Bu gönderide, veri sürümü kontrolü ve veri bilimcileri ile makine öğrenimi mühendisleri arasındaki iş birliği için bir topluluk ve web platformu olan DAGsHub'ın kurucu ortağı ve CTO'sundan Veri Bilimi hakkında yararlı bilgiler içeren bir seçkiyi sizinle paylaşıyoruz. Seçim, Twitter hesaplarından tam teşekküllü mühendislik bloglarına kadar, tam olarak ne aradıklarını bilenleri hedefleyen çeşitli kaynakları içerir. Kesim altındaki detaylar.
Yazar:
Siz ne yerseniz osunuz ve bir bilgi işçisi olarak iyi bir bilgilendirici diyete ihtiyacınız var. Veri Bilimi, yapay zeka ve ilgili teknolojiler hakkında en yararlı veya çekici bulduğum bilgi kaynaklarını paylaşmak istiyorum. Umarım bu size de yardımcı olur!
En son etkinliklerden haberdar olmak için çok uygun bir YouTube kanalı. Kanal sık sık güncellenir ve sunucunun ele alınan tüm konularda bulaşıcı bir coşkusu ve pozitifliği vardır. Yalnızca AI'da değil, aynı zamanda bilgisayar grafikleri ve diğer görsel olarak çekici konularda da ilginç çalışmaların yer almasını bekleyin.
Yannick, YouTube kanalında derin öğrenmeyle ilgili önemli araştırmaları teknik ayrıntılarla açıklıyor. Bir çalışmayı kendi başınıza okumak yerine, önemli makaleleri daha iyi anlamak için videolarından birini izlemek genellikle daha hızlı ve daha kolaydır. Açıklamalar, matematiği ihmal etmeden, üç çam arasında kaybolmadan yazıların özünü aktarıyor. Yannick ayrıca çalışmaların nasıl bir araya geldiği, sonuçların ne kadar ciddiye alınması gerektiği, daha geniş yorumlar vb. konularda görüşlerini paylaşıyor. Yeni başlayanlar (veya akademik olmayan uygulayıcılar) bu keşiflere kendi başlarına gelmeyi daha zor buluyor.
Kendi sözleriyle:
Makine öğrenimi araştırmasının net, dinamik ve canlı olması gerekir. Ve Distill, araştırmaya yardımcı olmak için yaratıldı.
Distill, benzersiz bir makine öğrenimi araştırma yayınıdır. Makaleler, okuyucunun konuları daha sezgisel bir şekilde anlamasını sağlamak için çarpıcı görselleştirmelerle tanıtılır. Uzamsal düşünme ve hayal gücü, Makine Öğrenimi ve Veri Bilimi konularını anlamanıza yardımcı olma konusunda çok iyi çalışır. Öte yandan, geleneksel yayın formatları yapı olarak katı, statik ve kuru olma eğilimindedir ve bazen . Distill'in ortak yaratıcısı Chris Olah'ın da harika bir kişisel blogu var. . Uzun süredir güncellenmedi, ancak yine de şimdiye kadar yazılmış en iyi derin öğrenme açıklamalarından oluşan bir koleksiyon olmaya devam ediyor. Özellikle bana çok yardımcı oldu. LSTM!
Sebastian Ruder, öncelikle sinir ağlarının kesişimi ve doğal dil metin analizi hakkında çok bilgilendirici bir blog ve haber bülteni yazıyor. Ayrıca araştırmacılara ve konferans konuşmacılarına, akademideyseniz çok yardımcı olabilecek pek çok tavsiye veriyor. Sebastian'ın makaleleri, belirli bir alandaki araştırma ve yöntemlerdeki en son durumu özetleyen ve açıklayan incelemeler biçimini alma eğilimindedir. Bu, makalelerin hızla yön bulmak isteyen uygulayıcılar için son derece yararlı olduğu anlamına gelir. Sebastian da yazıyor .
Andrei Karpaty'nin tanıtıma ihtiyacı yok. Dünyadaki en ünlü derin öğrenme araştırmacılarından biri olmasının yanı sıra, aşağıdakiler gibi yaygın olarak kullanılan araçlar yaratır: yan projeler olarak Stanford kursu aracılığıyla sayısız insan bu dünyaya girdi. , ve bunu bilmeniz sizin için faydalı olacaktır. sinir ağı eğitimi. izlemeni de tavsiye ederim Makine öğrenimini gerçek dünyada büyük ölçekte uygulamaya çalışırken Tesla'nın üstesinden gelmesi gereken gerçek sorunlar hakkında. Konuşma bilgilendirici, etkileyici ve ayık. Makine öğreniminin kendisiyle ilgili makalelerin yanı sıra Andrey Karpaty, için . Andrew'u şurada okuyun: ve .
Uber mühendislik blogu, özellikle birçok konuyu kapsayan, kapsam ve kapsam genişliği açısından gerçekten etkileyici. . Uber'in mühendislik kültürü hakkında özellikle sevdiğim şey, çok ilginç ve değerli yayın yapma eğilimleridir. yüksek hızda açık kaynak. İşte bazı örnekler:
- Ve liste uzayıp gidiyor… Şapka çıkartın, Uber
Tartışma bir yana, OpenAI blogu inkar edilemeyecek kadar harika. Zaman zaman blog, yalnızca OpenAI ölçeğinde gelebilen derin öğrenme hakkında içerik ve içgörüler yayınlar: varsayımsal derin çift iniş. OpenAI ekibi nadiren gönderi paylaşma eğilimindedir, ancak bunlar önemli içeriklerdir.
Taboola blogu, bu gönderideki diğer bazı kaynaklar kadar iyi bilinmiyor, ancak bence benzersiz - yazarlar, "normal" bir iş için üretimde makine öğrenimini uygulamaya çalışırken çok sıradan, gerçek sorunlar hakkında yazıyorlar: hakkında daha az şey kendi kendine giden arabalar ve dünya şampiyonları kazanan RL ajanları, "modelimin artık olayları yanlış bir güvenle tahmin edip etmediğini nasıl anlarım?" hakkında daha fazla bilgi. Bu sorunlar, sahada çalışan hemen hemen herkesi ilgilendirir ve basında daha yaygın yapay zeka konularına göre daha az yer alır, ancak yine de bu sorunları düzgün bir şekilde ele almak için birinci sınıf yetenek gerekir. Şans eseri, Taboola hem bu yeteneğe hem de diğer insanların da öğrenebilmesi için bu konuda yazma istekliliğine ve yeteneğine sahip.
Twitter ile birlikte, Reddit'te kalabalığın araştırmasına, araçlarına veya bilgeliğine kapılmaktan daha iyi bir şey yoktur.
Gönderiler yalnızca yıllık olarak yayınlanır, ancak çok yoğun bilgilerle doldurulur. Bu listedeki diğer kaynaklarla karşılaştırıldığında, bu, teknoloji dışı iş adamları için daha erişilebilir. Konuşmaların sevdiğim yanı, endüstri ve araştırmanın nereye gittiğine dair daha bütüncül bir görüş sunmaya çalışmaları, donanım, araştırma, iş ve hatta jeopolitikteki gelişmeleri kuşbakışı bir bakış açısıyla birbirine bağlamaları. Çıkar çatışmaları hakkında okumaya sondan başladığınızdan emin olun.
Podcast'ler
Açıkçası, podcast'lerin teknik konuları öğrenmek için uygun olmadığını düşünüyorum. Ne de olsa konuları açıklamak için sadece ses kullanıyorlar ve veri bilimi oldukça görsel bir alandır. Podcast'ler, daha sonra daha derinlemesine keşfetmeniz veya felsefi tartışmalara katılmanız için size bir bahane verme eğilimindedir. Ancak, işte bazı öneriler:
- yapay zeka alanında önde gelen araştırmacılarla konuştuğunda. Özellikle François Chollet'in oynadığı bölümler çok iyi!
- . Yeni veri altyapısı araçlarını duymak güzel.
Harika listeler
Burada göz önünde bulundurulması gereken daha az şey var, ancak ne aradığınızı bildiğinizde yardımcı olacak daha fazla kaynak var:
Matty, sinir ağlarını kullanmanın güzel ve yaratıcı yollarını buluyor ve sonuçlarını Twitter akışınızda görmek çok eğlenceli. En azından bir göz atın sonrası.
Ori sadece bir sürüş makinesidir . Veri bilimcileri için problemler ve çözümler hakkında kapsamlı yazılar yazıyor. Bir makale yayınlandığında haberdar olmak için abone olmayı unutmayın. Onun özellikle gerçekten etkileyici.
Kapsamlı bir yaratıcılık ve üretkenlik kaynağı olan fast.ai'nin kurucu ortağı.
Github'da bir personel makine öğrenimi mühendisi olan Hamel Hussain, veri alanındaki kodlayıcılar için birçok araç oluşturmak ve bunlar hakkında raporlama yapmakla meşgul.
Şimdi Keras'ın yaratıcısı zekanın ne olduğu ve nasıl test edileceği konusundaki anlayışımızı güncellemek.
Google Brain'de araştırma bilimcisi.
Sonuç
Yazar, listeye dahil etmemenin utanç verici olacağı harika içerik kaynakları bulduğundan orijinal gönderi güncellenebilir. onunla iletişime geçmekten çekinmeyin yeni bir kaynak önermek istiyorsanız! Ayrıca DAGsHub Avukat [yakl. çeviri Kamu Pratisyen Hekimi] Veri Biliminde, bu nedenle kendi Veri Bilimi içeriğinizi oluşturuyorsanız, gönderinin yazarına yazmaktan çekinmeyin.
Önerilen kaynakları okuyarak ve promosyon koduyla geliştirin HABR, banner'da belirtilen indirimden %10 daha fazla yararlanabilirsiniz.
Daha fazla kurs
Seçme Makaleler
Kaynak: habr.com