Ushbu postda biz siz bilan DAGsHub asoschisi va texnik direktori maʼlumotlar versiyasini boshqarish hamda maʼlumotlar olimlari va mashina oʻrganish muhandislari oʻrtasidagi hamkorlik uchun hamjamiyat va veb-platformadan Data Science haqida foydali maʼlumotlar manbalarini baham koʻramiz. Tanlovda Twitter akkauntlaridan tortib to to'liq muhandislik bloglarigacha bo'lgan turli manbalar mavjud bo'lib, ular aynan nimani qidirayotganini biladiganlar uchun mo'ljallangan. Kesish ostidagi tafsilotlar.
Muallifdan:
Siz nima yeysiz va bilim xodimi sifatida sizga yaxshi ma'lumotli ovqatlanish kerak. Men eng foydali yoki jozibali deb bilgan Data Science, sun'iy intellekt va tegishli texnologiyalar haqidagi ma'lumot manbalarini baham ko'rmoqchiman. Umid qilamanki, bu sizga ham yordam beradi!
Eng so'nggi voqealardan xabardor bo'lish uchun juda mos YouTube kanali. Kanal tez-tez yangilanib turadi va boshlovchi barcha mavzularda yuqumli ishtiyoq va ijobiylikka ega. Faqat sun'iy intellekt bo'yicha emas, balki kompyuter grafikasi va boshqa ko'zga ko'rinadigan mavzular bo'yicha qiziqarli ishlarning yoritilishini kuting.
Yannik o'zining YouTube kanalida chuqur o'rganish bo'yicha muhim tadqiqotlarni texnik jihatdan batafsil tushuntiradi. Tadqiqotni mustaqil o‘qish o‘rniga, muhim maqolalarni chuqurroq tushunish uchun uning videolaridan birini ko‘rish tez va oson bo‘ladi. Tushuntirishlar matematikani e'tiborsiz qoldirmasdan yoki uchta qarag'ayda adashib qolmasdan maqolalarning mohiyatini etkazadi. Yannik, shuningdek, tadqiqotlar bir-biriga qanday mos kelishi, natijalarni qanchalik jiddiy qabul qilish kerakligi, kengroq talqinlar va hokazolar haqida o'z fikrlari bilan o'rtoqlashadi. Yangi boshlanuvchilar (yoki akademik bo'lmagan amaliyotchilar) bu kashfiyotlarga mustaqil ravishda kelishlari qiyinroq.
O'z so'zlari bilan:
Mashinani o'rganish bo'yicha tadqiqotlar aniq, dinamik va jonli bo'lishi kerak. Va Distill tadqiqotda yordam berish uchun yaratilgan.
Distill - bu mashinani o'rganish bo'yicha noyob tadqiqot nashri. Maqolalar o'quvchiga mavzularni yanada intuitivroq tushunish uchun ajoyib vizualizatsiya bilan targ'ib qilinadi. Fazoviy fikrlash va xayolot Mashinani o'rganish va Data Science mavzularini tushunishga yordam berishda juda yaxshi ishlaydi. An'anaviy nashr formatlari esa o'z tuzilishida qattiq, statik va quruq, ba'zan esa . Distillning hammuallifi Kris Olah ham ajoyib shaxsiy blogini yuritadi . U uzoq vaqtdan beri yangilanmagan, ammo baribir yozilgan eng yaxshi chuqur o'rganish tushuntirishlari to'plami bo'lib qolmoqda. Xususan, bu menga katta yordam berdi LSTM!
Sebastyan Ruder, birinchi navbatda, neyron tarmoqlarning kesishishi va tabiiy tildagi matn tahlili haqida juda ma'lumot beruvchi blog va axborot byulleteni yozadi. Shuningdek, u tadqiqotchilar va konferentsiya ma'ruzachilariga juda ko'p maslahatlar beradi, agar siz akademiyada bo'lsangiz, bu juda foydali bo'lishi mumkin. Sebastyanning maqolalari, odatda, ma'lum bir sohadagi tadqiqot va usullarning zamonaviy holatini umumlashtiradigan va tushuntiruvchi sharhlar shaklida bo'ladi. Bu shuni anglatadiki, maqolalar tezda o'z maqsadlariga erishmoqchi bo'lgan amaliyotchilar uchun juda foydali. Sebastyan ham yozadi .
Andrey Karpatiyga kirish kerak emas. Er yuzidagi eng mashhur chuqur o'rganish tadqiqotchilaridan biri bo'lishdan tashqari, u keng qo'llaniladigan vositalarni yaratadi yon loyihalar sifatida. Uning Stenford kursi orqali bu sohaga son-sanoqsiz odamlar kirgan. , va buni bilish siz uchun foydali bo'ladi neyron tarmog'ini o'rgatish. Men ham tomosha qilishni tavsiya etaman Haqiqiy dunyoda katta miqyosda mashinani o'rganishni qo'llashga urinayotganda Tesla engib o'tishi kerak bo'lgan haqiqiy muammolar haqida. Nutq ma'lumotli, ta'sirchan va hushyordir. MLning o'zi haqidagi maqolalardan tashqari, Andrey Karpaty beradi uchun . Endryu da o'qing va .
Uber muhandislik blogi ko'lami va qamrovining kengligi jihatidan juda ta'sirli bo'lib, ko'plab mavzularni, xususan, . Uberning muhandislik madaniyati menga ayniqsa yoqadigan narsa - bu ularning juda qiziqarli va qimmatli narsalarni chiqarishga moyilligi yuqori tezlikda ochiq manba. Mana bir nechta misollar:
- Va ro'yxat davom etadi ... Uber
Munozaralardan tashqari, OpenAI blogi shubhasiz ajoyib. Vaqti-vaqti bilan blogda faqat OpenAI miqyosida bo'lishi mumkin bo'lgan chuqur o'rganish haqidagi mazmun va tushunchalar joylanadi: faraziy chuqur ikki tomonlama tushish. OpenAI jamoasi kamdan-kam hollarda e'lon qiladi, ammo bu muhim tarkibdir.
Taboola blogi ushbu postdagi boshqa manbalar kabi unchalik ma'lum emas, lekin menimcha, u noyob - mualliflar "oddiy" biznes uchun MLni ishlab chiqarishda qo'llashga urinishda juda oddiy, haqiqiy muammolar haqida yozadilar: bu haqda kamroq. o'zini-o'zi boshqaradigan avtomobillar va jahon chempionlarini qo'lga kiritgan RL agentlari, "mening modelim narsalarni yolg'on ishonch bilan bashorat qilayotganini qanday bilsam bo'ladi?" haqida batafsil. Bu masalalar ushbu sohada ishlaydigan deyarli har bir kishi uchun dolzarbdir va AI mavzulariga qaraganda kamroq matbuotda yoritiladi, ammo bu muammolarni to'g'ri hal qilish uchun hali ham jahon darajasidagi iste'dod kerak. Yaxshiyamki, Tabulada bu iste'dod ham, boshqa odamlar ham o'rganishi uchun bu haqda yozishga tayyor va qobiliyati bor.
Digg
Twitter bilan bir qatorda, Reddit-da olomonning izlanishlari, vositalari yoki donoligiga bog'lanishdan yaxshiroq narsa yo'q.
Xabarlar har yili nashr etiladi, lekin juda zich ma'lumotlar bilan to'ldirilgan. Ushbu ro'yxatdagi boshqa manbalar bilan solishtirganda, bu texnologiya bo'lmagan ishbilarmonlar uchun qulayroqdir. Muzokaralarning menga yoqadigan jihati shundaki, ular sanoat va tadqiqot qayerga ketayotgani, apparat, tadqiqot, biznes va hattoki geosiyosatdagi yutuqlarni qush nazari bilan birlashtirib, yaxlitroq ko‘rinish berishga harakat qilishadi. Manfaatlar to'qnashuvi haqida o'qishni oxiridan boshlashni unutmang.
Podkastlar
Ochig'ini aytsam, podkastlar texnik mavzularni o'rganish uchun juda mos emas deb o'ylayman. Axir, ular mavzularni tushuntirish uchun faqat tovushdan foydalanadilar va ma'lumotlar fani juda vizual sohadir. Podkastlar sizni keyinchalik chuqurroq o'rganish yoki falsafiy munozaralarni jalb qilish uchun bahona beradi. Biroq, bu erda ba'zi tavsiyalar mavjud:
- u sun'iy intellekt sohasidagi taniqli tadqiqotchilar bilan suhbatlashganida. Fransua Chollet bilan epizodlar ayniqsa yaxshi!
- . Yangi maʼlumotlar infratuzilmasi vositalari haqida eshitganimdan xursandman.
Ajoyib ro'yxatlar
Bu yerda diqqat qilish kerak bo'lgan narsa kamroq, lekin nima qidirayotganingizni bilganingizdan so'ng foydali bo'ladigan ko'proq manbalar:
Metti neyron tarmoqlardan foydalanishning chiroyli va ijodiy usullarini topadi va uning natijalarini Twitter tasmangizda ko‘rish juda qiziq. Hech bo'lmaganda bir ko'ring tez.
Ori shunchaki haydash mashinasi . U ma'lumotlar olimlari uchun muammolar va echimlar haqida ko'p yozadi. Maqola chop etilganda xabardor bo'lish uchun obuna bo'lishni unutmang. Uning ayniqsa, juda ta'sirli.
Ijodkorlik va samaradorlikning keng qamrovli manbai fast.ai asoschilaridan biri.
Github kompaniyasining ML muhandisi Hamel Hussain ma'lumotlar sohasidagi koderlar uchun ko'plab vositalarni yaratish va hisobot berish bilan band.
Kerasning yaratuvchisi, hozir razvedka nima ekanligini va uni qanday sinab ko'rish haqida tushunchamizni yangilang.
Google Brain tadqiqotchisi.
xulosa
Asl xabar yangilanishi mumkin, chunki muallif ro'yxatga kiritmaslik sharmandalik bo'ladigan ajoyib kontent manbalarini topadi. U bilan bog'lanishingiz mumkin Agar siz yangi manba tavsiya qilmoqchi bo'lsangiz! Va shuningdek, DAGsHub Advokat [taxminan. tarjima. Public Practitioner] Data Science sohasida, shuning uchun agar siz o'zingizning Data Science kontentingizni yaratsangiz, post muallifiga yozing.
Tavsiya etilgan manbalarni va reklama kodini o'qish orqali ishlab chiqing HABR, siz bannerda ko'rsatilgan chegirmaga qo'shimcha 10% olishingiz mumkin.
Ko'proq kurslar
Tavsiya etilgan maqolalar
Manba: www.habr.com