🥇2020년 데이터 사이언티스트가 읽어야 할 것

이 게시물에서는 데이터 과학자와 기계 학습 엔지니어 간의 데이터 버전 제어 및 협업을 위한 커뮤니티 및 웹 플랫폼인 DAGsHub의 공동 창립자이자 CTO가 제공하는 데이터 과학에 대한 유용한 정보 소스를 공유합니다. 선택 항목에는 Twitter 계정에서 본격적인 엔지니어링 블로그에 이르기까지 원하는 것을 정확히 알고 있는 사람들을 대상으로 하는 다양한 소스가 포함됩니다. 컷 아래의 세부 사항.

저자 :
당신은 당신이 먹는 음식이며 지식 근로자로서 좋은 정보를 제공하는 식단이 필요합니다. 가장 유용하거나 매력적이라고 생각하는 데이터 과학, 인공 지능 및 관련 기술에 대한 정보 소스를 공유하고 싶습니다. 이것이 당신에게도 도움이 되기를 바랍니다!

XNUMX 분 논문

최신 이벤트를 최신 상태로 유지하는 데 적합한 YouTube 채널입니다. 채널은 자주 업데이트되며 호스트는 다루는 모든 주제에 대해 전염성 있는 열정과 긍정성을 가지고 있습니다. AI뿐만 아니라 컴퓨터 그래픽 및 기타 시각적으로 매력적인 주제에 대한 흥미로운 작업의 범위를 기대하십시오.

야닉 킬처

자신의 YouTube 채널에서 Yannick은 딥 러닝에 대한 중요한 연구를 기술적으로 자세히 설명합니다. 연구를 직접 읽는 것보다 중요한 기사를 더 깊이 이해하기 위해 비디오 중 하나를 보는 것이 더 빠르고 쉬운 경우가 많습니다. 설명은 수학을 무시하거나 세 개의 소나무에서 길을 잃지 않고 기사의 본질을 전달합니다. Yannick은 또한 연구가 어떻게 서로 맞아떨어지는지, 결과를 얼마나 진지하게 받아들여야 하는지, 더 폭넓은 해석 등에 대한 자신의 견해를 공유합니다. 초보자(또는 비학문 실무자)는 스스로 이러한 발견에 도달하는 것이 더 어렵다는 것을 알게 됩니다.

distill.pub

자신의 말로:

기계 학습 연구는 명확하고 역동적이며 활기차야 합니다. 그리고 Distill은 연구를 돕기 위해 만들어졌습니다.

Distill은 독특한 기계 학습 연구 간행물입니다. 기사는 독자가 주제를 보다 직관적으로 이해할 수 있도록 멋진 시각화로 홍보됩니다. 공간적 사고와 상상력은 기계 학습 및 데이터 과학 주제를 이해하는 데 매우 효과적입니다. 반면에 전통적인 출판 형식은 구조가 경직되고 정적이고 무미건조한 경향이 있으며 때로는 "매우 정확한". Distill의 공동 제작자인 Chris Olah는 또한 GitHub의. 오랫동안 업데이트되지 않았지만 여전히 지금까지 작성된 최고의 딥 러닝 설명 모음으로 남아 있습니다. 특히 저에게 많은 도움이 되었어요 описание LSTM!

출처

세바스찬 루더

Sebastian Ruder는 주로 신경망과 자연어 텍스트 분석의 교차점에 대해 매우 유익한 블로그와 뉴스레터를 작성합니다. 그는 또한 연구자와 컨퍼런스 연사에게 많은 조언을 해주는데, 이는 학계에 종사하는 경우 매우 도움이 될 수 있습니다. Sebastian의 기사는 리뷰 형식을 취하는 경향이 있으며 주어진 영역에서 연구 및 방법의 최신 기술을 요약하고 설명합니다. 이것은 기사가 방향을 빠르게 파악하려는 실무자에게 매우 유용하다는 것을 의미합니다. 세바스찬도 쓴다 트위터.

안드레이 카르파티

Andrei Karpaty는 소개가 필요하지 않습니다. 그는 지구상에서 가장 유명한 딥 러닝 연구원 중 한 명일 뿐만 아니라 다음과 같이 널리 사용되는 도구를 만듭니다. 아카이브 온전성 보존자 사이드 프로젝트로. 수많은 사람들이 그의 스탠포드 과정을 통해 이 영역에 들어왔습니다. cs231n, 그리고 당신이 그것을 아는 것이 유용 할 것입니다 조리법 신경망 훈련. 보시는것도 추천합니다 речь 실제 세계에서 대규모로 기계 학습을 적용하려고 할 때 Tesla가 극복해야 하는 실제 문제에 대해 설명합니다. 연설은 유익하고 인상적이며 냉정합니다. ML 자체에 대한 기사 외에도 Andrey Karpaty는 좋은 삶의 조언 에 야심찬 과학자. 앤드류 읽기 트위터 과 깃허브.

우버 엔지니어링

Uber 엔지니어링 블로그는 특히 많은 주제를 다루는 범위와 범위 측면에서 정말 인상적입니다. 인공 지능. Uber의 엔지니어링 문화에서 특히 마음에 드는 점은 매우 흥미롭고 가치 있는 프로젝트 엄청난 속도로 오픈 소스. 여기 몇 가지 예가 있어요.

루드비히
h3
반응-vis
아레스디비
그리고 목록은 계속해서 이어집니다… 모자를 벗고, Uber

OpenAI 블로그

논란은 제쳐두고 OpenAI 블로그는 부인할 수 없이 훌륭합니다. 때때로 블로그는 OpenAI의 규모에서만 올 수 있는 딥 러닝에 대한 내용과 통찰력을 게시합니다. 현상 깊은 이중 하강. OpenAI 팀은 자주 게시하지 않는 경향이 있지만 중요한 콘텐츠입니다.

출처

타불라 블로그

Taboola 블로그는 이 게시물의 다른 소스만큼 잘 알려져 있지는 않지만 독특하다고 생각합니다. 자율 주행 자동차 및 세계 챔피언을 획득한 RL 에이전트, "내 모델이 지금 잘못된 확신으로 사물을 예측하고 있는지 어떻게 알 수 있습니까?" 이러한 문제는 현장에서 일하는 거의 모든 사람과 관련이 있으며 일반적인 AI 주제보다 언론 보도가 적지만 이러한 문제를 제대로 해결하려면 여전히 세계적 수준의 인재가 필요합니다. 운 좋게도 Taboola는 다른 사람들도 배울 수 있도록 이 재능과 그것에 대해 글을 쓸 의지와 능력을 모두 가지고 있습니다.

레딧

Twitter와 함께 Reddit에서 대중의 연구, 도구 또는 지혜에 푹 빠지는 것보다 더 좋은 것은 없습니다.

AI 현황

게시물은 매년 게시되지만 정보가 매우 조밀하게 채워져 있습니다. 이 목록의 다른 소스와 비교하여 이 소스는 비기술 사업가가 더 쉽게 접근할 수 있습니다. 제가 이 회담에서 좋아하는 점은 산업과 연구가 어디로 향하고 있는지에 대한 전체적인 시각을 제시하고 하드웨어, 연구, 비즈니스, 심지어 지정학의 발전을 조감도에서 함께 연결한다는 것입니다. 이해 상충에 대해 읽으려면 끝에서 시작해야 합니다.

팟캐스트

솔직히 팟캐스트는 기술적인 주제를 배우기에는 적합하지 않다고 생각합니다. 결국 그들은 주제를 설명하기 위해 소리만을 사용하고 데이터 과학은 매우 시각적인 분야입니다. 팟캐스트는 나중에 더 깊이 탐구하거나 철학적 토론에 참여할 구실을 제공하는 경향이 있습니다. 그러나 다음은 몇 가지 권장 사항입니다.

렉스 프리드먼 팟캐스트인공 지능 분야의 저명한 연구원들과 이야기 할 때. Francois Chollet과의 에피소드가 특히 좋습니다!
데이터 엔지니어링 팟캐스트. 새로운 데이터 인프라 도구에 대해 듣게 되어 기쁩니다.

멋진 목록

여기에는 눈여겨볼 것이 적지만 찾고 있는 것을 알게 되면 도움이 되는 더 많은 리소스가 있습니다.

트위터

매티 마리안스키
Matty는 신경망을 사용하는 아름답고 창의적인 방법을 찾았고 Twitter 피드에서 그의 결과를 보는 것은 정말 재미있습니다. 최소한 살펴보십시오. 이 게시합니다.
오리 코헨
Ori는 단지 구동 기계일 뿐입니다. 블로깅. 그는 데이터 과학자를 위한 문제와 솔루션에 대해 광범위하게 글을 씁니다. 기사가 게시될 때 알림을 받으려면 구독하십시오. 그의 수집특히 정말 인상적이다.
제레미 하워드
창의성과 생산성의 포괄적인 소스인 fast.ai의 공동 설립자입니다.
하멜 후세인
Github의 스태프 ML 엔지니어인 Hamel Hussain은 데이터 도메인의 코더를 위한 많은 도구를 만들고 보고하느라 바쁘게 일하고 있습니다.
프랑수아 콜레
Keras의 창시자, 현재 노력하고있다. 지능이 무엇이고 그것을 테스트하는 방법에 대한 우리의 이해를 업데이트합니다.
하드마루
Google Brain의 연구 과학자.

결론

원본 게시물은 작성자가 목록에 포함하지 않는 것이 부끄러운 콘텐츠의 훌륭한 소스를 발견하면 업데이트될 수 있습니다. 편하게 연락주세요 트위터새로운 소스를 추천하고 싶다면! 또한 DAGsHub 고용하다 옹호자 [약. 번역 Public Practitioner]는 데이터 사이언스에 속하므로 자신만의 데이터 사이언스 콘텐츠를 만드는 경우 게시물 작성자에게 자유롭게 글을 써주세요.

권장 소스를 읽고 프로모션 코드로 개발하십시오. 하브르, 배너에 표시된 할인에 추가 10%를 얻을 수 있습니다.

더 많은 과정

특집 기사

출처 : habr.com

2020년 데이터 과학자로서 읽어야 할 것

레딧

팟캐스트

멋진 목록

트위터

결론

특집 기사