2020 ਵਿੱਚ ਇੱਕ ਡੇਟਾ ਸਾਇੰਟਿਸਟ ਵਜੋਂ ਕੀ ਪੜ੍ਹਨਾ ਹੈ

ਇਸ ਪੋਸਟ ਵਿੱਚ, ਅਸੀਂ ਤੁਹਾਡੇ ਨਾਲ DAGsHub ਦੇ ਸਹਿ-ਸੰਸਥਾਪਕ ਅਤੇ CTO ਤੋਂ ਡਾਟਾ ਵਿਗਿਆਨ ਬਾਰੇ ਉਪਯੋਗੀ ਜਾਣਕਾਰੀ ਦੇ ਸਰੋਤਾਂ ਦੀ ਇੱਕ ਚੋਣ ਸਾਂਝੀ ਕਰਦੇ ਹਾਂ, ਡੇਟਾ ਸੰਸਕਰਣ ਨਿਯੰਤਰਣ ਲਈ ਇੱਕ ਕਮਿਊਨਿਟੀ ਅਤੇ ਵੈੱਬ ਪਲੇਟਫਾਰਮ ਅਤੇ ਡਾਟਾ ਵਿਗਿਆਨੀਆਂ ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਇੰਜੀਨੀਅਰਾਂ ਵਿਚਕਾਰ ਸਹਿਯੋਗ। ਚੋਣ ਵਿੱਚ ਟਵਿੱਟਰ ਖਾਤਿਆਂ ਤੋਂ ਲੈ ਕੇ ਪੂਰੇ ਇੰਜੀਨੀਅਰਿੰਗ ਬਲੌਗਾਂ ਤੱਕ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਸਰੋਤ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ, ਜੋ ਉਹਨਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਜਾਣਦੇ ਹਨ ਕਿ ਉਹ ਕੀ ਲੱਭ ਰਹੇ ਹਨ। ਕੱਟ ਦੇ ਅਧੀਨ ਵੇਰਵੇ.

ਲੇਖਕ ਤੋਂ:
ਤੁਸੀਂ ਉਹ ਹੋ ਜੋ ਤੁਸੀਂ ਖਾਂਦੇ ਹੋ, ਅਤੇ ਇੱਕ ਗਿਆਨ ਕਰਮਚਾਰੀ ਵਜੋਂ, ਤੁਹਾਨੂੰ ਇੱਕ ਚੰਗੀ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਖੁਰਾਕ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਮੈਂ ਡਾਟਾ ਸਾਇੰਸ, ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਅਤੇ ਸੰਬੰਧਿਤ ਤਕਨੀਕਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇ ਸਰੋਤ ਸਾਂਝੇ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ ਜੋ ਮੈਨੂੰ ਸਭ ਤੋਂ ਲਾਭਦਾਇਕ ਜਾਂ ਆਕਰਸ਼ਕ ਲੱਗਦੀਆਂ ਹਨ। ਮੈਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਇਹ ਤੁਹਾਡੀ ਵੀ ਮਦਦ ਕਰੇਗਾ!

ਦੋ ਮਿੰਟ ਪੇਪਰ

ਇੱਕ YouTube ਚੈਨਲ ਜੋ ਨਵੀਨਤਮ ਇਵੈਂਟਸ ਨਾਲ ਅਪ ਟੂ ਡੇਟ ਰੱਖਣ ਲਈ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਨੁਕੂਲ ਹੈ। ਚੈਨਲ ਨੂੰ ਅਕਸਰ ਅੱਪਡੇਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਮੇਜ਼ਬਾਨ ਵਿੱਚ ਕਵਰ ਕੀਤੇ ਗਏ ਸਾਰੇ ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਇੱਕ ਛੂਤ ਵਾਲਾ ਉਤਸ਼ਾਹ ਅਤੇ ਸਕਾਰਾਤਮਕਤਾ ਹੈ। ਦਿਲਚਸਪ ਕੰਮ ਦੀ ਕਵਰੇਜ ਦੀ ਉਮੀਦ ਨਾ ਸਿਰਫ਼ AI 'ਤੇ, ਸਗੋਂ ਕੰਪਿਊਟਰ ਗ੍ਰਾਫਿਕਸ ਅਤੇ ਹੋਰ ਦ੍ਰਿਸ਼ਟੀਗਤ ਵਿਸ਼ਿਆਂ 'ਤੇ ਵੀ।

ਯੈਨਿਕ ਕਿਲਚਰ

ਆਪਣੇ YouTube ਚੈਨਲ 'ਤੇ, Yannick ਤਕਨੀਕੀ ਵਿਸਥਾਰ ਵਿੱਚ ਡੂੰਘੀ ਸਿਖਲਾਈ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਖੋਜ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ। ਆਪਣੇ ਤੌਰ 'ਤੇ ਅਧਿਐਨ ਨੂੰ ਪੜ੍ਹਨ ਦੀ ਬਜਾਏ, ਮਹੱਤਵਪੂਰਨ ਲੇਖਾਂ ਦੀ ਡੂੰਘੀ ਸਮਝ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇਸਦੇ ਵੀਡੀਓਜ਼ ਵਿੱਚੋਂ ਇੱਕ ਨੂੰ ਦੇਖਣਾ ਅਕਸਰ ਤੇਜ਼ ਅਤੇ ਆਸਾਨ ਹੁੰਦਾ ਹੈ। ਵਿਆਖਿਆਵਾਂ ਗਣਿਤ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤੇ ਬਿਨਾਂ ਜਾਂ ਤਿੰਨ ਪਾਈਨਾਂ ਵਿੱਚ ਗੁਆਚਣ ਤੋਂ ਬਿਨਾਂ ਲੇਖਾਂ ਦੇ ਸਾਰ ਨੂੰ ਵਿਅਕਤ ਕਰਦੀਆਂ ਹਨ। ਯੈਨਿਕ ਇਸ ਬਾਰੇ ਵੀ ਆਪਣੇ ਵਿਚਾਰ ਸਾਂਝੇ ਕਰਦਾ ਹੈ ਕਿ ਅਧਿਐਨ ਕਿਵੇਂ ਇਕੱਠੇ ਫਿੱਟ ਹੁੰਦੇ ਹਨ, ਨਤੀਜਿਆਂ ਨੂੰ ਕਿੰਨੀ ਗੰਭੀਰਤਾ ਨਾਲ ਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਵਿਆਪਕ ਵਿਆਖਿਆਵਾਂ, ਆਦਿ। ਸ਼ੁਰੂਆਤ ਕਰਨ ਵਾਲੇ (ਜਾਂ ਗੈਰ-ਅਕਾਦਮਿਕ ਪ੍ਰੈਕਟੀਸ਼ਨਰ) ਨੂੰ ਆਪਣੇ ਆਪ ਇਹਨਾਂ ਖੋਜਾਂ 'ਤੇ ਆਉਣਾ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਲੱਗਦਾ ਹੈ।

distill.pub

ਉਹਨਾਂ ਦੇ ਆਪਣੇ ਸ਼ਬਦਾਂ ਵਿੱਚ:

ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਖੋਜ ਨੂੰ ਸਪਸ਼ਟ, ਗਤੀਸ਼ੀਲ ਅਤੇ ਜੀਵੰਤ ਹੋਣ ਦੀ ਲੋੜ ਹੈ। ਅਤੇ ਡਿਸਟਿਲ ਖੋਜ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਬਣਾਈ ਗਈ ਸੀ।

ਡਿਸਟਿਲ ਇੱਕ ਵਿਲੱਖਣ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਖੋਜ ਪ੍ਰਕਾਸ਼ਨ ਹੈ। ਪਾਠਕ ਨੂੰ ਵਿਸ਼ਿਆਂ ਦੀ ਵਧੇਰੇ ਅਨੁਭਵੀ ਸਮਝ ਦੇਣ ਲਈ ਲੇਖਾਂ ਨੂੰ ਸ਼ਾਨਦਾਰ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਨਾਲ ਅੱਗੇ ਵਧਾਇਆ ਜਾਂਦਾ ਹੈ। ਸਥਾਨਿਕ ਸੋਚ ਅਤੇ ਕਲਪਨਾ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਡੇਟਾ ਸਾਇੰਸ ਵਿਸ਼ਿਆਂ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਵਧੀਆ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਦੀ ਹੈ। ਪਰੰਪਰਾਗਤ ਪ੍ਰਕਾਸ਼ਨ ਫਾਰਮੈਟ, ਦੂਜੇ ਪਾਸੇ, ਆਪਣੀ ਬਣਤਰ ਵਿੱਚ ਸਖ਼ਤ, ਸਥਿਰ ਅਤੇ ਸੁੱਕੇ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਕਈ ਵਾਰ "ਗਣਿਤਿਕ". ਕ੍ਰਿਸ ਓਲਾਹ, ਡਿਸਟਿਲ ਦੇ ਸਹਿ-ਸਿਰਜਣਹਾਰ, 'ਤੇ ਇੱਕ ਸ਼ਾਨਦਾਰ ਨਿੱਜੀ ਬਲੌਗ ਵੀ ਰੱਖਦਾ ਹੈ GitHub. ਇਸ ਨੂੰ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਅੱਪਡੇਟ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਫਿਰ ਵੀ ਇਹ ਹੁਣ ਤੱਕ ਲਿਖੇ ਗਏ ਸਭ ਤੋਂ ਵਧੀਆ ਡੂੰਘੇ ਸਿੱਖਿਆ ਵਿਆਖਿਆਵਾਂ ਦਾ ਸੰਗ੍ਰਹਿ ਬਣਿਆ ਹੋਇਆ ਹੈ। ਖਾਸ ਤੌਰ 'ਤੇ, ਇਸ ਨੇ ਮੇਰੀ ਬਹੁਤ ਮਦਦ ਕੀਤੀ ਵਰਣਨ LSTM!

ਸਰੋਤ

ਸੇਬੇਸਟਿਅਨ ਰੁਡਰ

ਸੇਬੇਸਟਿਅਨ ਰੂਡਰ ਇੱਕ ਬਹੁਤ ਹੀ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਬਲੌਗ ਅਤੇ ਨਿਊਜ਼ਲੈਟਰ ਲਿਖਦਾ ਹੈ, ਮੁੱਖ ਤੌਰ 'ਤੇ ਨਿਊਰਲ ਨੈਟਵਰਕਸ ਅਤੇ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਟੈਕਸਟ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਇੰਟਰਸੈਕਸ਼ਨ ਬਾਰੇ। ਉਹ ਖੋਜਕਰਤਾਵਾਂ ਅਤੇ ਕਾਨਫਰੰਸ ਬੁਲਾਰਿਆਂ ਨੂੰ ਬਹੁਤ ਸਾਰੀਆਂ ਸਲਾਹਾਂ ਵੀ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਬਹੁਤ ਮਦਦਗਾਰ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਤੁਸੀਂ ਅਕਾਦਮਿਕ ਖੇਤਰ ਵਿੱਚ ਹੋ। ਸੇਬੇਸਟਿਅਨ ਦੇ ਲੇਖ ਸਮੀਖਿਆਵਾਂ ਦਾ ਰੂਪ ਲੈਂਦੇ ਹਨ, ਇੱਕ ਦਿੱਤੇ ਖੇਤਰ ਵਿੱਚ ਖੋਜ ਅਤੇ ਵਿਧੀਆਂ ਵਿੱਚ ਕਲਾ ਦੀ ਸਥਿਤੀ ਦਾ ਸੰਖੇਪ ਅਤੇ ਵਿਆਖਿਆ ਕਰਦੇ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਲੇਖ ਉਹਨਾਂ ਪ੍ਰੈਕਟੀਸ਼ਨਰਾਂ ਲਈ ਬਹੁਤ ਉਪਯੋਗੀ ਹਨ ਜੋ ਆਪਣੀ ਬੇਅਰਿੰਗ ਜਲਦੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ। ਸੇਬੇਸਟੀਅਨ ਵੀ ਲਿਖਦਾ ਹੈ ਟਵਿੱਟਰ.

ਐਂਡਰੀ ਕਾਰਪੇਟੀ

ਆਂਦਰੇਈ ਕਾਰਪੇਟੀ ਨੂੰ ਕਿਸੇ ਜਾਣ-ਪਛਾਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਧਰਤੀ 'ਤੇ ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਡੂੰਘੀ ਸਿਖਲਾਈ ਖੋਜਕਰਤਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੋਣ ਦੇ ਨਾਲ, ਉਹ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਸਾਧਨ ਬਣਾਉਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਅਕਾਇਵ ਸਵੱਛਤਾ ਰੱਖਿਅਕ ਸਾਈਡ ਪ੍ਰੋਜੈਕਟਾਂ ਵਜੋਂ. ਅਣਗਿਣਤ ਲੋਕ ਉਸਦੇ ਸਟੈਨਫੋਰਡ ਕੋਰਸ ਦੁਆਰਾ ਇਸ ਖੇਤਰ ਵਿੱਚ ਦਾਖਲ ਹੋਏ। cs231n, ਅਤੇ ਇਹ ਤੁਹਾਡੇ ਲਈ ਇਹ ਜਾਣਨਾ ਲਾਭਦਾਇਕ ਹੋਵੇਗਾ ਵਿਅੰਜਨ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਸਿਖਲਾਈ. ਮੈਂ ਇਸਨੂੰ ਦੇਖਣ ਦੀ ਵੀ ਸਿਫਾਰਸ਼ ਕਰਦਾ ਹਾਂ ਭਾਸ਼ਣ ਅਸਲ ਸੰਸਾਰ ਵਿੱਚ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਸਮੇਂ ਟੇਸਲਾ ਨੂੰ ਅਸਲ ਸਮੱਸਿਆਵਾਂ ਬਾਰੇ ਜਿਨ੍ਹਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਭਾਸ਼ਣ ਜਾਣਕਾਰੀ ਭਰਪੂਰ, ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਸੰਜੀਦਾ ਹੈ। ML ਬਾਰੇ ਲੇਖਾਂ ਤੋਂ ਇਲਾਵਾ, ਆਂਦਰੇ ਕਾਰਪੇਟੀ ਦਿੰਦਾ ਹੈ ਚੰਗੀ ਜ਼ਿੰਦਗੀ ਦੀ ਸਲਾਹ ਨੂੰ ਅਭਿਲਾਸ਼ੀ ਵਿਗਿਆਨੀ. 'ਤੇ ਐਂਡਰਿਊ ਪੜ੍ਹੋ ਟਵਿੱਟਰ ਅਤੇ ਉੱਤੇ GitHub.

ਉਬੇਰ ਇੰਜੀਨੀਅਰਿੰਗ

ਉਬੇਰ ਇੰਜਨੀਅਰਿੰਗ ਬਲੌਗ ਬਹੁਤ ਸਾਰੇ ਵਿਸ਼ਿਆਂ ਨੂੰ ਕਵਰ ਕਰਨ, ਖਾਸ ਤੌਰ 'ਤੇ ਕਵਰੇਜ ਦੇ ਪੈਮਾਨੇ ਅਤੇ ਚੌੜਾਈ ਦੇ ਰੂਪ ਵਿੱਚ ਅਸਲ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ। ਬਣਾਵਟੀ ਗਿਆਨ. ਮੈਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਉਬੇਰ ਦੇ ਇੰਜੀਨੀਅਰਿੰਗ ਸੱਭਿਆਚਾਰ ਬਾਰੇ ਜੋ ਪਸੰਦ ਹੈ ਉਹ ਹੈ ਬਹੁਤ ਦਿਲਚਸਪ ਅਤੇ ਕੀਮਤੀ ਰਿਲੀਜ਼ ਕਰਨ ਦੀ ਉਹਨਾਂ ਦੀ ਪ੍ਰਵਿਰਤੀ ਪ੍ਰੋਜੈਕਟ ਇੱਕ ਖ਼ਤਰਨਾਕ ਗਤੀ 'ਤੇ ਓਪਨ ਸੋਰਸ. ਇੱਥੇ ਕੁਝ ਉਦਾਹਰਣਾਂ ਹਨ:

• Ludwig
• h3
• react-vis
• aresdb
• ਅਤੇ ਸੂਚੀ ਜਾਰੀ ਹੈ... ਹੈਟਸ ਆਫ, ਉਬੇਰ

OpenAI ਬਲੌਗ

ਵਿਵਾਦ ਨੂੰ ਪਾਸੇ ਰੱਖੋ, ਓਪਨਏਆਈ ਬਲੌਗ ਬਿਨਾਂ ਸ਼ੱਕ ਬਹੁਤ ਵਧੀਆ ਹੈ। ਸਮੇਂ-ਸਮੇਂ 'ਤੇ, ਬਲੌਗ ਡੂੰਘੀ ਸਿਖਲਾਈ ਬਾਰੇ ਸਮੱਗਰੀ ਅਤੇ ਸੂਝ ਨੂੰ ਪੋਸਟ ਕਰਦਾ ਹੈ ਜੋ ਸਿਰਫ ਓਪਨਏਆਈ ਦੇ ਪੈਮਾਨੇ 'ਤੇ ਆ ਸਕਦਾ ਹੈ: ਕਲਪਨਾਤਮਕ ਵਰਤਾਰੇ ਡੂੰਘੀ ਡਬਲ ਉਤਰਾਈ. OpenAI ਟੀਮ ਕਦੇ-ਕਦਾਈਂ ਪੋਸਟ ਕਰਦੀ ਹੈ, ਪਰ ਇਹ ਮਹੱਤਵਪੂਰਨ ਸਮੱਗਰੀ ਹਨ।

ਸਰੋਤ

ਟੈਬੂਲਾ ਬਲੌਗ

ਟੈਬੂਲਾ ਬਲੌਗ ਇਸ ਪੋਸਟ ਦੇ ਕੁਝ ਹੋਰ ਸਰੋਤਾਂ ਵਾਂਗ ਨਹੀਂ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਪਰ ਮੈਨੂੰ ਲਗਦਾ ਹੈ ਕਿ ਇਹ ਵਿਲੱਖਣ ਹੈ - ਲੇਖਕ "ਆਮ" ਕਾਰੋਬਾਰ ਲਈ ਉਤਪਾਦਨ ਵਿੱਚ ਐਮਐਲ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਸਮੇਂ ਬਹੁਤ ਹੀ ਦੁਨਿਆਵੀ, ਅਸਲ ਸਮੱਸਿਆਵਾਂ ਬਾਰੇ ਲਿਖਦੇ ਹਨ: ਇਸ ਬਾਰੇ ਘੱਟ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰਾਂ ਅਤੇ ਵਿਸ਼ਵ ਚੈਂਪੀਅਨ ਜਿੱਤਣ ਵਾਲੇ RL ਏਜੰਟ, "ਮੈਨੂੰ ਕਿਵੇਂ ਪਤਾ ਲੱਗੇਗਾ ਕਿ ਕੀ ਮੇਰਾ ਮਾਡਲ ਹੁਣ ਝੂਠੇ ਵਿਸ਼ਵਾਸ ਨਾਲ ਚੀਜ਼ਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਰਿਹਾ ਹੈ?" ਬਾਰੇ ਹੋਰ। ਇਹ ਮੁੱਦੇ ਫੀਲਡ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੇ ਲਗਭਗ ਹਰ ਕਿਸੇ ਲਈ ਢੁਕਵੇਂ ਹਨ ਅਤੇ ਵਧੇਰੇ ਆਮ AI ਵਿਸ਼ਿਆਂ ਨਾਲੋਂ ਘੱਟ ਪ੍ਰੈਸ ਕਵਰੇਜ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ, ਪਰ ਇਹਨਾਂ ਮੁੱਦਿਆਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਹੱਲ ਕਰਨ ਲਈ ਅਜੇ ਵੀ ਵਿਸ਼ਵ-ਪੱਧਰੀ ਪ੍ਰਤਿਭਾ ਦੀ ਲੋੜ ਹੈ। ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਤਬੂਲਾ ਕੋਲ ਇਹ ਪ੍ਰਤਿਭਾ ਅਤੇ ਇਸ ਬਾਰੇ ਲਿਖਣ ਦੀ ਇੱਛਾ ਅਤੇ ਯੋਗਤਾ ਦੋਵੇਂ ਹਨ ਤਾਂ ਜੋ ਹੋਰ ਲੋਕ ਵੀ ਸਿੱਖ ਸਕਣ।

Reddit

ਟਵਿੱਟਰ ਦੇ ਨਾਲ, ਰੇਡਿਟ 'ਤੇ ਭੀੜ ਦੀ ਖੋਜ, ਟੂਲਸ ਜਾਂ ਸਿਆਣਪ ਨਾਲ ਜੁੜੇ ਹੋਣ ਨਾਲੋਂ ਬਿਹਤਰ ਕੁਝ ਨਹੀਂ ਹੈ।

• reddit.com/r/machineleaning
• reddit.com/r/datascience

AI ਦਾ ਰਾਜ

ਪੋਸਟਾਂ ਸਿਰਫ ਸਾਲਾਨਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਪਰ ਬਹੁਤ ਸੰਘਣੀ ਜਾਣਕਾਰੀ ਨਾਲ ਭਰੀਆਂ ਜਾਂਦੀਆਂ ਹਨ. ਇਸ ਸੂਚੀ ਵਿੱਚ ਹੋਰ ਸਰੋਤਾਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ, ਇਹ ਇੱਕ ਗੈਰ-ਤਕਨੀਕੀ ਕਾਰੋਬਾਰੀ ਲੋਕਾਂ ਲਈ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਹੈ। ਮੈਨੂੰ ਗੱਲਬਾਤ ਬਾਰੇ ਜੋ ਪਸੰਦ ਹੈ ਉਹ ਇਹ ਹੈ ਕਿ ਉਹ ਇੱਕ ਹੋਰ ਸੰਪੂਰਨ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ ਕਿ ਉਦਯੋਗ ਅਤੇ ਖੋਜ ਕਿੱਥੇ ਜਾ ਰਹੇ ਹਨ, ਹਾਰਡਵੇਅਰ, ਖੋਜ, ਕਾਰੋਬਾਰ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਭੂ-ਰਾਜਨੀਤੀ ਵਿੱਚ ਇੱਕ ਪੰਛੀ ਦੀ ਨਜ਼ਰ ਤੋਂ ਅੱਗੇ ਵਧਦੇ ਹੋਏ. ਹਿੱਤਾਂ ਦੇ ਟਕਰਾਅ ਬਾਰੇ ਪੜ੍ਹਨ ਲਈ ਅੰਤ ਵਿੱਚ ਸ਼ੁਰੂ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ।

ਪੋਡਕਾਸਟ

ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ, ਮੈਨੂੰ ਲਗਦਾ ਹੈ ਕਿ ਪੌਡਕਾਸਟ ਤਕਨੀਕੀ ਵਿਸ਼ਿਆਂ ਬਾਰੇ ਸਿੱਖਣ ਲਈ ਅਨੁਕੂਲ ਨਹੀਂ ਹਨ। ਆਖ਼ਰਕਾਰ, ਉਹ ਵਿਸ਼ਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਲਈ ਸਿਰਫ ਆਵਾਜ਼ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਤੇ ਡੇਟਾ ਵਿਗਿਆਨ ਇੱਕ ਬਹੁਤ ਹੀ ਵਿਜ਼ੂਅਲ ਖੇਤਰ ਹੈ. ਪੌਡਕਾਸਟ ਤੁਹਾਨੂੰ ਬਾਅਦ ਵਿੱਚ ਹੋਰ ਡੂੰਘਾਈ ਵਿੱਚ ਖੋਜਣ ਲਈ, ਜਾਂ ਦਾਰਸ਼ਨਿਕ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਇੱਕ ਬਹਾਨਾ ਦਿੰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਇੱਥੇ ਕੁਝ ਸਿਫ਼ਾਰਸ਼ਾਂ ਹਨ:

• ਲੈਕਸ ਫਰਾਈਡਮੈਨ ਪੋਡਕਾਸਟਜਦੋਂ ਉਹ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਖੇਤਰ ਵਿੱਚ ਪ੍ਰਮੁੱਖ ਖੋਜਕਰਤਾਵਾਂ ਨਾਲ ਗੱਲ ਕਰਦਾ ਹੈ। ਫ੍ਰੈਂਕੋਇਸ ਚੋਲੇਟ ਦੇ ਨਾਲ ਐਪੀਸੋਡ ਖਾਸ ਤੌਰ 'ਤੇ ਚੰਗੇ ਹਨ!
• ਡਾਟਾ ਇੰਜੀਨੀਅਰਿੰਗ ਪੋਡਕਾਸਟ. ਨਵੇਂ ਡਾਟਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਸਾਧਨਾਂ ਬਾਰੇ ਸੁਣ ਕੇ ਚੰਗਾ ਲੱਗਾ।

ਸ਼ਾਨਦਾਰ ਸੂਚੀਆਂ

ਇੱਥੇ ਨਜ਼ਰ ਰੱਖਣ ਲਈ ਘੱਟ ਹੈ, ਪਰ ਵਧੇਰੇ ਸਰੋਤ ਜੋ ਇੱਕ ਵਾਰ ਮਦਦਗਾਰ ਹੁੰਦੇ ਹਨ ਜਦੋਂ ਤੁਹਾਨੂੰ ਪਤਾ ਲੱਗ ਜਾਂਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਕੀ ਲੱਭ ਰਹੇ ਹੋ:

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

ਟਵਿੱਟਰ

• ਮੈਟੀ ਮਾਰੀਅਨਸਕੀ
  ਮੈਟੀ ਨੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਸੁੰਦਰ, ਰਚਨਾਤਮਕ ਤਰੀਕੇ ਲੱਭੇ ਹਨ, ਅਤੇ ਤੁਹਾਡੇ ਟਵਿੱਟਰ ਫੀਡ 'ਤੇ ਉਸਦੇ ਨਤੀਜੇ ਦੇਖਣਾ ਮਜ਼ੇਦਾਰ ਹੈ। ਘੱਟੋ ਘੱਟ ਇੱਕ ਨਜ਼ਰ ਮਾਰੋ ਇਹ ਤੇਜ਼
• ਓਰੀ ਕੋਹੇਨ
  ਓਰੀ ਸਿਰਫ਼ ਇੱਕ ਡਰਾਈਵਿੰਗ ਮਸ਼ੀਨ ਹੈ ਬਲੌਗ. ਉਹ ਡਾਟਾ ਵਿਗਿਆਨੀਆਂ ਲਈ ਸਮੱਸਿਆਵਾਂ ਅਤੇ ਹੱਲਾਂ ਬਾਰੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਲਿਖਦਾ ਹੈ। ਇੱਕ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਹੋਣ 'ਤੇ ਸੂਚਿਤ ਕਰਨ ਲਈ ਗਾਹਕ ਬਣਨਾ ਯਕੀਨੀ ਬਣਾਓ। ਉਸਦੀ ਸੰਕਲਨਖਾਸ ਤੌਰ 'ਤੇ ਅਸਲ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ.
• ਜੇਰੇਮੀ ਹਾਵਰਡ
  fast.ai ਦੇ ਸਹਿ-ਸੰਸਥਾਪਕ, ਰਚਨਾਤਮਕਤਾ ਅਤੇ ਉਤਪਾਦਕਤਾ ਦਾ ਇੱਕ ਵਿਆਪਕ ਸਰੋਤ।
• ਹਮਲ ਹੁਸੈਨ
  Github ਵਿਖੇ ਇੱਕ ਸਟਾਫ ML ਇੰਜੀਨੀਅਰ, ਹੈਮਲ ਹੁਸੈਨ ਡੇਟਾ ਡੋਮੇਨ ਵਿੱਚ ਕੋਡਰਾਂ ਲਈ ਬਹੁਤ ਸਾਰੇ ਟੂਲ ਬਣਾਉਣ ਅਤੇ ਰਿਪੋਰਟ ਕਰਨ ਦੇ ਕੰਮ ਵਿੱਚ ਰੁੱਝਿਆ ਹੋਇਆ ਹੈ।
• ਫ੍ਰੈਂਕੋਇਸ ਚੋਲੇਟ
  ਕੇਰਸ ਦਾ ਸਿਰਜਣਹਾਰ, ਹੁਣ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਬੁੱਧੀ ਕੀ ਹੈ ਅਤੇ ਇਸਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰਨੀ ਹੈ ਬਾਰੇ ਸਾਡੀ ਸਮਝ ਨੂੰ ਅਪਡੇਟ ਕਰੋ।
• hardmaru
  ਗੂਗਲ ਬ੍ਰੇਨ 'ਤੇ ਖੋਜ ਵਿਗਿਆਨੀ।

ਸਿੱਟਾ

ਅਸਲ ਪੋਸਟ ਨੂੰ ਅਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਲੇਖਕ ਨੂੰ ਸਮੱਗਰੀ ਦੇ ਬਹੁਤ ਵਧੀਆ ਸਰੋਤ ਮਿਲਦੇ ਹਨ ਜੋ ਸੂਚੀ ਵਿੱਚ ਸ਼ਾਮਲ ਨਾ ਕਰਨਾ ਸ਼ਰਮ ਦੀ ਗੱਲ ਹੋਵੇਗੀ। ਉਸ ਨਾਲ ਸੰਪਰਕ ਕਰਨ ਲਈ ਮੁਫ਼ਤ ਮਹਿਸੂਸ ਕਰੋ ਟਵਿੱਟਰਜੇ ਤੁਸੀਂ ਕਿਸੇ ਨਵੇਂ ਸਰੋਤ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ! ਅਤੇ DAGsHub ਵੀ ਕਿਰਾਏ 'ਤੇ ਐਡਵੋਕੇਟ [ਲਗਭਗ. ਅਨੁਵਾਦ ਪਬਲਿਕ ਪ੍ਰੈਕਟੀਸ਼ਨਰ] ਡੇਟਾ ਸਾਇੰਸ ਵਿੱਚ, ਇਸ ਲਈ ਜੇਕਰ ਤੁਸੀਂ ਆਪਣੀ ਖੁਦ ਦੀ ਡੇਟਾ ਸਾਇੰਸ ਸਮੱਗਰੀ ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਪੋਸਟ ਦੇ ਲੇਖਕ ਨੂੰ ਲਿਖਣ ਲਈ ਬੇਝਿਜਕ ਮਹਿਸੂਸ ਕਰੋ।

ਸਿਫ਼ਾਰਿਸ਼ ਕੀਤੇ ਸਰੋਤਾਂ ਨੂੰ ਪੜ੍ਹ ਕੇ, ਅਤੇ ਪ੍ਰਚਾਰ ਕੋਡ ਦੁਆਰਾ ਵਿਕਸਿਤ ਕਰੋ HABR, ਤੁਸੀਂ ਬੈਨਰ 'ਤੇ ਦਰਸਾਏ ਗਏ ਛੋਟ ਲਈ ਵਾਧੂ 10% ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹੋ।

• ਡਾਟਾ ਸਾਇੰਸ ਔਨਲਾਈਨ ਬੂਟਕੈਂਪ
• ਸਕ੍ਰੈਚ ਤੋਂ ਡਾਟਾ ਐਨਾਲਿਸਟ ਦੇ ਪੇਸ਼ੇ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣਾ
• ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਔਨਲਾਈਨ ਬੂਟਕੈਂਪ
• ਸਕਰੈਚ ਤੋਂ ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਪੇਸ਼ੇ ਨੂੰ ਪੜ੍ਹਾਉਣਾ
• ਵੈੱਬ ਵਿਕਾਸ ਕੋਰਸ ਲਈ ਪਾਈਥਨ

ਹੋਰ ਕੋਰਸ

• ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਰਸ
• DevOps ਕੋਰਸ
• ਪੇਸ਼ੇ ਵੈੱਬ ਡਿਵੈਲਪਰ
• ਸਕ੍ਰੈਚ ਤੋਂ ਆਈਓਐਸ ਡਿਵੈਲਪਰ ਦਾ ਕਿੱਤਾ
• ਸ਼ੁਰੂ ਤੋਂ ਪ੍ਰੋਫੈਸ਼ਨ ਐਂਡਰੌਇਡ ਡਿਵੈਲਪਰ
• ਪੇਸ਼ੇ ਤੋਂ ਜਾਵਾ ਡਿਵੈਲਪਰ
• JavaScript ਕੋਰਸ
• ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਕੋਰਸ
• ਕੋਰਸ "ਡੇਟਾ ਵਿਗਿਆਨ ਲਈ ਗਣਿਤ ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ"
• ਐਡਵਾਂਸਡ ਕੋਰਸ "ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਪ੍ਰੋ + ਡੀਪ ਲਰਨਿੰਗ"

ਫੀਚਰਡ ਲੇਖ

• ਔਨਲਾਈਨ ਕੋਰਸਾਂ ਤੋਂ ਬਿਨਾਂ ਡੇਟਾ ਸਾਇੰਟਿਸਟ ਕਿਵੇਂ ਬਣਨਾ ਹੈ
• 450 ਮੁਫ਼ਤ ਆਈਵੀ ਲੀਗ ਕੋਰਸ
• ਲਗਾਤਾਰ 5 ਮਹੀਨਿਆਂ ਲਈ ਹਫ਼ਤੇ ਵਿੱਚ 9 ਦਿਨ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦਾ ਅਧਿਐਨ ਕਿਵੇਂ ਕਰੀਏ
• ਇੱਕ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਕ ਕਿੰਨੀ ਕਮਾਈ ਕਰਦਾ ਹੈ: 2020 ਵਿੱਚ ਰੂਸ ਅਤੇ ਵਿਦੇਸ਼ ਵਿੱਚ ਤਨਖਾਹਾਂ ਅਤੇ ਖਾਲੀ ਅਸਾਮੀਆਂ ਦੀ ਇੱਕ ਸੰਖੇਪ ਜਾਣਕਾਰੀ
• ਮਾਈਨਿੰਗ ਉਦਯੋਗ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਅਤੇ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ

ਸਰੋਤ: www.habr.com