोध के बारे में बताते हैं। किसी अध्ययन को स्वयं पढ़ने के बजाय, महत्वपूर्ण लेखों की गहरी समझ हासिल करने के लिए उसका कोई वीडियो देखना अक्सर तेज़ और आसान होता है। स्पष्टीकरण गणित की उपेक्षा किए बिना या तीन पाइंस में खोए बिना लेखों का सार बताते हैं। यानिक इस बात पर भी अपने विचार साझा करते हैं कि अध्ययन एक साथ कैसे फिट होते हैं, परिणामों को कितनी गंभीरता से लिया जाना चाहिए, व्यापक व्याख्याएं इत्यादि। शुरुआती (या गैर-शैक्षणिक अभ्यासकर्ताओं) को इन खोजों तक स्वयं पहुंचना अधिक कठिन लगता है।

डिस्टिल.पब

उन्हीं के शब्दों में:

मशीन लर्निंग अनुसंधान को स्पष्ट, गतिशील और जीवंत होना चाहिए। और डिस्टिल को शोध में मदद के लिए बनाया गया था।

डिस्टिल एक अद्वितीय मशीन लर्निंग अनुसंधान प्रकाशन है। पाठकों को विषयों की अधिक सहज समझ प्रदान करने के लिए लेखों को आश्चर्यजनक विज़ुअलाइज़ेशन के साथ प्रचारित किया जाता है। मशीन लर्निंग और डेटा साइंस विषयों को समझने में आपकी मदद करने के लिए स्थानिक सोच और कल्पना बहुत अच्छी तरह से काम करती है। दूसरी ओर, पारंपरिक प्रकाशन प्रारूप अपनी संरचना में कठोर, स्थिर और शुष्क और कभी-कभी होते हैं "गणितीय". डिस्टिल के सह-निर्माता क्रिस ओला एक अद्भुत निजी ब्लॉग भी चलाते हैं GitHub. इसे लंबे समय से अपडेट नहीं किया गया है, लेकिन फिर भी यह अब तक लिखे गए सर्वोत्तम गहन शिक्षण स्पष्टीकरणों का एक संग्रह बना हुआ है। विशेषकर, इससे मुझे बहुत सहायता मिली описание एलएसटीएम!

स्रोत

सेबस्टियन रूडर

सेबस्टियन रूडर एक बहुत ही जानकारीपूर्ण ब्लॉग और समाचार पत्र लिखते हैं, मुख्य रूप से तंत्रिका नेटवर्क और प्राकृतिक भाषा पाठ विश्लेषण के प्रतिच्छेदन के बारे में। वह शोधकर्ताओं और सम्मेलन वक्ताओं को बहुत सारी सलाह भी देते हैं, जो यदि आप शिक्षा जगत में हैं तो बहुत मददगार हो सकती हैं। सेबस्टियन के लेख किसी दिए गए क्षेत्र में अनुसंधान और विधियों में कला की स्थिति की समीक्षा, सारांश और व्याख्या का रूप लेते हैं। इसका मतलब यह है कि लेख उन अभ्यासकर्ताओं के लिए बेहद उपयोगी हैं जो जल्दी से अपना परिणाम प्राप्त करना चाहते हैं। सेबस्टियन भी लिखते हैं ट्विटर.

एंड्री करपाटी

आंद्रेई कारपाटी को किसी परिचय की आवश्यकता नहीं है। पृथ्वी पर सबसे प्रसिद्ध गहन शिक्षण शोधकर्ताओं में से एक होने के अलावा, वह व्यापक रूप से उपयोग किए जाने वाले उपकरण बनाते हैं पुरालेख विवेक संरक्षक साइड प्रोजेक्ट के रूप में। उनके स्टैनफोर्ड पाठ्यक्रम के माध्यम से अनगिनत लोगों ने इस क्षेत्र में प्रवेश किया। सीएस231एन, और इसे जानना आपके लिए उपयोगी होगा विधि तंत्रिका नेटवर्क प्रशिक्षण. मैं इसे देखने की सलाह भी देता हूं भाषण उन वास्तविक समस्याओं के बारे में जिन्हें वास्तविक दुनिया में मशीन लर्निंग को बड़े पैमाने पर लागू करने का प्रयास करते समय टेस्ला को दूर करना होगा। भाषण ज्ञानवर्धक, प्रभावशाली और गंभीर है। एमएल के बारे में लेखों के अलावा, एंड्री करपाटी देते हैं अच्छी जिंदगी की सलाह के लिए महत्वाकांक्षी वैज्ञानिक. एंड्रयू को यहां पढ़ें ट्विटर और Github.

उबेर इंजीनियरिंग

उबेर इंजीनियरिंग ब्लॉग कवरेज के पैमाने और चौड़ाई के मामले में वास्तव में प्रभावशाली है, विशेष रूप से कई विषयों को कवर करता है कृत्रिम बुद्धि. उबर की इंजीनियरिंग संस्कृति के बारे में जो बात मुझे विशेष रूप से पसंद है, वह है उनकी बहुत दिलचस्प और मूल्यवान रिलीज़ करने की प्रवृत्ति परियोजनाएं ख़तरनाक गति से खुला स्रोत। यहां कुछ उदाहरण दिए गए हैं:

• लुडविग
• h3
• प्रतिक्रिया-विज़
• एरेसडीबी
• और सूची बढ़ती ही जा रही है... सलाम, उबर

OpenAI ब्लॉग

विवाद को छोड़कर, OpenAI ब्लॉग निर्विवाद रूप से बहुत अच्छा है। समय-समय पर, ब्लॉग गहरी शिक्षा के बारे में सामग्री और अंतर्दृष्टि पोस्ट करता है जो केवल ओपनएआई के पैमाने पर आ सकती है: काल्पनिक घटना गहरा दोहरा अवतरण. OpenAI टीम कभी-कभार ही पोस्ट करती है, लेकिन ये महत्वपूर्ण सामग्री हैं।

स्रोत

टैबूला ब्लॉग

Taboola ब्लॉग इस पोस्ट के कुछ अन्य स्रोतों जितना प्रसिद्ध नहीं है, लेकिन मुझे लगता है कि यह अद्वितीय है - लेखक "सामान्य" व्यवसाय के लिए उत्पादन में एमएल लागू करने का प्रयास करते समय बहुत ही सांसारिक, वास्तविक समस्याओं के बारे में लिखते हैं: इसके बारे में कम सेल्फ-ड्राइविंग कारें और विश्व चैंपियन जीतने वाले आरएल एजेंट, "मुझे कैसे पता चलेगा कि मेरा मॉडल अब झूठे आत्मविश्वास के साथ चीजों की भविष्यवाणी कर रहा है?" के बारे में अधिक जानकारी। ये मुद्दे क्षेत्र में काम करने वाले लगभग सभी लोगों के लिए प्रासंगिक हैं और अधिक सामान्य एआई विषयों की तुलना में कम प्रेस कवरेज प्राप्त करते हैं, लेकिन इन मुद्दों को ठीक से संबोधित करने के लिए अभी भी विश्व स्तरीय प्रतिभा की आवश्यकता होती है। सौभाग्य से, तबूला में यह प्रतिभा और इसके बारे में लिखने की इच्छा और क्षमता दोनों है ताकि अन्य लोग भी सीख सकें।

रेडिट

ट्विटर के साथ-साथ, Reddit पर अनुसंधान, टूल या भीड़ के ज्ञान से प्रभावित होने से बेहतर कुछ नहीं है।

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

एआई . का राज्य

पोस्ट केवल वार्षिक रूप से प्रकाशित की जाती हैं, लेकिन बहुत सघनता से जानकारी से भरी होती हैं। इस सूची के अन्य स्रोतों की तुलना में, यह गैर-तकनीकी व्यवसायियों के लिए अधिक सुलभ है। बातचीत के बारे में मुझे जो पसंद है वह यह है कि वे हार्डवेयर, अनुसंधान, व्यवसाय और यहां तक ​​​​कि भू-राजनीति में एक विहंगम दृष्टिकोण से प्रगति को एक साथ जोड़ते हुए, उद्योग और अनुसंधान किस ओर जा रहे हैं, इसके बारे में अधिक समग्र दृष्टिकोण देने की कोशिश करते हैं। हितों के टकराव के बारे में पढ़ने के लिए अंत से शुरुआत करना सुनिश्चित करें।

पॉडकास्ट

सच कहूँ तो, मुझे लगता है कि पॉडकास्ट तकनीकी विषयों के बारे में सीखने के लिए उपयुक्त नहीं है। आख़िरकार, वे विषयों को समझाने के लिए केवल ध्वनि का उपयोग करते हैं, और डेटा विज्ञान एक बहुत ही दृश्य क्षेत्र है। पॉडकास्ट आपको बाद में और अधिक गहराई से जानने या दार्शनिक चर्चाओं को उलझाने का बहाना देता है। हालाँकि, यहां कुछ सिफारिशें दी गई हैं:

• लेक्स फ्राइडमैन पॉडकास्टजब वह कृत्रिम बुद्धिमत्ता के क्षेत्र में प्रमुख शोधकर्ताओं से बात करते हैं। फ्रेंकोइस चॉलेट वाले एपिसोड विशेष रूप से अच्छे हैं!
• डेटा इंजीनियरिंग पॉडकास्ट. नए डेटा इंफ्रास्ट्रक्चर टूल के बारे में सुनकर अच्छा लगा।

बहुत बढ़िया सूचियाँ

यहां नज़र रखने के लिए कम है, लेकिन अधिक संसाधन हैं जो एक बार जब आपको पता चल जाए कि आप क्या खोज रहे हैं तो यह मददगार साबित होंगे:

• github.com/josephmisiti/awesome-machine-learning
• अमेजिंगडेटाइंजीनियरिंग.कॉम

ट्विटर

• मैटी मैरिएन्स्की
  मैटी तंत्रिका नेटवर्क का उपयोग करने के लिए सुंदर, रचनात्मक तरीके ढूंढता है, और उसके परिणामों को आपके ट्विटर फ़ीड में देखना मजेदार है। एक नजर तो डालो यह पोस्ट।
• ओरी कोहेन
  ओरी सिर्फ एक ड्राइविंग मशीन है ब्लॉग. वह डेटा वैज्ञानिकों की समस्याओं और समाधानों के बारे में विस्तार से लिखते हैं। किसी लेख के प्रकाशित होने पर सूचित होने के लिए सदस्यता अवश्य लें। उसका संग्रहविशेष रूप से वास्तव में प्रभावशाली है।
• जेरेमी हावर्ड
  fast.ai के सह-संस्थापक, रचनात्मकता और उत्पादकता का एक व्यापक स्रोत।
• हामेल हुसैन
  जीथब में एक स्टाफ एमएल इंजीनियर, हामेल हुसैन डेटा डोमेन में कोडर के लिए कई टूल बनाने और रिपोर्ट करने में व्यस्त है।
• फ़्राँस्वा चॉलेट
  केरस के निर्माता, अब करने की कोशिश कर रहा है बुद्धि क्या है और इसका परीक्षण कैसे किया जाए, इस बारे में हमारी समझ को अद्यतन करें।
• हार्डमारू
  गूगल ब्रेन के शोध वैज्ञानिक।

निष्कर्ष

मूल पोस्ट को अपडेट किया जा सकता है क्योंकि लेखक को सामग्री के महान स्रोत मिल गए हैं जिन्हें सूची में शामिल न करना शर्म की बात होगी। बेझिझक उससे संपर्क करें ट्विटरयदि आप किसी नए स्रोत की अनुशंसा करना चाहते हैं! और DAGsHub भी नियुक्तियों वकील [लगभग. अनुवाद डेटा साइंस में पब्लिक प्रैक्टिशनर], इसलिए यदि आप अपनी खुद की डेटा साइंस सामग्री बनाते हैं, तो बेझिझक पोस्ट के लेखक को लिखें।

अनुशंसित स्रोतों को पढ़कर और प्रचार कोड द्वारा विकास करें हाब्री, आप बैनर पर दर्शाई गई छूट पर अतिरिक्त 10% प्राप्त कर सकते हैं।

• डेटा साइंस ऑनलाइन बूटकैंप
• डेटा विश्लेषक के पेशे को खरोंच से प्रशिक्षण देना
• डेटा एनालिटिक्स ऑनलाइन बूटकैंप
• स्क्रैच से डेटा साइंस के पेशे को पढ़ाना
• वेब डेवलपमेंट कोर्स के लिए पायथन

अधिक पाठ्यक्रम

• डेटा एनालिटिक्स कोर्स
• डेवऑप्स कोर्स
• व्यवसाय वेब डेवलपर
• शुरू से ही आईओएस डेवलपर का पेशा
• शुरू से ही पेशा एंड्रॉइड डेवलपर
• शुरू से ही पेशा जावा डेवलपर
• जावास्क्रिप्ट पाठ्यक्रम
• मशीन लर्निंग कोर्स
• कोर्स "डेटा साइंस के लिए गणित और मशीन लर्निंग"
• उन्नत पाठ्यक्रम "मशीन लर्निंग प्रो + डीप लर्निंग"

प्रदर्शित लेख

• बिना ऑनलाइन कोर्स के डेटा साइंटिस्ट कैसे बनें
• 450 निःशुल्क आइवी लीग पाठ्यक्रम
• लगातार 5 महीनों तक सप्ताह में 9 दिन मशीन लर्निंग का अध्ययन कैसे करें
• डेटा विश्लेषक कितना कमाता है: 2020 में रूस और विदेशों में वेतन और रिक्तियों का अवलोकन
• खनन उद्योग में मशीन लर्निंग और कंप्यूटर विजन

स्रोत: www.habr.com