Ing kirim iki, kita nuduhake sampeyan pilihan sumber informasi migunani babagan Ilmu Data saka co-founder lan CTO saka DAGsHub, komunitas lan platform web kanggo kontrol versi data lan kolaborasi antarane ilmuwan data lan insinyur machine learning. Pilihan kasebut kalebu macem-macem sumber, saka akun Twitter nganti blog teknik lengkap, sing ditargetake kanggo wong sing ngerti persis apa sing digoleki. Rincian ing ngisor potong.
Saka penulis:
Sampeyan apa sing sampeyan mangan, lan minangka buruh kawruh, sampeyan kudu diet informasi apik. Aku pengin nuduhake sumber informasi babagan Ilmu Data, intelijen buatan lan teknologi sing gegandhengan sing paling migunani utawa menarik. Mugi iki mbantu sampeyan banget!
Saluran YouTube sing cocog kanggo ngupayakake acara paling anyar. Saluran kasebut kerep dianyari lan tuan rumah duwe antusiasme infèksius lan positif ing kabeh topik sing dibahas. Nyana jangkoan karya menarik ora mung ing AI, nanging uga ing grafis komputer lan topik visual menarik liyane.
Ing saluran YouTube, Yannick nerangake riset penting babagan sinau jero kanthi rinci teknis. Tinimbang maca sinau dhewe, luwih cepet lan luwih gampang nonton salah sawijining video kanggo ngerteni luwih jero babagan artikel penting. Panjelasan kasebut nuduhake inti saka artikel kasebut tanpa nglirwakake matematika utawa ilang ing telung pinus. Yannick uga nuduhake panemune babagan kepiye sinau cocog, kepiye asil sing kudu ditindakake, interpretasi sing luwih akeh, lan liya-liyane. Pemula (utawa praktisi non-akademik) nemokake luwih angel kanggo nemokake panemuan kasebut dhewe.
Ing tembung dhewe:
Riset pembelajaran mesin kudu cetha, dinamis, lan sregep. Lan Distill digawe kanggo mbantu riset.
Distill minangka publikasi riset pembelajaran mesin sing unik. Artikel dipromosekake kanthi visualisasi sing nggumunake kanggo menehi pamaca pemahaman sing luwih intuisi babagan topik kasebut. Pikiran lan imajinasi spasial cenderung bisa digunakake kanthi apik kanggo mbantu sampeyan ngerti topik Pembelajaran Mesin lan Ilmu Data. Format publikasi tradisional, ing sisih liya, cenderung kaku ing strukture, statis lan garing, lan kadhangkala . Chris Olah, co-ngripta Distill, uga njogo blog pribadi sange ing . Wis suwe ora dianyari, nanging tetep dadi koleksi panjelasan sinau jero sing paling apik sing wis ditulis. Utamane, mbantu aku akeh LSTM!
Sebastian Ruder nyerat blog lan buletin sing informatif, utamane babagan persimpangan jaringan saraf lan analisis teks basa alami. Dheweke uga menehi saran akeh kanggo peneliti lan pamicara konferensi, sing bisa migunani banget yen sampeyan ana ing akademisi. Artikel-artikel Sebastian cenderung arupa review, ngringkes lan njlentrehake kahanan seni ing riset lan metode ing wilayah tartamtu. Iki tegese artikel kasebut migunani banget kanggo praktisi sing pengin cepet ngerti. Sebastian uga nulis ing .
Andrei Karpaty ora perlu introduksi. Saliyane dadi salah sawijining peneliti sinau jero sing paling misuwur ing bumi, dheweke nggawe alat sing akeh digunakake kayata minangka proyek sisih. Ora kaetung wong mlebu ing alam iki liwat kursus Stanford. , lan bakal migunani kanggo sampeyan ngerti pelatihan jaringan syaraf. Aku uga nyaranake nonton babagan masalah nyata sing kudu ditindakake Tesla nalika nyoba ngetrapake pembelajaran mesin kanthi skala gedhe ing jagad nyata. Pidato iku informatif, nyengsemaken lan sobering. Saliyane artikel babagan ML dhewe, Andrey Karpaty menehi kanggo . Maca Andrew ing lan ing .
Blog teknik Uber pancen nyengsemake babagan ukuran lan jembar jangkoan, kalebu akeh topik, utamane . Sing paling disenengi babagan budaya teknik Uber yaiku cenderung ngeculake sing menarik lan berharga open source ing jangkah breakneck. Ing ngisor iki sawetara conto:
- Lan dhaptar terus lan terusβ¦Hat off, Uber
Saliyane kontroversi, blog OpenAI pancen apik banget. Saka wektu kanggo wektu, blog ngirim konten lan wawasan babagan sinau jero sing mung bisa teka ing skala OpenAI: hipotetis katurunan pindho jero. Tim OpenAI cenderung jarang ngirim, nanging iki minangka konten penting.
Blog Taboola ora kondhang kaya sawetara sumber liyane ing postingan iki, nanging aku rumangsa unik - penulis nulis babagan masalah sing biasa lan nyata nalika nyoba ngetrapake ML ing produksi kanggo bisnis "normal": kurang babagan mobil poto-nyopir lan agen RL menang juara donya, liyane babagan "piye carane aku ngerti yen model saiki prΓ©dhiksi iku karo kapercayan palsu?". Masalah kasebut cocog kanggo meh kabeh wong sing kerja ing lapangan lan nampa liputan pers sing kurang saka topik AI sing luwih umum, nanging isih butuh bakat kelas donya kanggo ngatasi masalah kasebut kanthi bener. Untunge, Taboola duwe bakat iki lan kekarepan lan kemampuan kanggo nulis babagan iki supaya wong liya uga bisa sinau.
Bebarengan karo Twitter, ora ana sing luwih apik ing Reddit tinimbang kecanthol ing riset, alat, utawa kawicaksanan wong akeh.
Kiriman diterbitake mung saben taun, nanging diisi informasi kanthi padhet. Dibandhingake karo sumber liyane ing dhaptar iki, iki luwih gampang diakses dening wong bisnis non-teknologi. Apa sing daktresnani babagan rembugan kasebut yaiku dheweke nyoba menehi tampilan sing luwih holistik babagan industri lan riset, nggabungake kemajuan hardware, riset, bisnis, lan malah geopolitik saka mripat manuk. Priksa manawa sampeyan miwiti ing pungkasan kanggo maca babagan konflik kepentingan.
Podcast
Terus terang, aku mikir podcast ora cocog kanggo sinau babagan topik teknis. Sawise kabeh, dheweke mung nggunakake swara kanggo nerangake topik, lan ilmu data minangka lapangan visual banget. Podcast cenderung menehi alesan kanggo njelajah luwih jero mengko, utawa kanggo diskusi filosofis. Nanging, ana sawetara rekomendasi:
- nalika dheweke ngomong karo peneliti sing misuwur ing bidang intelijen buatan. Episode karo Francois Chollet utamanΓ© apik!
- . Seneng krungu babagan alat infrastruktur data anyar.
Dhaptar apik tenan
Ana kurang sing kudu diawasi ing kene, nanging luwih akeh sumber daya sing bisa mbantu yen sampeyan ngerti apa sing sampeyan goleki:
Matty nemokake cara sing apik lan kreatif kanggo nggunakake jaringan saraf, lan mung nyenengake kanggo ndeleng asile ing feed Twitter sampeyan. Coba deleng ing paling cepet.
Ori mung mesin nyopir . Dheweke nulis akeh babagan masalah lan solusi kanggo ilmuwan data. Aja manawa kanggo langganan supaya diwenehi kabar nalika artikel diterbitake. Kang utamanΓ© tenan nyengsemaken.
Co-pendiri fast.ai, sumber kreatifitas lan produktivitas sing komprehensif.
A staff ML engineer ing Github, Hamel Hussain sibuk ing karya nggawe lan nglaporake ing akeh alat kanggo coders ing domain data.
Pencipta Keras, saiki nganyari pemahaman kita apa intelijen lan carane kanggo nyoba.
Ilmuwan riset ing Google Brain.
kesimpulan
Kiriman asli bisa dianyari amarga penulis nemokake sumber konten sing apik sing bakal dadi isin yen ora kalebu ing dhaptar. Bebas bae kanggo hubungi dheweke yen sampeyan pengin menehi rekomendasi sawetara sumber anyar! Lan uga DAGsHub Advokat [approx. nerjemahake. Praktisi Umum] ing Ilmu Data, dadi yen sampeyan nggawe konten Ilmu Data dhewe, aja ragu-ragu nulis menyang penulis kiriman kasebut.
Ngembangake kanthi maca sumber sing disaranake, lan kanthi kode promosi HABR, sampeyan bisa entuk tambahan 10% kanggo diskon sing dituduhake ing spanduk.
Kursus liyane
Artikel Pilihan
Source: www.habr.com