Starten Sie das maschinelle Lernen im Jahr 2024 - Werden Sie ein Experte kostenlos!
Ein vollständiger Leitfaden zum Starten und Verbesserung des maschinellen Lernens (ML), künstlicher Intelligenz (KI) im Jahr 2024 ohne Hintergrund im Bereich und bleibt über die neuesten Nachrichten und hochmodernen Techniken auf dem Laufenden!
Dieser Leitfaden ist für alle vorgesehen, die Null oder einen kleinen Hintergrund in Programmierung, Mathematik und maschinellem Lernen haben. Es gibt keine spezifische Ordnung, um zu folgen, aber ein klassischer Weg wäre von oben nach unten. Wenn Sie nicht gerne Bücher lesen, überspringen Sie es, wenn Sie nicht einem Online -Kurs folgen möchten, können Sie es auch überspringen. Es gibt keine einzige Möglichkeit, Experte für maschinelles Lernen zu werden, und mit Motivation können Sie es absolut erreichen.
Alle hier aufgeführten Ressourcen sind kostenlos, mit Ausnahme einiger Online -Kurse und -bücher, die sicherlich für ein besseres Verständnis empfohlen werden, aber es ist definitiv möglich, ohne sie ein Experte zu werden, wobei etwas mehr Zeit für Online -Lesungen, Videos und Üben aufgewendet wird. Wenn es um zahlende Kurse geht, sind die Links in diesem Leitfaden verbundene Links. Bitte verwenden Sie sie, wenn Sie einen Kurs folgen möchten, da er mich unterstützen wird. Vielen Dank und viel Spaß beim Lernen! Denken Sie daran, dies liegt ganz bei Ihnen und nicht notwendig. Ich hatte das Gefühl, dass es für mich nützlich und vielleicht auch für andere nützlich war.
Haben Sie keine Angst, Videos zu wiederholen oder aus mehreren Quellen zu lernen. Wiederholung ist der Schlüssel des Lernens!
Betreuer: Louisfb01, auch auf YouTube und als Podcaster aktiv, wenn Sie mehr über KI sehen/erfahren möchten! Sie können auch zweimal pro Woche in meinem persönlichen Newsletter mehr erfahren! Abonnieren und AI -Nachrichten und Updates klar erklären!
Fühlen Sie sich frei, mir großartige Ressourcen zu senden, um dieses Repository unter [email protected] hinzuzufügen
Tag auf Twitter @whats_ai oder linkedIn @louis bouchard, wenn Sie die Liste teilen!
Möchten Sie wissen, worum es in diesem Leitfaden geht? Sehen Sie sich dieses Video an:
? Wenn Sie meine Arbeit unterstützen möchten , können Sie überprüfen, ob Sie dieses Repository sponsern möchten.
Inhaltsverzeichnis
- Beginnen Sie mit kurzen YouTube -Video -Einführungen
- Folgen Sie kostenlosen Online -Kursen auf YouTube
- Artikel lesen
- Bücher lesen
- Kein Mathematikhintergrund für ML? Schau dir das an!
- Kein Codierungshintergrund, kein Problem
- Folgen Sie Online -Kursen
- Üben, Üben und Üben!
- Möchten Sie Sprachmodelle/Apps erstellen? Schau dir das an! (jetzt mit LLMs!)
- Weitere Ressourcen (Gemeinschaften, Cheat Sheets, Nachrichten und mehr!)
- So finden Sie einen Job für maschinelles Lernen
- AI -Ethik
Beginnen Sie mit kurzen YouTube -Video -Einführungen
Beginnen Sie mit kurzen YouTube -Videos Einführungen
Dies ist der beste Weg, um meiner Meinung nach von nichts aus zu beginnen. Hier liste ich einige der besten Videos auf, die ich gefunden habe, die Ihnen eine großartige erste Einführung der Begriffe erhalten, die Sie wissen müssen, um vor Ort zu beginnen.
Einführung in die am häufigsten verwendeten Begriffe
- Lernen Sie die Grundlagen in einer Minute - Louis Bouchard - YouTube Playlist
Verstehen Sie die neuronalen Netze
- Neuronale Netze entmystifiziert - Welch Labs - YouTube Playlist
- Lernen Sie neuronale Netzwerke - 3Blue1Brown - YouTube -Wiedergabeliste
- Mathematik für maschinelles Lernen - Gewichte und Vorurteile - YouTube -Playlist
- Das geschriebene Intro für neuronale Netzwerke und Backpropagation: Erstellen von Micrograd - YouTube -Video von Andrej Karpathy
Verständnis von Transformatoren und LLMs (dh Models hinter Chatgpt)!
- Luis Serrano, "Natürliche Sprachverarbeitung und große Sprachmodelle" - Erstaunliche Video -Einführungen zum Aufmerksamkeitsmechanismus, Token, Einbettungen und mehr, um alles hinter Großsprachenmodellen wie GPT besser zu verstehen!
- Louis Bouchards LLM-Kursvideos "Train & Fine-Tune LLMs für den Produktionskurs von Activeloop, in Richtung AI & Intel Disruptor". "Eine Wiedergabeliste für unseren LLM -Kurs: Gen AI 360: Fundamentsmodell -Zertifizierung!"
Eine weitere einfache Möglichkeit, loszulegen und zu lernen, ist das Hören von Podcasts in Ihrer Freizeit. Fahren zur Arbeit, im Bus oder Probleme beim Einschlafen haben? Hören Sie sich einige AI -Podcasts an, um sich an die Begriffe und Muster zu gewöhnen, und lernen Sie das Feld durch inspirierende Geschichten kennen! Ich lade Sie ein, ein paar der besten zu verfolgen, die ich persönlich bevorzuge, wie Lex Fridman, maschinelles Learning Street Talk, Latent Space Podcast und offensichtlich in meinem Podcast: Louis Bouchard Podcast, in dem Sie unglaublich talentierte Leute auf dem Gebiet mit inspirierenden Geschichten kennenlernen werden, die das Wissen teilen, das sie so schwer zu sammeln haben.
Folgen Sie kostenlosen Online -Kursen auf YouTube
Folgen Sie kostenlosen Online -Kursen auf YouTube
Hier finden Sie eine Liste großartiger Kurse, die auf YouTube verfügbar sind, die Sie auf jeden Fall folgen und zu 100% kostenlos sind.
Einführung in maschinelles Lernen - YouTube -Playlist (Stanford)
Einführung in Deep Learning - YouTube Playlist (MIT)
Deep Learning Specialization - YouTube Playlist (DeepLearning.ai)
Deep Learning (mit Pytorch) - NYU, Yann Lecun
MIT Deep Learning-Lex Fridmans aktueller Deep Learning-Kurs
Artikel lesen
Lesen Sie viele Artikel
Hier finden Sie eine Liste großartiger Artikel, die Sie online erhältlich sind, die Sie auf jeden Fall lesen sollten und sind zu 100% kostenlos. Medium ist so ziemlich der beste Ort, um großartige Erklärungen zu finden, entweder in Richtung KI oder in Richtung Data Science Publications. Ich teile dort auch meine eigenen Artikel und liebe es, die Plattform zu nutzen. Sie können Medium mit meinem verbundenen Link hier abonnieren, wenn dies für Sie interessant klingt und ob Sie mich gleichzeitig unterstützen möchten!
- Starten Sie die KI im Jahr 2022 - Werden Sie kostenlos ein Experte aus dem Nichts! - Louis Bouchard
- 5 Anfängerfreundliche Schritte zum Erlernen des maschinellen Lernens und der Datenwissenschaft mit Python - Daniel Bourke
- Was ist maschinelles Lernen? - Roberto Iriondo
- Maschinelles Lernen für Anfänger: Eine Einführung in neuronale Netze - Victor Zhou
- Ein Anfängerleitfaden für neuronale Netze - Thomas Davis
- Verständnis neuronaler Netzwerke - Prince -Kanuma
- Leselisten für neue Mila -Studenten - Anonymous
- Die 80/20 AI -Leseliste - Vishal Maini
Bücher lesen
Lesen Sie einige Bücher
Hier sind einige großartige Bücher für die Menschen, die den Leseweg bevorzugen.
- Bauen von LLMs für die Produktion: Verbesserung der LLM -Fähigkeiten und -vertrauungen mit Aufforderung, Feinabstimmung und Lappen - in Richtung AI. "Entdecken Sie die wichtigsten Tech-Stapel, um Großsprachenmodelle an reale Anwendungen anzupassen, einschließlich schneller Engineering, Feinabstimmung und Abruferzeugung." (Oder holen Sie sich das E-Book hier. Sie können mich für einen schönen Rabatt dm DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DEM STRECHEN!)
- Deep Learning Book - kostenlos online
- Tauchen Sie in Deep Learning ein - kostenlos online
- Probabilistisches maschinelles Lernen: Eine Einführung - kostenlos online
- Künstliche Intelligenz: Ein moderner Ansatz - optional (bezahlen)
- Mustererkennung und maschinelles Lernen - optional (bezahlen)
- Deep Learning mit Python - optional (bezahlen)
- Maschinelles Lernen verstehen: Von Theorie zu Algorithmen - Shai Shalev -Shwartz und Shai Ben -David - kostenlos online
Tolle Bücher zum Aufbau Ihres mathematischen Hintergrunds:
- Mathematik für maschinelles Lernen - kostenlos online
- Die Elemente des statistischen Lernens - optional (bezahlen)
- Statistische Inferenz - optional (bezahlen)
Ein vollständiger Berechnungshintergrund:
- Kalkül: Konzepte und Kontexte - optional (bezahlen)
- Einzelvariablenrechnung: Konzepte und Kontexte - optional (bezahlen)
- Multivariable Kalkül: Konzepte und Kontexte - optional (bezahlen)
Diese Bücher sind völlig optional, aber sie werden Ihnen ein besseres Verständnis für die Theorie vermitteln und Ihnen sogar einige Dinge über die Codierung Ihrer neuronalen Netzwerke beibringen!
Kein Mathematikhintergrund für ML? Schau dir das an!
Kein Mathematikhintergrund für ML? Schau dir das an!
Stress nicht, genau wie die meisten Dinge im Leben können Sie Mathematik lernen! Hier sind einige großartige Anfänger- und erweiterte Ressourcen, um in Mathematik für maschinelles Lernen einzusteigen. Ich würde vorschlagen, mit diesen drei sehr wichtigen Konzepten im maschinellen Lernen zu beginnen (hier sind 3 großartige kostenlose Kurse in der Khan Academy erhältlich):
- Lineare Algebra - Khan Academy
- Statistik und Wahrscheinlichkeit - Khan Academy
- Multivariable Kalkül - Khan Academy
Hier sind einige großartige kostenlose Bücher und Videos, die Ihnen helfen könnten, in einem "strukturierteren Ansatz" zu lernen:
- MathematicalMonk - YouTube
- Mathematik für maschinelles Lernen - Garrett Thomas
- Eine Einführung in statistisches Lernen: Mit Anwendungen in R (Springer Texte in Statistik) - Gareth James, Daniela Witten, Trevor Hastie und Robert Tibshirani
Wenn Ihnen immer noch das mathematische Selbstvertrauen fehlt, lesen Sie den Abschnitt "Read Books" oben, in dem ich viele großartige Bücher geteilt habe, um einen starken mathematischen Hintergrund zu erstellen. Sie haben jetzt einen sehr guten mathematischen Hintergrund für maschinelles Lernen und sind bereit, tiefer zu tauchen!
Kein Codierungshintergrund, kein Problem
Kein Codierungshintergrund, kein Problem
Hier finden Sie eine Liste einiger großartiger Kurse, um die Programmierseite des maschinellen Lernens zu lernen.
- Praktisches maschinelles Lernen Tutorial mit Python - KOSTENLOSE YOUTUBE PYTHON EINLEITUNG
- Lernen Sie Python - kostenloses interaktives Tutorial zum Erlernen von Python
- Lernen Sie Python -Grundlagen für die Datenanalyse
- Erste Schritte mit Python und R für Data Science - kostenlos
- Maschinelles Lernen mit Python | Coursera - IBM - Optional (bezahlen)
- Einführung in Python for Data Science - In diesem Python für den Datenwissenschaftskurs lernen die Schüler Kernpython -Konzepte und verwenden die Sprache in Bezug auf Data Science in einem 16 -wöchigen Lernprogramm (zahlen, optional).
- 100 Numpy -Übungen - Eine Sammlung von Übungen, die in der Numpy Mailing -Liste, auf Stapelüberlauf und in der Numpy -Dokumentation gesammelt wurden.
- Shell Tutorial - Lernen Sie, die Unix -Shell zu verwenden! Ein Muss für Entwickler und KI -Praktiker.
Weitere KI -Inhalte finden Sie im Louis Bouchard -Podcast in Form von Interviews mit Experten auf diesem Gebiet! Ein eingeladener KI-Experte und ich werden bestimmte Themen, Unterfelder und Rollen mit KI abdecken, um Wissen von den Menschen zu unterrichten und zu teilen, die hart gearbeitet haben, um es zu sammeln.
Folgen Sie Online -Kursen
(Optional) Erhalten Sie ein besseres Verständnis und eine geführte Praxis, indem Sie einigen Online -Kursen folgen
Wenn Sie lieber geführt werden und klare Schritte zu befolgen haben, sind diese Kurse die besten.
- Deep Learning - Yann LeCun - Dieser Kurs betrifft die neuesten Techniken im Deep -Lernen und im Repräsentation. - Frei
- Intro in maschinelles Lernen - Kaggle - Lernen Sie die Kernideen im maschinellen Lernen und erstellen Sie Ihre ersten Modelle. - Frei
- Beginnen Sie mit AI / KI für alle - Andrew Ng - Bezahlt, optional
- Maschinelles Lernen - Andrew Ng - Stanford - Bezahlung, optional
- KI -Programmierung mit Python - vollständiger Nanodegree - Bezahlung, optional
- Deep Learning Specialization - Andrew Ng - Bezahlung, optional
- TensorFlow (professionelle Zertifikate) - Zahlung, optional
- AI Engineering - IBM (professionelle Zertifikate) - Zahlung, optional
- Vollständige Data Science Bootcamp 2022 - Zahlung, optional
- Maschinelles Lernen - keine Codierung - zahlen, optional
- Data Science Training + Branchenerfahrung-Ein komplettes 16-wöchiges Schulungsprogramm mit Erfahrung mit Erfahrung (zahlen, optional).
- Online-Data Science BootCAMP von Instructor-ein vollständiges 16-wöchiges Lernprogramm (zahlen, optional).
- Fast.ais Deep Learning -Kurse - kostenlos
- CS50 - Einführung in die künstliche Intelligenz mit Python (und maschinellem Lernen), Harvard OCW - kostenlos (und auch für Lehrer verwendbar!)
- Deep Learning Course - François Fleuret - Dieser Kurs ist eine gründliche Einführung in das Tieflern mit Beispielen im Pytorch -Framework. Es gibt einige Voraussetzungen.
Für bestimmte Anwendungen:
- KI zum Handel mit Nanodegree von Udacity - bezahlt
- Lernen Sie tiefes Verstärkungslernen - Udacity NanodeGree - bezahlt
- Werden Sie ein NLP Pro mit der Spezialisierung natürlicher Sprachverarbeitung von Coursera durch DeepLearning.ai- "Bezahlt in den NLP-Raum. Master-modernste NLP-Techniken durch vier praktische Kurse!"
Holen Sie sich Ihre Modelle online und zeigen Sie sie der Welt:
- Gradio -Kurs - Erstellen Sie Benutzeroberflächen für Modelle für maschinelles Lernen - FreecodeCamp - Free
- So bereitstellen Sie ein maschinelles Lernmodell für Google Cloud - Daniel Bourke - kostenlos
- DevOps Engineer für maschinelles Lernen - Udacity NanodeGree - bezahlt
- AWS maschinelles Lerneningenieur - Udacity NanodeGree - bezahlt
Üben, Üben und Üben!
Übung ist der Schlüssel
Das Wichtigste bei der Programmierung ist die Übung. Und dies gilt auch für maschinelles Lernen. Es kann schwierig sein, ein persönliches Projekt zum Üben zu finden.
Glücklicherweise existiert Kaggle. Diese Website ist voller kostenloser Kurse, Tutorials und Wettbewerbe. Sie können sich kostenlos Wettbewerben anschließen und einfach ihre Daten herunterladen, über ihr Problem lesen und sofort mit dem Codieren und Testen beginnen! Sie können sogar Geld mit dem Gewinn von Wettbewerben verdienen, und es ist eine großartige Sache in Ihrem Lebenslauf. Dies ist möglicherweise der beste Weg, um Erfahrungen zu sammeln, während sie viel lernen und sogar Geld verdienen! Eine weitere großartige Gelegenheit für Projekte besteht darin, Kurse zu verfolgen, die sich auf eine bestimmte Anwendung wie die KI für den Handelskurs aus Udacity ausgerichtet haben.
Sie können auch Teams für den Kaggle -Wettbewerb erstellen und mit Menschen lernen! Ich schlage vor, Sie wenden sich einer Community an, um ein Team zu finden und mit anderen zu lernen. Es ist immer besser als allein. Schauen Sie sich den nächsten Abschnitt dafür an.
Möchten Sie Sprachmodelle/Apps erstellen? Schau dir das an (jetzt mit LLMs!)!
Ich hatte viele Anfragen von Personen, die sich auf die Verarbeitung natürlicher Sprache (NLP) (Modelle mit Sprache) konzentrieren oder sogar maschinelles Lernen für NLP -Aufgaben lernen wollten. Dies ist ein Abschnitt, der diesem Bedarf gewidmet ist. Glückliches NLP -Lernen!
- Eine komplette Roadmap, um NLP im Jahr 2022 zu meistern
- Werden Sie ein NLP Pro mit der Spezialisierung natürlicher Sprachverarbeitung von Coursera durch DeepLearning.ai- "Bezahlt in den NLP-Raum. Master-modernste NLP-Techniken durch vier praktische Kurse!"
- Ein NLP -Nano -Abschluss! -Bezahlt "Lernen Sie in der Verarbeitung von natürlichen Sprachen, um Sprache zu verarbeiten und Text zu analysieren. Erstellen Sie probabilistische und tiefe Lernmodelle wie versteckte Markov-Modelle und wiederkehrende neuronale Netze, um dem Computer Aufgaben wie Spracherkennung, maschinelle Übersetzung und mehr zu lehren!"
- NLTK -Buch ist die kostenlose Ressource, um sich über grundlegende Theorien hinter NLP zu informieren: https://www.nltk.org/book/
- FastText ist eine gute Bibliothek, um ein Modell schnell zu trainieren.
- Suggingface ist der Ort, an dem moderne NLP -Modelle erhalten, und sie enthalten auch einen ganzen Kurs darüber.
- Spacy eignet sich hervorragend für NLP in der Produktion, wie es NLU, NER, und man kann die Klassifizierung usw. trainieren. Es ist auch in der Lage, benutzerdefinierte Schritte oder Modelle in die Pipeline hinzuzufügen.
- Aufforderung! Aufforderung ist eine neue Fähigkeit, die Sie beherrschen sollten, wenn Sie NLP-bezogene Apps erstellen möchten. Dies ist ein großartiger Kurs, zu dem ich beiträgt und beabsichtigt, Aufforderung zu lehren und Tipps für bestimmte Modelle zu geben.
Federn Sie, feinstimmen Sie und verwenden Sie große Sprachmodelle!
- Langchain & Vector -Datenbanken in der Produktion - Eine erstaunliche kostenlose Ressource, die wir in der AI in Zusammenarbeit mit Activeloop und der Intel Disruptor Initiative aufgebaut haben, um mehr über Langchain & Vector -Datenbanken in der Produktion zu erfahren. "Egal, ob Sie ein erfahrener Entwickler sind, der ein Neuling im KI -Bereich oder ein erfahrener maschinelles Lernen ist, dieser Kurs ist für Sie konzipiert. Unser Ziel ist es, KI zugänglich und praktisch zu machen und Ihre tägliche Aufgaben und die Gesamtwirkung Ihrer Arbeit zu verändern."
- Training & Fine-Tuning LLMs für die Produktion-Eine erstaunliche kostenlose Ressource, die wir in der AI in Zusammenarbeit mit Activeloop und der Intel Disruptor Initiative aufgebaut haben, um mehr über Training & Fine-Tuning-LLMs für die Produktion zu erfahren. "Wenn Sie lernen möchten, wie man LLMs von Grund auf neu trainiert und feinstabstabiert und ein intermediates Python-Wissen sowie Zugang zu moderaten Rechenressourcen hat (in einigen Fällen wird nur ein Google-Colab ausreichen!), Seien Sie so ausreichend, dass Sie den Kurs einnehmen und den Kurs absolvieren. und maßgeschneidert große Sprachmodelle in einer Vielzahl von Branchen, um KI zugänglicher und praktischer zu gestalten. "
- Von Anfängern bis hin zu fortgeschrittenem LLM -Entwickler - von in Richtung AI. "Bauen Sie Ihr erstes skalierbares Produkt mit LLMs, Aufforderung, Lappen, Feinabstimmungen und Agenten auf! Beherrschen Sie die wichtigsten Fertigkeiten und erstellen Sie Ihr eigenes fortschrittliches LLM-MVP mit realen Anwendungen."
- Bauen von LLMs für die Produktion: Verbesserung der LLM -Fähigkeiten und -vertrauungen mit Aufforderung, Feinabstimmung und Lappen - in Richtung AI. "Entdecken Sie die wichtigsten Tech-Stapel, um Großsprachenmodelle an reale Anwendungen anzupassen, einschließlich schneller Engineering, Feinabstimmung und Abruferzeugung." (Oder holen Sie sich das E-Book hier. Sie können mich für einen schönen Rabatt dm DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DM DEM STRECHEN!)
Weitere Ressourcen
Schließen Sie sich Gemeinden an!
Ein Discord -Server mit vielen AI -Enthusiasten - gemeinsam lernen, Fragen stellen, Kaggle -Teamkollegen finden, Ihre Projekte teilen und vieles mehr.
Ein Discord-Server, auf dem Sie über die neuesten AI-Nachrichten auf dem Laufenden bleiben können-bleiben Sie mit den neuesten AI-Nachrichten auf dem Laufenden, stellen Sie Fragen, teilen Sie Ihre Projekte und vieles mehr.
Folgen Sie Reddit Communities - stellen Sie Fragen, teilen Sie Ihre Projekte, folgen Sie Nachrichten und vielem mehr.
- künstliche - künstliche Intelligenz
- Machinelearning - Maschinelles Lernen (größter Subreddit des Feldes)
- DeepLearningPaper - Deep Learning Papers
- ComputVision - Extrahieren nützlicher Informationen aus Bildern und Videos
- LearnMachinelearning - Lernen Sie maschinelles Lernen
- Künstliche Intelange - ai
- Latsestinml - bahnbrechende Entwicklungen im maschinellen Lernen, die Sie nicht verpassen sollten
Sparen Sie Cheat Sheets!
- Die besten Cheat -Laken für künstliche Intelligenz, maschinelles Lernen und Python.
- Cheat Sheets für KI, neuronale Netzwerke, maschinelles Lernen, Deep Learning & Big Data - Stefan Kojouharov
- Cheatssheets für maschinelles Lernen für Stanfords CS 229 - AFSHINE AMIDI & SHOVIN AMIDI
- Cheat Sheet aus maschinellem Lernen und Python- (und Mathematik-) Cheat Sheets - Robbie Allen
- KI -Experten -Roadmap - Verwenden Sie sie als Checkliste für Skillset!
Folgen Sie den Nachrichten im Feld!
Abonnieren Sie YouTube -Kanäle, die neue Papiere teilen - bleiben Sie mit den Nachrichten vor Ort auf dem Laufenden!
- Louis Bouchard - wöchentliche Videos, die neue Papiere abdecken
- Zwei Minuten Papiere - zweiwöchentliche Videos, die neue Papiere abdecken
- Bycloud - Wochenvideos, die neue Papiere abdecken
LinkedIn -Gruppen
- Künstliche Intelligenz, maschinelles Lernen und Deep Learning News - Nachrichten über das Gebiet, das jeder in der Gruppe geteilt hat
- Künstliche Intelligenz | Tiefes Lernen | Maschinelles Lernen
- Angewandte künstliche Intelligenz
Facebook -Gruppen
- Künstliche Intelligenz und tiefes Lernen - die endgültige und aktivste FB -Gruppe in KI, neuronalen Netzwerken und tiefem Lernen. Alles, was neu und interessant an der Grenze von KI und tiefem Lernen ist. Neuronale Netze werden in den kommenden Jahren neu definieren, was es bedeutet, eine intelligente Maschine zu sein.
- Deep Learning - Heutzutage neigt die Gesellschaft dazu, weich und automatisch zu der 4. industriellen Revolution zu entwickeln, die folglich die Bestandteile in den Wirbel des gesellschaftlichen Umbruchs treibt. Um eine Führung zu überleben oder zu übernehmen, soll man mit zugehörigen Werkzeugen ausgestattet sein. Maschine wird schlauer und intelligenter. Maschinelles Lernen ist unausweichliche Fähigkeiten und erfordert, dass die Menschen vertraut sind. Diese Gruppe ist für diese Menschen, die sich für die Entwicklung ihrer Talente interessieren, um sie zu passen.
Newsletter
- Alphasignal - Der am meisten gelesene technische Newsletter in der AI
- AI News - von Swyx & Friends - Viele LLM -Hilfe indexieren ~ 356 Twitter, ~ 21 Zwietracht usw. (Ich persönlich lese meistens die Hauptrecap.)
- Inside AI - Eine tägliche Zusammenfassung von Geschichten und Kommentaren zu künstlicher Intelligenz, Robotik und Neurotechnologie.
- AI Weekly - Eine wöchentliche Sammlung von AI -Nachrichten und Ressourcen für künstliche Intelligenz und maschinelles Lernen.
- AI Ethics Weekly - Die neuesten Updates in der AI -Ethik, die jede Woche in Ihren Posteingang geliefert werden.
- Louis Bouchard Weekly - Ein und nur ein Papier erklärte Weekly mit einem Artikel, einer Videodemo, Demo, Code usw. deutlich.
- In Richtung KI -Newsletter - Zusammenfassung der interessantesten Nachrichten und Lernressourcen wöchentlich sowie Community -Updates aus der Community der Lern Ai Together Discord. Perfekt für ML -Profis und -Derbegeisterte.
Befolgen Sie mittlere Konten und Veröffentlichungen
- In Richtung Data Science - "Teilen von Konzepten, Ideen und Codes"
- In Richtung AI - "Das Beste aus Technologie, Wissenschaft und Ingenieurwesen."
- ONZERO - "Die Unterströmungen der Zukunft. Eine mittlere Veröffentlichung über Technik und Wissenschaft."
- Louis Bouchard - "Hallo, ich bin Louis (loo · ee, französische Aussprache), aus Montreal, Kanada. Ich versuche, künstliche Intelligenzbegriffe und Nachrichten zu teilen und zu erklären, wie ich es für alle am besten entmystifizieren und die Menschen über die Risiken der Verwendung des Risikos sensibilisieren kann.
Sehen Sie sich diesen vollständigen Github -Leitfaden an, um mit AI -Nachrichten Schritt zu halten
- Bailool/DoyouevenLearn - Wesentliche Anleitung, um mit AI/ML/DL/CV Schritt zu halten
Finden Sie einen maschinellen Lernenjob
- Lesen Sie diesen Abschnitt aus dem Artikel voller Interview -Tipps und wie Sie sich darauf vorbereiten .
- Erfahren Sie, wie der Interviewprozess besser wird, indem Sie sich darauf vorbereiten, indem Sie sich ansehen, wie andere es getan haben, wie die Interviewserie, die ich mit Experten aus Nvidia, Zoox (Selbstfahrtsunternehmen), D-ID (Generative AI Startup) usw. betrieben habe, usw. betrieben.
AI -Ethik
- Was sind Ethik und warum sind sie wichtig? Ausgabe für maschinelles Lernen - von Rachel Thomas, Gründer von Fast.ai
- AI4people - ein ethischer Rahmen für eine gute AI -Gesellschaft: Möglichkeiten, Risiken, Prinzipien und Empfehlungen - Floridi et al., 2018, AI4people AI für eine gute Gesellschaft
- Ethikrichtlinien für vertrauenswürdige KI - Europäische Kommission hochrangige Expertengruppe 7 Punkte für eine vertrauenswürdige KI.
- Eine Einführung in die Ethik in Robotik und KI - ein kostenloses E -Book von Christoph Bartneck, Christoph Lütge, Alan Wagner und Sean Welsh.
Tag auf Twitter @whats_ai oder linkedIn @louis bouchard, wenn Sie die Liste teilen!
? Wenn Sie meine Arbeit unterstützen möchten , können Sie überprüfen, ob Sie dieses Repository sponsern möchten.
Dieser Leitfaden wird immer noch regelmäßig aktualisiert.
