ಈ ಪೋಸ್ಟ್‌ನಲ್ಲಿ, ಡೇಟಾ ಆವೃತ್ತಿ ನಿಯಂತ್ರಣ ಮತ್ತು ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆ ಎಂಜಿನಿಯರ್‌ಗಳ ನಡುವಿನ ಸಹಯೋಗಕ್ಕಾಗಿ ಸಮುದಾಯ ಮತ್ತು ವೆಬ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ DAGsHub ನ ಸಹ-ಸ್ಥಾಪಕ ಮತ್ತು CTO ನಿಂದ ಡೇಟಾ ಸೈನ್ಸ್ ಕುರಿತು ಉಪಯುಕ್ತ ಮಾಹಿತಿಯ ಮೂಲಗಳ ಆಯ್ಕೆಯನ್ನು ನಾವು ನಿಮ್ಮೊಂದಿಗೆ ಹಂಚಿಕೊಳ್ಳುತ್ತೇವೆ. ಆಯ್ಕೆಯು ಟ್ವಿಟರ್ ಖಾತೆಗಳಿಂದ ಹಿಡಿದು ಪೂರ್ಣ ಪ್ರಮಾಣದ ಎಂಜಿನಿಯರಿಂಗ್ ಬ್ಲಾಗ್‌ಗಳವರೆಗೆ ವಿವಿಧ ಮೂಲಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಅವರು ಹುಡುಕುತ್ತಿರುವುದನ್ನು ನಿಖರವಾಗಿ ತಿಳಿದಿರುವವರನ್ನು ಗುರಿಯಾಗಿರಿಸಿಕೊಳ್ಳಲಾಗುತ್ತದೆ. ಕಟ್ ಅಡಿಯಲ್ಲಿ ವಿವರಗಳು.
ಲೇಖಕರಿಂದ:
ನೀವು ತಿನ್ನುವುದು ನೀವೇ, ಮತ್ತು ಜ್ಞಾನದ ಕೆಲಸಗಾರರಾಗಿ, ನಿಮಗೆ ಉತ್ತಮ ಮಾಹಿತಿ ಆಹಾರದ ಅಗತ್ಯವಿದೆ. ನಾನು ಡೇಟಾ ಸೈನ್ಸ್, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಸಂಬಂಧಿತ ತಂತ್ರಜ್ಞಾನಗಳ ಕುರಿತು ಮಾಹಿತಿಯ ಮೂಲಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಲು ಬಯಸುತ್ತೇನೆ, ಅದು ನನಗೆ ಹೆಚ್ಚು ಉಪಯುಕ್ತ ಅಥವಾ ಆಕರ್ಷಕವಾಗಿದೆ. ಇದು ನಿಮಗೆ ಸಹ ಸಹಾಯ ಮಾಡುತ್ತದೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ!
ಇತ್ತೀಚಿನ ಈವೆಂಟ್‌ಗಳೊಂದಿಗೆ ನವೀಕೃತವಾಗಿರಲು ಸೂಕ್ತವಾಗಿರುವ YouTube ಚಾನಲ್. ಚಾನಲ್ ಅನ್ನು ಆಗಾಗ್ಗೆ ನವೀಕರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಹೋಸ್ಟ್ ಎಲ್ಲಾ ವಿಷಯಗಳಲ್ಲಿ ಸಾಂಕ್ರಾಮಿಕ ಉತ್ಸಾಹ ಮತ್ತು ಸಕಾರಾತ್ಮಕತೆಯನ್ನು ಹೊಂದಿದೆ. AI ನಲ್ಲಿ ಮಾತ್ರವಲ್ಲದೆ ಕಂಪ್ಯೂಟರ್ ಗ್ರಾಫಿಕ್ಸ್ ಮತ್ತು ಇತರ ದೃಷ್ಟಿಗೆ ಇಷ್ಟವಾಗುವ ವಿಷಯಗಳ ಮೇಲೆ ಆಸಕ್ತಿದಾಯಕ ಕೆಲಸದ ವ್ಯಾಪ್ತಿಯನ್ನು ನಿರೀಕ್ಷಿಸಿ.
ತನ್ನ YouTube ಚಾನೆಲ್‌ನಲ್ಲಿ, ಯಾನಿಕ್ ಆಳವಾದ ಕಲಿಕೆಯಲ್ಲಿ ತಾಂತ್ರಿಕ ವಿವರಗಳಲ್ಲಿ ಮಹತ್ವದ ಸಂಶೋಧನೆಯನ್ನು ವಿವರಿಸುತ್ತಾನೆ. ನಿಮ್ಮದೇ ಆದ ಅಧ್ಯಯನವನ್ನು ಓದುವ ಬದಲು, ಪ್ರಮುಖ ಲೇಖನಗಳ ಆಳವಾದ ತಿಳುವಳಿಕೆಯನ್ನು ಪಡೆಯಲು ಅದರ ವೀಡಿಯೊಗಳಲ್ಲಿ ಒಂದನ್ನು ವೀಕ್ಷಿಸಲು ಇದು ತ್ವರಿತವಾಗಿ ಮತ್ತು ಸುಲಭವಾಗಿರುತ್ತದೆ. ವಿವರಣೆಗಳು ಗಣಿತವನ್ನು ನಿರ್ಲಕ್ಷಿಸದೆ ಅಥವಾ ಮೂರು ಪೈನ್‌ಗಳಲ್ಲಿ ಕಳೆದುಹೋಗದೆ ಲೇಖನಗಳ ಸಾರವನ್ನು ತಿಳಿಸುತ್ತವೆ. ಅಧ್ಯಯನಗಳು ಹೇಗೆ ಒಟ್ಟಿಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತವೆ, ಫಲಿತಾಂಶಗಳನ್ನು ಎಷ್ಟು ಗಂಭೀರವಾಗಿ ತೆಗೆದುಕೊಳ್ಳಬೇಕು, ವಿಶಾಲವಾದ ವ್ಯಾಖ್ಯಾನಗಳು ಮತ್ತು ಮುಂತಾದವುಗಳ ಕುರಿತು ಯಾನಿಕ್ ತನ್ನ ಅಭಿಪ್ರಾಯಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತಾನೆ. ಆರಂಭಿಕರು (ಅಥವಾ ಶೈಕ್ಷಣಿಕೇತರ ವೃತ್ತಿಗಾರರು) ತಮ್ಮದೇ ಆದ ಈ ಆವಿಷ್ಕಾರಗಳಿಗೆ ಬರಲು ಹೆಚ್ಚು ಕಷ್ಟಕರವೆಂದು ಕಂಡುಕೊಳ್ಳುತ್ತಾರೆ.
ಅವರದೇ ಮಾತುಗಳಲ್ಲಿ:
ಯಂತ್ರ ಕಲಿಕೆಯ ಸಂಶೋಧನೆಯು ಸ್ಪಷ್ಟ, ಕ್ರಿಯಾತ್ಮಕ ಮತ್ತು ರೋಮಾಂಚಕವಾಗಿರಬೇಕು. ಮತ್ತು ಸಂಶೋಧನೆಯಲ್ಲಿ ಸಹಾಯ ಮಾಡಲು ಡಿಸ್ಟಿಲ್ ಅನ್ನು ರಚಿಸಲಾಗಿದೆ.
ಡಿಸ್ಟಿಲ್ ಒಂದು ಅನನ್ಯ ಯಂತ್ರ ಕಲಿಕೆ ಸಂಶೋಧನಾ ಪ್ರಕಟಣೆಯಾಗಿದೆ. ವಿಷಯಗಳ ಬಗ್ಗೆ ಓದುಗರಿಗೆ ಹೆಚ್ಚು ಅರ್ಥಗರ್ಭಿತ ತಿಳುವಳಿಕೆಯನ್ನು ನೀಡಲು ಲೇಖನಗಳನ್ನು ಬೆರಗುಗೊಳಿಸುವ ದೃಶ್ಯೀಕರಣಗಳೊಂದಿಗೆ ಪ್ರಚಾರ ಮಾಡಲಾಗುತ್ತದೆ. ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಮತ್ತು ಡೇಟಾ ಸೈನ್ಸ್ ವಿಷಯಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುವಲ್ಲಿ ಪ್ರಾದೇಶಿಕ ಚಿಂತನೆ ಮತ್ತು ಕಲ್ಪನೆಯು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಸಾಂಪ್ರದಾಯಿಕ ಪ್ರಕಾಶನ ಸ್ವರೂಪಗಳು, ಮತ್ತೊಂದೆಡೆ, ಅವುಗಳ ರಚನೆಯಲ್ಲಿ ಕಟ್ಟುನಿಟ್ಟಾಗಿರುತ್ತದೆ, ಸ್ಥಿರ ಮತ್ತು ಶುಷ್ಕ, ಮತ್ತು ಕೆಲವೊಮ್ಮೆ . ಕ್ರಿಸ್ ಓಲಾ, ಡಿಸ್ಟಿಲ್‌ನ ಸಹ-ಸೃಷ್ಟಿಕರ್ತರು ಸಹ ಅದ್ಭುತವಾದ ವೈಯಕ್ತಿಕ ಬ್ಲಾಗ್ ಅನ್ನು ನಿರ್ವಹಿಸುತ್ತಿದ್ದಾರೆ . ಇದನ್ನು ದೀರ್ಘಕಾಲದವರೆಗೆ ನವೀಕರಿಸಲಾಗಿಲ್ಲ, ಆದರೆ ಇದುವರೆಗೆ ಬರೆದ ಅತ್ಯುತ್ತಮ ಆಳವಾದ ಕಲಿಕೆಯ ವಿವರಣೆಗಳ ಸಂಗ್ರಹವಾಗಿ ಉಳಿದಿದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, ಇದು ನನಗೆ ತುಂಬಾ ಸಹಾಯ ಮಾಡಿತು LSTM!
ಸೆಬಾಸ್ಟಿಯನ್ ರುಡರ್ ಬಹಳ ತಿಳಿವಳಿಕೆ ಬ್ಲಾಗ್ ಮತ್ತು ಸುದ್ದಿಪತ್ರವನ್ನು ಬರೆಯುತ್ತಾರೆ, ಪ್ರಾಥಮಿಕವಾಗಿ ನರಮಂಡಲದ ಛೇದಕ ಮತ್ತು ನೈಸರ್ಗಿಕ ಭಾಷಾ ಪಠ್ಯ ವಿಶ್ಲೇಷಣೆಯ ಬಗ್ಗೆ. ಅವರು ಸಂಶೋಧಕರು ಮತ್ತು ಕಾನ್ಫರೆನ್ಸ್ ಸ್ಪೀಕರ್‌ಗಳಿಗೆ ಸಾಕಷ್ಟು ಸಲಹೆಗಳನ್ನು ನೀಡುತ್ತಾರೆ, ನೀವು ಅಕಾಡೆಮಿಯಲ್ಲಿದ್ದರೆ ಅದು ತುಂಬಾ ಸಹಾಯಕವಾಗಿರುತ್ತದೆ. ಸೆಬಾಸ್ಟಿಯನ್ ಅವರ ಲೇಖನಗಳು ವಿಮರ್ಶೆಗಳ ರೂಪವನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತವೆ, ನಿರ್ದಿಷ್ಟ ಪ್ರದೇಶದಲ್ಲಿ ಸಂಶೋಧನೆ ಮತ್ತು ವಿಧಾನಗಳಲ್ಲಿನ ಕಲೆಯ ಸ್ಥಿತಿಯನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತವೆ ಮತ್ತು ವಿವರಿಸುತ್ತವೆ. ಇದರರ್ಥ ಲೇಖನಗಳು ತಮ್ಮ ಬೇರಿಂಗ್‌ಗಳನ್ನು ತ್ವರಿತವಾಗಿ ಪಡೆಯಲು ಬಯಸುವ ಅಭ್ಯಾಸಕಾರರಿಗೆ ಅತ್ಯಂತ ಉಪಯುಕ್ತವಾಗಿವೆ. ಸೆಬಾಸ್ಟಿಯನ್ ಸಹ ಬರೆಯುತ್ತಾರೆ .
ಆಂಡ್ರೇ ಕಾರ್ಪಾಟಿಗೆ ಯಾವುದೇ ಪರಿಚಯ ಅಗತ್ಯವಿಲ್ಲ. ಭೂಮಿಯ ಮೇಲಿನ ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಆಳವಾದ ಕಲಿಕೆಯ ಸಂಶೋಧಕರಲ್ಲಿ ಒಬ್ಬರಾಗುವುದರ ಜೊತೆಗೆ, ಅವರು ವ್ಯಾಪಕವಾಗಿ ಬಳಸುವ ಸಾಧನಗಳನ್ನು ರಚಿಸುತ್ತಾರೆ ಅಡ್ಡ ಯೋಜನೆಗಳಾಗಿ. ಅವರ ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ಕೋರ್ಸ್ ಮೂಲಕ ಅಸಂಖ್ಯಾತ ಜನರು ಈ ಕ್ಷೇತ್ರವನ್ನು ಪ್ರವೇಶಿಸಿದರು. , ಮತ್ತು ಅದನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ನಿಮಗೆ ಉಪಯುಕ್ತವಾಗಿರುತ್ತದೆ ನರಮಂಡಲದ ತರಬೇತಿ. ನಾನು ಅದನ್ನು ವೀಕ್ಷಿಸಲು ಸಹ ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆಯನ್ನು ಬೃಹತ್ ಪ್ರಮಾಣದಲ್ಲಿ ಅನ್ವಯಿಸಲು ಪ್ರಯತ್ನಿಸುವಾಗ ಟೆಸ್ಲಾ ಅವರು ಜಯಿಸಬೇಕಾದ ನೈಜ ಸಮಸ್ಯೆಗಳ ಬಗ್ಗೆ. ಭಾಷಣವು ತಿಳಿವಳಿಕೆ, ಪ್ರಭಾವಶಾಲಿ ಮತ್ತು ಶಾಂತವಾಗಿದೆ. ML ಬಗ್ಗೆ ಲೇಖನಗಳ ಜೊತೆಗೆ, ಆಂಡ್ರೆ ಕಾರ್ಪಾಟಿ ನೀಡುತ್ತಾರೆ ಗೆ . ನಲ್ಲಿ ಆಂಡ್ರ್ಯೂ ಓದಿ ಮತ್ತು ಆನ್ .
Uber ಇಂಜಿನಿಯರಿಂಗ್ ಬ್ಲಾಗ್ ವ್ಯಾಪ್ತಿಯ ಪ್ರಮಾಣ ಮತ್ತು ವಿಸ್ತಾರದ ವಿಷಯದಲ್ಲಿ ನಿಜವಾಗಿಯೂ ಪ್ರಭಾವಶಾಲಿಯಾಗಿದೆ, ನಿರ್ದಿಷ್ಟವಾಗಿ ಬಹಳಷ್ಟು ವಿಷಯಗಳನ್ನು ಒಳಗೊಂಡಿದೆ . ಉಬರ್‌ನ ಇಂಜಿನಿಯರಿಂಗ್ ಸಂಸ್ಕೃತಿಯಲ್ಲಿ ನಾನು ವಿಶೇಷವಾಗಿ ಇಷ್ಟಪಡುವ ವಿಷಯವೆಂದರೆ ಅದು ತುಂಬಾ ಆಸಕ್ತಿದಾಯಕ ಮತ್ತು ಮೌಲ್ಯಯುತವಾದ ಬಿಡುಗಡೆಯ ಪ್ರವೃತ್ತಿಯಾಗಿದೆ ಕಡಿದಾದ ವೇಗದಲ್ಲಿ ತೆರೆದ ಮೂಲ. ಕೆಲವು ಉದಾಹರಣೆಗಳು ಇಲ್ಲಿವೆ:
- ಮತ್ತು ಪಟ್ಟಿ ಮುಂದುವರಿಯುತ್ತದೆ... ಹ್ಯಾಟ್ಸ್ ಆಫ್, ಉಬರ್
ವಿವಾದವನ್ನು ಬದಿಗಿಟ್ಟು, OpenAI ಬ್ಲಾಗ್ ನಿರ್ವಿವಾದವಾಗಿ ಉತ್ತಮವಾಗಿದೆ. ಕಾಲಕಾಲಕ್ಕೆ, ಬ್ಲಾಗ್ ವಿಷಯ ಮತ್ತು ಆಳವಾದ ಕಲಿಕೆಯ ಒಳನೋಟಗಳನ್ನು ಪೋಸ್ಟ್ ಮಾಡುತ್ತದೆ ಅದು OpenAI ಯ ಪ್ರಮಾಣದಲ್ಲಿ ಮಾತ್ರ ಬರಬಹುದು: ಕಾಲ್ಪನಿಕ ಆಳವಾದ ಡಬಲ್ ಮೂಲದ. OpenAI ತಂಡವು ವಿರಳವಾಗಿ ಪೋಸ್ಟ್ ಮಾಡಲು ಒಲವು ತೋರುತ್ತದೆ, ಆದರೆ ಇವು ಪ್ರಮುಖ ವಿಷಯಗಳಾಗಿವೆ.
Taboola ಬ್ಲಾಗ್ ಈ ಪೋಸ್ಟ್‌ನಲ್ಲಿನ ಇತರ ಕೆಲವು ಮೂಲಗಳಂತೆ ಪ್ರಸಿದ್ಧವಾಗಿಲ್ಲ, ಆದರೆ ಇದು ವಿಶಿಷ್ಟವಾಗಿದೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ - "ಸಾಮಾನ್ಯ" ವ್ಯವಹಾರಕ್ಕಾಗಿ ಉತ್ಪಾದನೆಯಲ್ಲಿ ML ಅನ್ನು ಅನ್ವಯಿಸಲು ಪ್ರಯತ್ನಿಸುವಾಗ ಲೇಖಕರು ತುಂಬಾ ಪ್ರಾಪಂಚಿಕ, ನೈಜ ಸಮಸ್ಯೆಗಳ ಬಗ್ಗೆ ಬರೆಯುತ್ತಾರೆ: ಕಡಿಮೆ ಸ್ವಯಂ ಚಾಲಿತ ಕಾರುಗಳು ಮತ್ತು ವಿಶ್ವ ಚಾಂಪಿಯನ್‌ಗಳನ್ನು ಗೆದ್ದ RL ಏಜೆಂಟ್‌ಗಳು, "ನನ್ನ ಮಾದರಿಯು ಈಗ ತಪ್ಪು ವಿಶ್ವಾಸದಿಂದ ವಿಷಯಗಳನ್ನು ಊಹಿಸುತ್ತಿದೆಯೇ ಎಂದು ನನಗೆ ಹೇಗೆ ತಿಳಿಯುವುದು?". ಈ ಸಮಸ್ಯೆಗಳು ಕ್ಷೇತ್ರದಲ್ಲಿ ಕೆಲಸ ಮಾಡುವ ಬಹುತೇಕ ಎಲ್ಲರಿಗೂ ಪ್ರಸ್ತುತವಾಗಿವೆ ಮತ್ತು ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾದ AI ವಿಷಯಗಳಿಗಿಂತ ಕಡಿಮೆ ಪತ್ರಿಕಾ ಪ್ರಸಾರವನ್ನು ಪಡೆಯುತ್ತವೆ, ಆದರೆ ಈ ಸಮಸ್ಯೆಗಳನ್ನು ಸರಿಯಾಗಿ ಪರಿಹರಿಸಲು ಇನ್ನೂ ವಿಶ್ವ ದರ್ಜೆಯ ಪ್ರತಿಭೆಗಳು ಬೇಕಾಗುತ್ತವೆ. ಅದೃಷ್ಟವಶಾತ್, ಟಬೂಲಾ ಈ ಪ್ರತಿಭೆ ಮತ್ತು ಅದರ ಬಗ್ಗೆ ಬರೆಯುವ ಇಚ್ಛೆ ಮತ್ತು ಸಾಮರ್ಥ್ಯ ಎರಡನ್ನೂ ಹೊಂದಿರುವುದರಿಂದ ಇತರ ಜನರು ಸಹ ಕಲಿಯಬಹುದು.
ರೆಡ್ಡಿಟ್
Twitter ಜೊತೆಗೆ, ರೆಡ್ಡಿಟ್‌ನಲ್ಲಿ ಜನಸಂದಣಿಯ ಸಂಶೋಧನೆ, ಪರಿಕರಗಳು ಅಥವಾ ಬುದ್ಧಿವಂತಿಕೆಗೆ ಸಿಕ್ಕಿಕೊಳ್ಳುವುದಕ್ಕಿಂತ ಉತ್ತಮವಾದದ್ದೇನೂ ಇಲ್ಲ.
ಪೋಸ್ಟ್‌ಗಳನ್ನು ವಾರ್ಷಿಕವಾಗಿ ಮಾತ್ರ ಪ್ರಕಟಿಸಲಾಗುತ್ತದೆ, ಆದರೆ ಮಾಹಿತಿಯನ್ನು ತುಂಬ ದಟ್ಟವಾಗಿ ತುಂಬಿಸಲಾಗುತ್ತದೆ. ಈ ಪಟ್ಟಿಯಲ್ಲಿರುವ ಇತರ ಮೂಲಗಳಿಗೆ ಹೋಲಿಸಿದರೆ, ಇದು ತಂತ್ರಜ್ಞಾನೇತರ ವ್ಯಾಪಾರಸ್ಥರಿಗೆ ಹೆಚ್ಚು ಪ್ರವೇಶಿಸಬಹುದಾಗಿದೆ. ಮಾತುಕತೆಗಳ ಬಗ್ಗೆ ನಾನು ಇಷ್ಟಪಡುವ ವಿಷಯವೆಂದರೆ ಅವರು ಉದ್ಯಮ ಮತ್ತು ಸಂಶೋಧನೆಯು ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತಿದೆ ಎಂಬುದರ ಕುರಿತು ಹೆಚ್ಚು ಸಮಗ್ರ ನೋಟವನ್ನು ನೀಡಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ, ಹಾರ್ಡ್‌ವೇರ್, ಸಂಶೋಧನೆ, ವ್ಯಾಪಾರ ಮತ್ತು ಭೌಗೋಳಿಕ ರಾಜಕೀಯದಲ್ಲಿ ಪಕ್ಷಿನೋಟದಿಂದ ಕೂಡಿದೆ. ಆಸಕ್ತಿಯ ಸಂಘರ್ಷಗಳ ಬಗ್ಗೆ ಓದಲು ಕೊನೆಯಲ್ಲಿ ಪ್ರಾರಂಭಿಸಲು ಮರೆಯದಿರಿ.
ಪಾಡ್‌ಕಾಸ್ಟ್‌ಗಳು
ನಾನೂ, ತಾಂತ್ರಿಕ ವಿಷಯಗಳ ಬಗ್ಗೆ ಕಲಿಯಲು ಪಾಡ್‌ಕಾಸ್ಟ್‌ಗಳು ಸೂಕ್ತವಲ್ಲ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ. ಎಲ್ಲಾ ನಂತರ, ಅವರು ವಿಷಯಗಳನ್ನು ವಿವರಿಸಲು ಧ್ವನಿಯನ್ನು ಮಾತ್ರ ಬಳಸುತ್ತಾರೆ ಮತ್ತು ಡೇಟಾ ವಿಜ್ಞಾನವು ಬಹಳ ದೃಶ್ಯ ಕ್ಷೇತ್ರವಾಗಿದೆ. ಪಾಡ್‌ಕಾಸ್ಟ್‌ಗಳು ನಂತರ ಹೆಚ್ಚು ಆಳವಾಗಿ ಅನ್ವೇಷಿಸಲು ಅಥವಾ ತಾತ್ವಿಕ ಚರ್ಚೆಗಳನ್ನು ತೊಡಗಿಸಿಕೊಳ್ಳಲು ನಿಮಗೆ ಕ್ಷಮೆಯನ್ನು ನೀಡುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಇಲ್ಲಿ ಕೆಲವು ಶಿಫಾರಸುಗಳಿವೆ:
- ಅವರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಮುಖ ಸಂಶೋಧಕರೊಂದಿಗೆ ಮಾತನಾಡುವಾಗ. ಫ್ರಾಂಕೋಯಿಸ್ ಚೊಲೆಟ್ ಜೊತೆಗಿನ ಸಂಚಿಕೆಗಳು ವಿಶೇಷವಾಗಿ ಉತ್ತಮವಾಗಿವೆ!
- . ಹೊಸ ಡೇಟಾ ಮೂಲಸೌಕರ್ಯ ಪರಿಕರಗಳ ಬಗ್ಗೆ ಕೇಳಲು ಸಂತೋಷವಾಗಿದೆ.
ಅದ್ಭುತ ಪಟ್ಟಿಗಳು
ಇಲ್ಲಿ ಕಣ್ಣಿಡಲು ಕಡಿಮೆ ಇದೆ, ಆದರೆ ನೀವು ಏನನ್ನು ಹುಡುಕುತ್ತಿದ್ದೀರಿ ಎಂದು ತಿಳಿದ ನಂತರ ಹೆಚ್ಚು ಸಂಪನ್ಮೂಲಗಳು ಸಹಾಯಕವಾಗುತ್ತವೆ:
ಟ್ವಿಟರ್
ಮ್ಯಾಟಿ ಅವರು ನರಗಳ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಬಳಸಲು ಸುಂದರವಾದ, ಸೃಜನಾತ್ಮಕ ಮಾರ್ಗಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತಾರೆ ಮತ್ತು ನಿಮ್ಮ Twitter ಫೀಡ್‌ನಲ್ಲಿ ಅವರ ಫಲಿತಾಂಶಗಳನ್ನು ನೋಡುವುದು ವಿನೋದಮಯವಾಗಿದೆ. ಕನಿಷ್ಠ ಒಮ್ಮೆ ನೋಡಿ ವೇಗವಾಗಿ.
ಓರಿ ಕೇವಲ ಡ್ರೈವಿಂಗ್ ಯಂತ್ರ . ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳ ಸಮಸ್ಯೆಗಳು ಮತ್ತು ಪರಿಹಾರಗಳ ಬಗ್ಗೆ ಅವರು ವ್ಯಾಪಕವಾಗಿ ಬರೆಯುತ್ತಾರೆ. ಲೇಖನವನ್ನು ಪ್ರಕಟಿಸಿದಾಗ ತಿಳಿಸಲು ಚಂದಾದಾರರಾಗಲು ಮರೆಯದಿರಿ. ಅವನ ನಿರ್ದಿಷ್ಟವಾಗಿ ನಿಜವಾಗಿಯೂ ಪ್ರಭಾವಶಾಲಿಯಾಗಿದೆ.
ಸೃಜನಶೀಲತೆ ಮತ್ತು ಉತ್ಪಾದಕತೆಯ ಸಮಗ್ರ ಮೂಲವಾದ fast.ai ನ ಸಹ-ಸ್ಥಾಪಕ.
Github ನಲ್ಲಿ ಸಿಬ್ಬಂದಿ ML ಇಂಜಿನಿಯರ್, ಹ್ಯಾಮೆಲ್ ಹುಸೇನ್ ಅವರು ಡೇಟಾ ಡೊಮೇನ್‌ನಲ್ಲಿ ಕೋಡರ್‌ಗಳಿಗಾಗಿ ಅನೇಕ ಸಾಧನಗಳನ್ನು ರಚಿಸುವ ಮತ್ತು ವರದಿ ಮಾಡುವ ಕೆಲಸದಲ್ಲಿ ನಿರತರಾಗಿದ್ದಾರೆ.
ಕೇರಸ್ ಸೃಷ್ಟಿಕರ್ತ, ಈಗ ಬುದ್ಧಿವಂತಿಕೆ ಎಂದರೇನು ಮತ್ತು ಅದನ್ನು ಹೇಗೆ ಪರೀಕ್ಷಿಸಬೇಕು ಎಂಬುದರ ಕುರಿತು ನಮ್ಮ ತಿಳುವಳಿಕೆಯನ್ನು ನವೀಕರಿಸಿ.
ಗೂಗಲ್ ಬ್ರೈನ್ ನಲ್ಲಿ ಸಂಶೋಧನಾ ವಿಜ್ಞಾನಿ.
ತೀರ್ಮಾನಕ್ಕೆ
ಪಟ್ಟಿಯಲ್ಲಿ ಸೇರಿಸದಿರುವುದು ಅವಮಾನಕರವಾದ ವಿಷಯದ ಉತ್ತಮ ಮೂಲಗಳನ್ನು ಲೇಖಕರು ಕಂಡುಕೊಂಡಿರುವುದರಿಂದ ಮೂಲ ಪೋಸ್ಟ್ ಅನ್ನು ನವೀಕರಿಸಬಹುದು. ಅವರನ್ನು ಸಂಪರ್ಕಿಸಲು ಮುಕ್ತವಾಗಿರಿ ನೀವು ಕೆಲವು ಹೊಸ ಮೂಲವನ್ನು ಶಿಫಾರಸು ಮಾಡಲು ಬಯಸಿದರೆ! ಮತ್ತು DAGsHub ಸಹ ವಕೀಲರು [ಅಂದಾಜು. ಅನುವಾದ. ಸಾರ್ವಜನಿಕ ವೈದ್ಯರು] ಡೇಟಾ ಸೈನ್ಸ್‌ನಲ್ಲಿ, ಆದ್ದರಿಂದ ನೀವು ನಿಮ್ಮದೇ ಆದ ಡೇಟಾ ಸೈನ್ಸ್ ವಿಷಯವನ್ನು ರಚಿಸಿದರೆ, ಪೋಸ್ಟ್‌ನ ಲೇಖಕರಿಗೆ ಬರೆಯಲು ಹಿಂಜರಿಯಬೇಡಿ.
ಶಿಫಾರಸು ಮಾಡಲಾದ ಮೂಲಗಳನ್ನು ಓದುವ ಮೂಲಕ ಮತ್ತು ಪ್ರಚಾರದ ಕೋಡ್ ಮೂಲಕ ಅಭಿವೃದ್ಧಿಪಡಿಸಿ HABR, ಬ್ಯಾನರ್‌ನಲ್ಲಿ ಸೂಚಿಸಲಾದ ರಿಯಾಯಿತಿಗೆ ನೀವು ಹೆಚ್ಚುವರಿ 10% ಪಡೆಯಬಹುದು.
ಹೆಚ್ಚಿನ ಕೋರ್ಸ್‌ಗಳು
ವೈಶಿಷ್ಟ್ಯಗೊಳಿಸಿದ ಲೇಖನಗಳು
ಮೂಲ: www.habr.com