🥇2020 年にデータサイエンティストとして読むべきこと

この投稿では、データバージョン管理とデータサイエンティストと機械学習エンジニア間のコラボレーションのためのコミュニティおよび Web プラットフォームである DAGsHub の共同創設者兼 CTO が提供する、データサイエンスに関する役立つ情報のソースを厳選して紹介します。選択には、Twitter アカウントから本格的なエンジニアリングブログに至るまで、探しているものを正確に知っている人を対象としたさまざまなソースが含まれています。詳細はカットの下にあります。

著者から：
あなたは食べたもので決まります。知識労働者として、適切な情報摂取が必要です。データサイエンス、人工知能、および最も有用または魅力的だと思う関連テクノロジーに関する情報源を共有したいと考えています。これもお役に立てば幸いです!

XNUMX分の論文

最新のイベントを把握しておくのに適した YouTube チャンネルです。このチャンネルは頻繁に更新され、ホストは取り上げられるすべてのトピックに熱意と積極性を持っています。 AI だけでなく、コンピュータグラフィックスやその他の視覚的に魅力的なトピックに関する興味深い研究も取り上げられることを期待しています。

ヤニック・キルチャー

ヤニック氏は自身の YouTube チャンネルで、ディープラーニングに関する重要な研究について技術的に詳細に説明しています。重要な論文をより深く理解するには、研究を自分で読むよりも、ビデオを視聴する方が早くて簡単です。解説は計算をおろそかにしたり三本の松に迷わずに記事の本質を伝えています。ヤニック氏はまた、研究がどのように組み合わされるか、結果をどの程度真剣に受け止めるべきか、より広い解釈などについても意見を述べています。初心者 (または非学術的実践者) は、これらの発見を自分で行うのがより困難であると感じます。

蒸留パブ

彼ら自身の言葉で次のように述べています。

機械学習の研究は、明確でダイナミックかつ活気に満ちたものである必要があります。そして Distill は研究を支援するために作られました。

Distill は、ユニークな機械学習研究出版物です。記事は、読者がトピックをより直感的に理解できるように、見事な視覚化を使用して宣伝されています。空間的思考と想像力は、機械学習とデータサイエンスのトピックを理解するのに非常に効果的です。一方、従来の出版形式は、構造が厳格で、静的で無味乾燥な傾向があり、場合によっては無味乾燥なものになることがあります。「数学的」。 Distill の共同作成者である Chris Olah も、次の場所で素晴らしい個人ブログを運営しています。 GitHubの。長い間更新されていませんでしたが、今でもこれまでに書かれた最高の深層学習の説明のコレクションとして残っています。特に、とても助かりました説明 LSTM！

ソース

セバスチャン・ルーダー

Sebastian Ruder は、主にニューラルネットワークと自然言語テキスト分析の交差点について、非常に有益なブログとニュースレターを書いています。また、研究者や会議の講演者に多くのアドバイスを与えており、学術界に携わっている人にとっては非常に役立ちます。セバスチャンの記事は、特定の分野の研究と手法の最先端を要約して説明するレビューの形式をとる傾向があります。つまり、この記事は、内容をすぐに理解したい実務者にとって非常に役立ちます。セバスチャンも書いてます Twitter.

アンドレイ・カルパティ

アンドレイ・カルパティについては説明の必要はありません。彼は地球上で最も有名な深層学習研究者の XNUMX 人であることに加えて、次のような広く使用されているツールを作成しています。アーカイブ正気保持者サイドプロジェクトとして。彼のスタンフォード大学のコースを通じて、数え切れないほどの人がこの領域に入りました。 cs231n、知っておくと便利です。レシピニューラルネットワークのトレーニング。こちらも見ることをお勧めしますスピーチテスラが現実世界で大規模な機械学習を適用しようとする際に克服しなければならない実際の問題について。スピーチは有益で、印象的で、そして冷静さを与えます。 ML 自体に関する記事に加えて、Andrey Karpaty は次のように述べています。良い人生のアドバイスのために野心的な科学者。アンドリューを読む Twitter と githubの.

ウーバーエンジニアリング

Uber エンジニアリングブログは、その規模と範囲の広さの点で非常に印象的で、特に多くのトピックをカバーしています。人工知能。 Uber のエンジニアリング文化で私が特に気に入っているのは、非常に興味深く価値のあるものをリリースする傾向があることです。プロジェクトオープンソースは猛烈なペースで進んでいます。ここではいくつかの例を示します。

ルートヴィヒ
h3
反応する
アレスデータベース
リストはまだまだ続きます…脱帽です、Uber

OpenAIブログ

論争はさておき、OpenAI ブログは間違いなく素晴らしいです。このブログでは、OpenAI の規模でのみ実現できる深層学習に関するコンテンツと洞察を随時投稿しています。現象深い二重降下。 OpenAI チームの投稿頻度は低い傾向にありますが、これらは重要なコンテンツです。

ソース

タブーラのブログ

Taboola ブログは、この記事の他の情報源ほど有名ではありませんが、ユニークだと思います。著者らは、「通常の」ビジネスの実稼働環境に ML を適用しようとするときの、非常に日常的で現実的な問題について書いています。自動運転車と RL エージェントが世界チャンピオンに輝く、「モデルが誤った自信を持って物事を予測しているかどうかをどうやって知ることができるか?」について詳しく説明します。これらの問題は、この分野で働くほぼすべての人に関係しており、一般的な AI トピックに比べて報道されることは少ないですが、それでもこれらの問題に適切に対処するには世界クラスの人材が必要です。幸いなことに、タブーラにはこの才能と、他の人も学べるようにそれについて書く意欲と能力の両方があります。

Twitter と同様に、Reddit では、群衆の研究、ツール、知恵に夢中になることほど素晴らしいことはありません。

AIの状態

投稿は年に一度しか公開されませんが、非常に濃い情報が詰め込まれています。このリストの他の情報源と比較して、この情報はテクノロジーに詳しくないビジネスマンにとってよりアクセスしやすいものです。私がこの講演で気に入っているのは、ハードウェア、研究、ビジネス、さらには地政学の進歩を鳥瞰図から結び付け、業界と研究がどこに向かっているのかについて、より全体的な見方を提供しようとしている点です。利益相反については必ず最後から読んでください。

ポッドキャスト

率直に言って、ポッドキャストは技術的なトピックを学ぶのには不向きだと思います。結局のところ、トピックの説明には音声のみが使用され、データサイエンスは非常に視覚的な分野です。ポッドキャストは、後でさらに深く探索したり、魅力的な哲学的な議論をしたりする口実を与える傾向があります。ただし、次のような推奨事項があります。

レックス・フリードマンのポッドキャスト彼が人工知能分野の著名な研究者と話したときのこと。フランソワ・ショレとのエピソードが特に良い！
データエンジニアリングのポッドキャスト。新しいデータインフラストラクチャツールについて聞いてうれしいです。

素晴らしいリスト

ここでは注目すべき点はそれほど多くありませんが、探しているものがわかれば役に立つリソースがたくさんあります。

Twitter

マティ・マリアンスキー
Matty はニューラルネットワークを使用する美しく創造的な方法を見つけており、Twitter フィードで彼の結果を見るのはとても楽しいです。少なくとも見てくださいこのポスト。
オリ・コーエン
Ori は単なる駆動機械ですブログ。データサイエンティストの問題と解決策について幅広く執筆しています。記事が公開されたときに通知を受け取るには、必ず購読してください。彼のコレクション特に本当に印象的です。
ジェレミー・ハワード
創造性と生産性の包括的なソースである fast.ai の共同創設者。
ハメル・フセイン
Github のスタッフ ML エンジニアである Hamel Hussain は、データドメインのプログラマー向けの多くのツールの作成とレポート作成に忙しく取り組んでいます。
フランソワ・ショレ
Keras の作成者、現在しようとしているインテリジェンスとは何か、そしてそれをテストする方法についての私たちの理解を更新します。
ハードマル
Google Brain の研究員。

まとめ

著者がリストに含めないのはもったいない素晴らしいコンテンツのソースを見つけた場合、元の投稿が更新される可能性があります。お気軽に彼に連絡してください Twitter新しいソースを勧めたいなら！あとDAGsHubも雇う擁護者 [約翻訳。データサイエンスでは [Public Practitioner] を使用しているため、独自のデータサイエンスコンテンツを作成した場合は、投稿の作成者にお気軽に連絡してください。

推奨されるソースを読み、プロモーションコードに従って開発します。 ハブルの場合、バナーに表示されている割引額からさらに 10% 割引を受けることができます。

さらに多くのコース

注目の記事

出所： habr.com