מה לקרוא כמדען נתונים בשנת 2020

בפוסט זה, אנו משתפים אתכם במבחר מקורות מידע שימושי על Data Science מהמייסד השותף וה-CTO של DAGsHub, קהילה ופלטפורמת אינטרנט לבקרת גרסאות נתונים ושיתוף פעולה בין מדעני נתונים ומהנדסי למידת מכונה. המבחר כולל מגוון מקורות, החל מחשבונות טוויטר ועד לבלוגים הנדסיים מן המניין, שמיועדים למי שיודע בדיוק מה הם מחפשים. פרטים מתחת לחתוך.

מאת המחבר:
אתה מה שאתה אוכל, וכעובד ידע, אתה צריך דיאטת מידע טובה. אני רוצה לשתף מקורות מידע על Data Science, בינה מלאכותית וטכנולוגיות קשורות שנראה לי הכי שימושי או אטרקטיבי. אני מקווה שזה יעזור גם לך!

שני עבודות דקה

ערוץ יוטיוב שמתאים היטב להתעדכן באירועים האחרונים. הערוץ מתעדכן בתדירות גבוהה ולמארח יש התלהבות וחיוביות מדבקת בכל הנושאים הנלמדים. צפו לסיקור של עבודה מעניינת לא רק על AI, אלא גם על גרפיקה ממוחשבת ונושאים מושכים חזותית אחרים.

יאניק קילצ'ר

בערוץ היוטיוב שלו, יאניק מסביר מחקר משמעותי בלמידה עמוקה בפירוט טכני. במקום לקרוא מחקר בעצמך, לעתים קרובות יותר מהיר וקל לצפות באחד מהסרטונים שלו כדי לקבל הבנה מעמיקה יותר של מאמרים חשובים. ההסברים מעבירים את מהות המאמרים מבלי להזניח את המתמטיקה או ללכת לאיבוד בשלושה אורנים. יאניק גם חולק את דעותיו לגבי איך הלימודים משתלבים זה בזה, באיזו רצינות יש להתייחס לתוצאות, פרשנויות רחבות יותר וכו'. למתחילים (או לא אקדמאים) קשה יותר להגיע לגילויים הללו בכוחות עצמם.

distill.pub

במילים שלהם:

מחקר למידת מכונה צריך להיות ברור, דינמי ותוסס. ו-Distill נוצר כדי לעזור במחקר.

Distill הוא פרסום מחקר ייחודי של למידת מכונה. מאמרים מקודמים עם הדמיות מדהימות כדי לתת לקורא הבנה אינטואיטיבית יותר של הנושאים. חשיבה מרחבית ודמיון נוטים לעבוד טוב מאוד כדי לעזור לך להבין נושאים של למידת מכונה ומדעי נתונים. פורמטים מסורתיים של פרסום, לעומת זאת, נוטים להיות קשיחים במבנה שלהם, סטטיים ויבשים, ולפעמים "מָתֵימָטִי". כריס אולה, שותף ליצירה של Distill, מנהל גם בלוג אישי מדהים ב GitHub. זה לא עודכן במשך זמן רב, אבל עדיין נשאר אוסף של הסברי הלמידה העמוקה הטובים ביותר שנכתבו אי פעם. במיוחד זה עזר לי מאוד описание LSTM!

מקור

סבסטיאן רודר

סבסטיאן רודר כותב בלוג וניוזלטר אינפורמטיביים מאוד, בעיקר על ההצטלבות של רשתות עצביות וניתוח טקסט בשפה טבעית. הוא גם נותן עצות רבות לחוקרים ולדוברי כנסים, שיכולים לעזור מאוד אם אתה באקדמיה. מאמריו של סבסטיאן נוטים ללבוש צורה של סקירות, סיכום והסבר על המצב במחקר ובשיטות בתחום נתון. משמעות הדבר היא שהמאמרים שימושיים ביותר עבור מתרגלים שרוצים להתמצא במהירות. גם סבסטיאן כותב טויטר.

אנדריי קרפטי

אנדריי קרפטי לא צריך היכרות. בנוסף להיותו אחד מחוקרי הלמידה העמוקה המפורסמים ביותר עלי אדמות, הוא יוצר כלים בשימוש נרחב כגון משמר שפיות בארכיון כפרויקטים צדדיים. אינספור אנשים נכנסו לתחום הזה דרך קורס סטנפורד שלו. cs231n, ויעזור לך לדעת זאת מתכון אימון רשתות עצביות. אני גם ממליץ לצפות בו דיבור על הבעיות האמיתיות שעל טסלה להתגבר עליהן כאשר מנסים ליישם למידת מכונה בקנה מידה עצום בעולם האמיתי. הדיבור אינפורמטיבי, מרשים ומפכח. מלבד מאמרים על ML עצמו, אנדריי קרפטי נותן עצה טובה לחיים עבור מדענים שאפתניים. קרא את אנדרו ב טויטר ו - GitHub.

אובר הנדסה

בלוג ההנדסה של Uber מרשים באמת מבחינת היקף ורוחב הכיסוי, מכסה הרבה נושאים, במיוחד בינה מלאכותית. מה שאני אוהב במיוחד בתרבות ההנדסה של אובר היא הנטייה שלהם לשחרר מאוד מעניין ובעל ערך פרויקטים קוד פתוח בקצב מסחרר. הנה כמה דוגמאות:

• לודוויג
• h3
• להגיב מול
• aresdb
• והרשימה נמשכת ונמשכת... מוריד את הכובע, אובר

בלוג של OpenAI

מלבד מחלוקת, הבלוג של OpenAI הוא ללא ספק נהדר. מדי פעם, הבלוג מפרסם תוכן ותובנות על למידה עמוקה שיכולה להגיע רק בקנה מידה של OpenAI: היפותטי תופעה ירידה כפולה עמוקה. צוות OpenAI נוטה לפרסם לעתים רחוקות, אבל אלו הם תוכן חשוב.

מקור

בלוג Taboola

הבלוג Taboola לא מוכר כמו חלק מהמקורות האחרים בפוסט הזה, אבל אני חושב שהוא ייחודי - המחברים כותבים על בעיות שגרתיות מאוד, אמיתיות כאשר מנסים ליישם ML בייצור עבור עסק "רגיל": פחות על מכוניות בנהיגה עצמית וסוכני RL הזוכים באלופי עולם, עוד על "איך אני יודע אם הדגם שלי חוזה עכשיו דברים בביטחון כוזב?". נושאים אלו רלוונטיים כמעט לכל מי שעובד בתחום ומקבל פחות סיקור עיתונאי מאשר נושאי בינה מלאכותית נפוצים יותר, אך עדיין נדרש כישרון ברמה עולמית כדי לטפל כראוי בנושאים אלו. למרבה המזל, לטאבולה יש גם את הכישרון הזה וגם את הנכונות והיכולת לכתוב על זה כדי שגם אנשים אחרים יוכלו ללמוד.

reddit

יחד עם טוויטר, אין דבר טוב יותר ב-Reddit מאשר להתמכר למחקר, לכלים או לחוכמה של הקהל.

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

מצב בינה מלאכותית

הפוסטים מתפרסמים מדי שנה בלבד, אך מלאים במידע בצפיפות רבה. בהשוואה למקורות אחרים ברשימה זו, זה נגיש יותר לאנשי עסקים שאינם טכנולוגיים. מה שאני אוהב בשיחות הוא שהן מנסות לתת מבט הוליסטי יותר לאן התעשייה והמחקר צועדות, ולקשר בין התקדמות בחומרה, במחקר, בעסקים ואפילו בגיאופוליטיקה ממעוף הציפור. הקפד להתחיל בסוף כדי לקרוא על ניגודי עניינים.

פודקאסטים

למען האמת, אני חושב שפודקאסטים אינם מתאימים ללמידה על נושאים טכניים. אחרי הכל, הם משתמשים רק בסאונד כדי להסביר נושאים, ומדעי הנתונים הם תחום מאוד ויזואלי. פודקאסטים נוטים לתת לך תירוץ לחקור יותר לעומק מאוחר יותר, או לדיונים פילוסופיים מרתקים. עם זאת, הנה כמה המלצות:

• פודקאסט של לקס פרידמןכשהוא משוחח עם חוקרים בולטים בתחום הבינה המלאכותית. פרקים עם פרנסואה צ'ולט טובים במיוחד!
• הפודקאסט של הנדסת נתונים. נחמד לשמוע על כלי תשתית נתונים חדשים.

רשימות מדהימות

יש כאן פחות מה לפקוח עין, אבל יותר משאבים שיועילו ברגע שאתה יודע מה אתה מחפש:

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

טויטר

• מתי מריאנסקי
  מאטי מוצא דרכים יפות ויצירתיות להשתמש ברשתות עצביות, וזה פשוט כיף לראות את התוצאות שלו בפיד שלך בטוויטר. תסתכל לפחות זה מָהִיר.
• אורי כהן
  אורי היא רק מכונת נהיגה בלוגים. הוא כותב בהרחבה על בעיות ופתרונות עבור מדעני נתונים. הקפד להירשם כדי לקבל הודעה כאשר מאמר מתפרסם. שֶׁלוֹ הַהדָרָהבמיוחד הוא באמת מרשים.
• ג'רמי הווארד
  מייסד שותף של fast.ai, מקור מקיף של יצירתיות ופרודוקטיביות.
• האמל חוסיין
  מהנדס ML ב-Github, האמל חוסיין עסוק בעבודה ביצירת ודיווח על כלים רבים עבור קודנים בתחום הנתונים.
• פרנסואה צ'ולט
  יוצר קראס, עכשיו הוא מנסה עדכן את ההבנה שלנו לגבי מהי אינטליגנציה וכיצד לבדוק אותה.
• הארדמרו
  מדען מחקר ב-Google Brain.

מסקנה

הפוסט המקורי עשוי להתעדכן מכיוון שהכותב מוצא מקורות תוכן מעולים שחבל לא לכלול ברשימה. אתה מוזמן לפנות אליו טויטראם אתה רוצה להמליץ ​​על מקור חדש! וגם DAGsHub שוכרים עו"ד [כ. תרגום Public Practitioner] ב-Data Science, אז אם אתה יוצר תוכן Data Science משלך, אל תהסס לכתוב למחבר הפוסט.

התפתח על ידי קריאת המקורות המומלצים, ועל ידי קוד הקידום HABR, ניתן לקבל תוספת של 10% להנחה המצוינת על הבאנר.

• Data Science Online Bootcamp
• הכשרת מקצוע ה-Data Analyst מאפס
• Data Analytics Bootcamp מקוון
• מלמדת את מקצוע הנתונים מאפס
• קורס פייתון לפיתוח אתרים

קורסים נוספים

• קורס ניתוח נתונים
• קורס DevOps
• מקצוע מפתח אתרים
• עיסוק מפתח iOS מאפס
• מקצוע מפתח אנדרואיד מאפס
• מקצוע מפתח Java מאפס
• קורס JavaScript
• קורס למידת מכונה
• קורס "מתמטיקה ולמידת מכונה למדעי הנתונים"
• קורס מתקדם "Machine Learning Pro + Deep Learning"

מאמרים מומלצים

• איך להיות מדען נתונים בלי קורסים מקוונים
• 450 קורסי ליגת הקיסוס בחינם
• כיצד ללמוד למידת מכונה 5 ימים בשבוע במשך 9 חודשים ברציפות
• כמה מרוויח מנתח נתונים: סקירה כללית של משכורות ומשרות פנויות ברוסיה ומחוצה לה בשנת 2020
• למידת מכונה וראייה ממוחשבת בתעשיית הכרייה

מקור: www.habr.com