ఈ పోస్ట్లో, డేటా వెర్షన్ నియంత్రణ మరియు డేటా సైంటిస్టులు మరియు మెషిన్ లెర్నింగ్ ఇంజనీర్ల మధ్య సహకారం కోసం కమ్యూనిటీ మరియు వెబ్ ప్లాట్ఫారమ్ అయిన DAGsHub సహ వ్యవస్థాపకుడు మరియు CTO నుండి డేటా సైన్స్ గురించి ఉపయోగకరమైన సమాచారం యొక్క ఎంపికను మేము మీతో భాగస్వామ్యం చేస్తాము. ఎంపికలో ట్విటర్ ఖాతాల నుండి పూర్తి స్థాయి ఇంజనీరింగ్ బ్లాగ్ల వరకు అనేక రకాల మూలాధారాలు ఉన్నాయి, ఇవి వారు వెతుకుతున్నది ఖచ్చితంగా తెలిసిన వారి కోసం ఉద్దేశించబడింది. కట్ కింద వివరాలు.
రచయిత నుండి:
మీరు తినేది మీరే, మరియు జ్ఞాన కార్యకర్తగా మీకు మంచి సమాచార ఆహారం అవసరం. నేను డేటా సైన్స్, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు సంబంధిత టెక్నాలజీల గురించిన సమాచార మూలాలను నేను అత్యంత ఉపయోగకరంగా లేదా ఆకర్షణీయంగా భావిస్తున్నాను. ఇది మీకు కూడా సహాయపడుతుందని నేను ఆశిస్తున్నాను!
తాజా ఈవెంట్లను తెలుసుకోవడానికి బాగా సరిపోయే YouTube ఛానెల్. ఛానెల్ తరచుగా అప్డేట్ చేయబడుతుంది మరియు కవర్ చేయబడిన అన్ని అంశాల పట్ల హోస్ట్కు అంటువ్యాధి ఉత్సాహం మరియు సానుకూలత ఉంటుంది. AIపై మాత్రమే కాకుండా, కంప్యూటర్ గ్రాఫిక్స్ మరియు ఇతర దృశ్యపరంగా ఆకర్షణీయమైన విషయాలపై కూడా ఆసక్తికరమైన పని కవరేజీని ఆశించండి.
తన YouTube ఛానెల్లో, Yannick సాంకేతిక వివరాలతో లోతైన అభ్యాసంలో ముఖ్యమైన పరిశోధనను వివరిస్తాడు. అధ్యయనాన్ని మీరే చదవడానికి బదులుగా, ముఖ్యమైన కథనాల గురించి లోతైన అవగాహన పొందడానికి దాని వీడియోలలో ఒకదాన్ని చూడటం తరచుగా వేగంగా మరియు సులభంగా ఉంటుంది. వివరణలు గణితాన్ని నిర్లక్ష్యం చేయకుండా లేదా మూడు పైన్లలో తప్పిపోకుండా వ్యాసాల సారాంశాన్ని తెలియజేస్తాయి. అధ్యయనాలు ఎలా ఒకదానితో ఒకటి సరిపోతాయి, ఫలితాలను ఎంత తీవ్రంగా తీసుకోవాలి, విస్తృత వివరణలు మరియు మరిన్నింటిపై Yannick తన అభిప్రాయాలను కూడా పంచుకున్నాడు. అనుభవం లేని వ్యక్తులు (లేదా నాన్-అకాడెమిక్ ప్రాక్టీషనర్లు) ఈ ఆవిష్కరణలకు సొంతంగా రావడం చాలా కష్టం.
మెషిన్ లెర్నింగ్ పరిశోధన స్పష్టంగా, డైనమిక్ మరియు శక్తివంతమైనదిగా ఉండాలి. మరియు డిస్టిల్ పరిశోధనలో సహాయం చేయడానికి సృష్టించబడింది.
డిస్టిల్ అనేది మెషిన్ లెర్నింగ్ రంగంలో పరిశోధనలతో కూడిన ఒక ప్రత్యేకమైన ప్రచురణ. పాఠకులకు అంశాల గురించి మరింత స్పష్టమైన అవగాహన కల్పించడానికి అద్భుతమైన విజువలైజేషన్లతో కథనాలు ప్రచారం చేయబడతాయి. మెషిన్ లెర్నింగ్ మరియు డేటా సైన్స్ అంశాలను అర్థం చేసుకోవడంలో ప్రాదేశిక ఆలోచన మరియు ఊహ బాగా పని చేస్తాయి. మరోవైపు, సాంప్రదాయ ప్రచురణ ఫార్మాట్లు వాటి నిర్మాణంలో దృఢంగా ఉంటాయి, స్థిరంగా మరియు పొడిగా ఉంటాయి మరియు కొన్నిసార్లు "గణిత". డిస్టిల్ సృష్టికర్తలలో ఒకరైన క్రిస్ ఓలా అద్భుతమైన వ్యక్తిగత బ్లాగును కూడా కలిగి ఉన్నారు గ్యాలరీలు. ఇది కొంతకాలంగా నవీకరించబడలేదు, కానీ లోతైన అభ్యాసం అనే అంశంపై ఇప్పటివరకు వ్రాయబడిన ఉత్తమ వివరణల సమాహారంగా ఇది మిగిలిపోయింది. ముఖ్యంగా, ఇది నాకు చాలా సహాయపడింది వివరణ LSTM!
సెబాస్టియన్ రూడర్ చాలా తెలివైన బ్లాగ్ మరియు వార్తాలేఖను వ్రాస్తాడు, ప్రధానంగా న్యూరల్ నెట్వర్క్ల ఖండన మరియు సహజ భాషా టెక్స్ట్ మైనింగ్ గురించి. అతను పరిశోధకులకు మరియు కాన్ఫరెన్స్ స్పీకర్లకు కూడా చాలా సలహాలను కలిగి ఉన్నాడు, మీరు అకాడెమియాలో ఉన్నట్లయితే ఇది చాలా ఉపయోగకరంగా ఉంటుంది. సెబాస్టియన్ యొక్క కథనాలు సాధారణంగా సమీక్షల రూపాన్ని తీసుకుంటాయి, ఒక నిర్దిష్ట రంగంలో ప్రస్తుత పరిశోధన మరియు పద్ధతుల స్థితిని సంగ్రహించడం మరియు వివరిస్తాయి. దీని అర్థం త్వరగా తమ బేరింగ్లను పొందాలనుకునే అభ్యాసకులకు కథనాలు చాలా ఉపయోగకరంగా ఉంటాయి. సెబాస్టియన్ కూడా రాశారు Twitter.
ఆండ్రీ కర్పతి గురించి పరిచయం అవసరం లేదు. భూమిపై అత్యంత ప్రసిద్ధ లోతైన అభ్యాస పరిశోధకులలో ఒకరిగా ఉండటంతో పాటు, అతను విస్తృతంగా ఉపయోగించే సాధనాలను సృష్టిస్తాడు, ఉదా. ఆర్క్సివ్ చిత్తశుద్ధి సంరక్షకుడు పక్క ప్రాజెక్టులుగా. అతని స్టాన్ఫోర్డ్ కోర్సు ద్వారా లెక్కలేనన్ని మంది ఈ రంగంలోకి ప్రవేశించారు cs231n, మరియు మీరు దానిని తెలుసుకోవడం ఉపయోగకరంగా ఉంటుంది రెసిపీ న్యూరల్ నెట్వర్క్ శిక్షణ. నేను చూడాలని కూడా సిఫార్సు చేస్తున్నాను ప్రసంగం వాస్తవ ప్రపంచంలో మెషిన్ లెర్నింగ్ను భారీ స్థాయిలో వర్తింపజేయడానికి ప్రయత్నిస్తున్నప్పుడు టెస్లా తప్పక అధిగమించాల్సిన వాస్తవ-ప్రపంచ సవాళ్ల గురించి. ప్రసంగం సమాచారం, ఆకట్టుకునే మరియు హుందాగా ఉంటుంది. ML గురించిన కథనాలతో పాటు, ఆండ్రీ కర్పతి ఇస్తుంది మంచి జీవిత సలహా కోసం ప్రతిష్టాత్మక శాస్త్రవేత్తలు. ఆండ్రీని చదవండి Twitter మరియు న Github.
Uber ఇంజనీరింగ్ బ్లాగ్ దాని స్కేల్ మరియు విస్తృత కవరేజ్లో నిజంగా ఆకట్టుకుంటుంది, ప్రత్యేకించి చాలా అంశాలను కవర్ చేస్తుంది కృత్రిమ మేధస్సు. ఉబెర్ యొక్క ఇంజనీరింగ్ సంస్కృతిలో నేను ప్రత్యేకంగా ఇష్టపడేది చాలా ఆసక్తికరంగా మరియు విలువైనదిగా ఉత్పత్తి చేసే వారి ధోరణి ప్రాజెక్టులు విపరీతమైన వేగంతో ఓపెన్ సోర్స్. ఇవి కొన్ని ఉదాహరణలు:
వివాదాలను పక్కన పెడితే, OpenAI యొక్క బ్లాగ్ కాదనలేని విధంగా అద్భుతమైనది. ఎప్పటికప్పుడు, బ్లాగ్ కంటెంట్ మరియు లోతైన అభ్యాసం గురించి ఆలోచనలను పోస్ట్ చేస్తుంది, అది OpenAI యొక్క స్కేల్లో మాత్రమే వస్తుంది: ఊహాజనిత దృగ్విషయం లోతైన డబుల్ సంతతి. OpenAI బృందం చాలా అరుదుగా పోస్ట్ చేస్తుంది, కానీ ఇది ముఖ్యమైన విషయం.
Taboola బ్లాగ్ ఈ పోస్ట్లోని కొన్ని ఇతర మూలాధారాల వలె ప్రసిద్ధి చెందలేదు, కానీ ఇది ప్రత్యేకమైనదని నేను భావిస్తున్నాను - రచయితలు "సాధారణ" కోసం తయారీలో MLని వర్తింపజేయడానికి ప్రయత్నిస్తున్నప్పుడు చాలా దిగువ-ఎర్త్, నిజ జీవిత సమస్యల గురించి వ్రాస్తారు " వ్యాపారాలు: సెల్ఫ్ డ్రైవింగ్ కార్లు మరియు ప్రపంచ ఛాంపియన్లను గెలుచుకున్న RL ఏజెంట్ల గురించి తక్కువ, "నా మోడల్ ఇప్పుడు తప్పుడు విశ్వాసంతో విషయాలను అంచనా వేస్తోందని నాకు ఎలా తెలుసు?" ఈ సమస్యలు ఫీల్డ్లో పని చేస్తున్న దాదాపు ప్రతి ఒక్కరికీ సంబంధించినవి మరియు వారు సాధారణ AI అంశాల కంటే తక్కువ ప్రెస్ కవరేజీని పొందుతారు, అయితే ఈ సమస్యలను సరిగ్గా పరిష్కరించడానికి ఇప్పటికీ ప్రపంచ స్థాయి ప్రతిభ అవసరం. అదృష్టవశాత్తూ, టాబూలాకు ఈ ప్రతిభ మరియు దాని గురించి వ్రాయడానికి సుముఖత మరియు సామర్థ్యం రెండూ ఉన్నాయి, తద్వారా ఇతర వ్యక్తులు కూడా నేర్చుకోగలరు.
Reddit
ట్విట్టర్తో పాటు, రీసెర్చ్, టూల్స్ లేదా ప్రేక్షకుల వివేకంతో కట్టిపడేయడం కంటే రెడ్డిట్లో మెరుగైనది ఏదీ లేదు.
పోస్ట్లు సంవత్సరానికి మాత్రమే ప్రచురించబడతాయి, కానీ చాలా దట్టమైన సమాచారంతో నిండి ఉంటాయి. ఈ జాబితాలోని ఇతర మూలాధారాలతో పోలిస్తే, సాంకేతికత లేని వ్యాపార వ్యక్తులకు ఇది మరింత అందుబాటులో ఉంటుంది. చర్చల గురించి నాకు నచ్చిన విషయం ఏమిటంటే, ఇది పరిశ్రమ మరియు పరిశోధన ఎక్కడికి వెళుతుందో అనేదాని గురించి మరింత సమగ్రమైన వీక్షణను అందించడానికి ప్రయత్నిస్తుంది, ఇది హార్డ్వేర్, పరిశోధన, వ్యాపారం మరియు భౌగోళిక రాజకీయాలలో కూడా పక్షి దృష్టి నుండి అభివృద్ధి చెందుతుంది. ఆసక్తుల వైరుధ్యాల గురించి చదవడానికి చివరిలో ప్రారంభించాలని నిర్ధారించుకోండి.
పాడ్కాస్ట్లు
స్పష్టంగా చెప్పాలంటే, సాంకేతిక అంశాలను అన్వేషించడానికి పాడ్క్యాస్ట్లు సరిగా సరిపోవని నేను భావిస్తున్నాను. అన్నింటికంటే, వారు విషయాలను వివరించడానికి ఆడియోను మాత్రమే ఉపయోగిస్తారు మరియు డేటా సైన్స్ చాలా దృశ్యమాన క్షేత్రం. పాడ్క్యాస్ట్లు తర్వాత మరింత లోతైన పరిశోధన చేయడానికి లేదా కొన్ని మనోహరమైన తాత్విక చర్చలను చేయడానికి మీకు సాకును ఇస్తాయి. అయితే, ఇక్కడ కొన్ని సిఫార్సులు ఉన్నాయి:
లెక్స్ ఫ్రైడ్మాన్ పోడ్కాస్ట్, అతను కృత్రిమ మేధస్సు రంగంలో ప్రముఖ పరిశోధకులతో మాట్లాడుతూ. ఫ్రాంకోయిస్ చొల్లెట్తో ఎపిసోడ్లు చాలా బాగున్నాయి!
మాటీ మరియన్స్కీ
Matty నాడీ నెట్వర్క్లను ఉపయోగించడానికి అందమైన, సృజనాత్మక మార్గాలను కనుగొన్నాడు మరియు మీ Twitter ఫీడ్లో అతని ఫలితాలను చూడటం సరదాగా ఉంటుంది. కనీసం ఒక్కసారి చూడండి ఈ వేగంగా.
ఓరి కోహెన్
ఓరి కేవలం డ్రైవింగ్ యంత్రం బ్లాగులు. అతను డేటా శాస్త్రవేత్తల సమస్యలు మరియు పరిష్కారాల గురించి విస్తృతంగా వ్రాస్తాడు. కథనం ప్రచురించబడినప్పుడు తెలియజేయబడటానికి సభ్యత్వాన్ని పొందాలని నిర్ధారించుకోండి. తన సేకరణ, ముఖ్యంగా, నిజంగా ఆకట్టుకుంటుంది.
జెరెమీ హోవార్డ్
ఫాస్ట్.ఐ సహ వ్యవస్థాపకుడు, సృజనాత్మకత మరియు ఉత్పాదకత యొక్క సమగ్ర మూలం.
హామెల్ హుస్సేన్
గితుబ్లోని స్టాఫ్ ML ఇంజనీర్, హామెల్ హుస్సేన్ డేటా కోడర్ల కోసం అనేక సాధనాలను రూపొందించడంలో మరియు రిపోర్ట్ చేసే పనిలో బిజీగా ఉన్నారు.
ఫ్రాంకోయిస్ చోలెట్
కేరాస్ సృష్టికర్త, ఇప్పుడు ప్రయత్నించడం మేధస్సు అంటే ఏమిటి మరియు దానిని ఎలా పరీక్షించాలి అనే దానిపై మన అవగాహనను నవీకరించండి.
హార్డ్మారు
గూగుల్ బ్రెయిన్లో పరిశోధనా శాస్త్రవేత్త.
తీర్మానం
జాబితాలో చేర్చకపోవడం అవమానకరమైన కంటెంట్ యొక్క గొప్ప మూలాలను రచయిత కనుగొన్నందున అసలు పోస్ట్ నవీకరించబడవచ్చు. అతనిని సంప్రదించడానికి సంకోచించకండి Twitter, మీరు కొత్త మూలాన్ని సిఫార్సు చేయాలనుకుంటే! మరియు DAGsHub కూడా నియామకాలు న్యాయవాది [సుమారు. అనువాదం పబ్లిక్ ప్రాక్టీషనర్] డేటా సైన్స్లో, కాబట్టి మీరు మీ స్వంత డేటా సైన్స్ కంటెంట్ని సృష్టించినట్లయితే, పోస్ట్ రచయితకు వ్రాయడానికి సంకోచించకండి.
సిఫార్సు చేయబడిన మూలాధారాలను చదవడం ద్వారా మరియు ప్రచార కోడ్ని ఉపయోగించడం ద్వారా మిమ్మల్ని మీరు అభివృద్ధి చేసుకోండి HABR, మీరు బ్యానర్పై సూచించిన తగ్గింపుకు అదనంగా 10% పొందవచ్చు.