Что это такое?
Тематически подобранный список обучающих материалов, статей и других ресурсов по машинному и глубокому обучению, который ведётся в виде одного файла README на GitHub.
Тематически подобранный список обучающих материалов, статей и других ресурсов по машинному и глубокому обучению, который ведётся в виде одного файла README на GitHub.Это курс, который я прохожу, или просто большой каталог ссылок?Просто каталог: собственных уроков здесь нет — он упорядочивает ссылки на сторонние туториалы, университетские курсы, блоги, книги и шпаргалки, а также указывает на другие awesome-списки, включая подборки туториалов по R и Python для data science.
Просто каталог: собственных уроков здесь нет — он упорядочивает ссылки на сторонние туториалы, университетские курсы, блоги, книги и шпаргалки, а также указывает на другие awesome-списки, включая подборки туториалов по R и Python для data science.С чего новичку в машинном обучении реально начать в таком большом списке?Раздел «Introduction» (Введение) собирает точки входа: курс по машинному обучению Эндрю Ына в Стэнфорде, книгу «An Introduction to Statistical Learning» и подробное введение в машинное обучение в виде 15 часов видеолекций от экспертов.
Раздел «Introduction» (Введение) собирает точки входа: курс по машинному обучению Эндрю Ына в Стэнфорде, книгу «An Introduction to Statistical Learning» и подробное введение в машинное обучение в виде 15 часов видеолекций от экспертов.Контент ещё актуален или стоит ожидать устаревших ссылок?Кое-где уже ржавчина: репозиторий ведётся с 2015 года и не публикует графика обновлений, а некоторые пункты, например видеолекции Оксфорда 2015 года, заметно устарели — перед тем как полагаться на ссылку, проверьте, что она ещё работает.
Кое-где уже ржавчина: репозиторий ведётся с 2015 года и не публикует графика обновлений, а некоторые пункты, например видеолекции Оксфорда 2015 года, заметно устарели — перед тем как полагаться на ссылку, проверьте, что она ещё работает.Какие темы охватывает список?Очень широкий охват: вводные машинное обучение и статистика, классификация, линейная и логистическая регрессия, валидация моделей и ресемплинг, глубокое обучение и его фреймворки, NLP, компьютерное зрение, SVM, обучение с подкреплением, деревья решений, ансамбли и байесовское машинное обучение.
Очень широкий охват: вводные машинное обучение и статистика, классификация, линейная и логистическая регрессия, валидация моделей и ресемплинг, глубокое обучение и его фреймворки, NLP, компьютерное зрение, SVM, обучение с подкреплением, деревья решений, ансамбли и байесовское машинное обучение.Насколько глубоко раскрыто глубокое обучение и какие фреймворки там есть?Есть большой раздел по Deep Learning: курсы fast.ai, роадмап по чтению статей о глубоком обучении, онлайн-книга «Neural Networks and Deep Learning» и туториалы по каждой архитектуре — полносвязные сети, RNN/LSTM, автоэнкодеры и CNN. Среди разобранных фреймворков — TensorFlow, Theano, Torch, Caffe и Keras/Lasagne.
Есть большой раздел по Deep Learning: курсы fast.ai, роадмап по чтению статей о глубоком обучении, онлайн-книга «Neural Networks and Deep Learning» и туториалы по каждой архитектуре — полносвязные сети, RNN/LSTM, автоэнкодеры и CNN. Среди разобранных фреймворков — TensorFlow, Theano, Torch, Caffe и Keras/Lasagne.Помогает ли список с собеседованиями в data science или соревнованиями на Kaggle?Да. Отдельный раздел «Interview Resources» собирает подборки вроде «41 Essential Machine Learning Interview Questions (with answers)», а раздел про Kaggle содержит разборы соревнований, в том числе «How to Rank 10% in Your First Kaggle Competition».
Да. Отдельный раздел «Interview Resources» собирает подборки вроде «41 Essential Machine Learning Interview Questions (with answers)», а раздел про Kaggle содержит разборы соревнований, в том числе «How to Rank 10% in Your First Kaggle Competition».Можно ли скопировать список и использовать в своём проекте?Да — репозиторий распространяется по лицензии CC0-1.0 (по сути общественное достояние), так что список можно использовать, изменять и повторно публиковать без указания авторства.
Да — репозиторий распространяется по лицензии CC0-1.0 (по сути общественное достояние), так что список можно использовать, изменять и повторно публиковать без указания авторства.What are similar projects?DeepLearning, awesome-deep-learning, awesome-tensorflow, 500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code, the-incredible-pytorch, awesome-deep-learning-papers, awesome-machine-learning, Awesome-pytorch-list
DeepLearning, awesome-deep-learning, awesome-tensorflow, 500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code, the-incredible-pytorch, awesome-deep-learning-papers, awesome-machine-learning, Awesome-pytorch-listWhich topics is it in?machinelearning, kaggle, r, deep-learning-tutorial, deeplearning, deep-neural-networks, tutorials, neural-networks, cheatsheet, interview-questions, reinforcement-learning, neural-network
machinelearning, kaggle, r, deep-learning-tutorial, deeplearning, deep-neural-networks, tutorials, neural-networks, cheatsheet, interview-questions, reinforcement-learning, neural-network