Machine Learning Roadmap
1.0.0
Hello there. I am Shanmukha Sainath, working as AI Engineer at KLA Corporation. I have done my Bachelors from Department of Electronics and Electrical Communication Engineering department, IIT Kharagpur.
Internet World es enorme, por lo que recursos para aprender cualquier cosa nueva. Existen numerosos recursos gratuitos y pagados para aprender aprendizaje automático. Tener muchas opciones en la mano se confunde y es difícil seleccionar la mejor (diciendo la experiencia). Por lo tanto, he recopilado los mejores recursos para comenzar con el aprendizaje automático y continuar con la carrera en este campo.
Los comentarios y las sugerencias son bienvenidos :)
18.06 El curso de álgebra lineal por MIT es el mejor curso para aprender conceptos básicos de álgebra lineal
Matrices Course de Khan Academy es el mejor curso para aprender conceptos básicos del álgebra matriz
El curso de estadísticas y probabilidad de Khan Academy es el mejor curso disponible.
El cálculo diferencial es el mejor curso para aprender conceptos básicos del cálculo diferencial.
6.006 La introducción a los algoritmos es el curso del MIT para aprender conceptos básicos de estructuras y algoritmos de datos.
El tutorial de Python es el mejor lugar para aprender la sintaxis básica de Python.
Pero estoy compartiendo otros recursos para que algunas bibliotecas los aprendan rápidamente. Cada vez que te quedas atascado en alguna función o implementación. Siempre es mejor referir documentation / tutorials / code presente en el sitio web oficial.
Numpy es una biblioteca que permite Numerical Computing en Python. En el aprendizaje automático siempre trabajamos con matrices. Numpy ayuda a operar estas matrices utilizando una gran cantidad de funciones disponibles.
Pandas es una herramienta de análisis y manipulación de código abierto rápido, potente, flexible y fácil de usar, construida sobre el lenguaje de programación de Python. Para saber más sobre el uso y las ventajas de Pandas Visite el paquete Descripción general
Esto ayudará a acostumbrarse a algunas operaciones frecuentes realizadas con pandas.OpenCVV-Python es una biblioteca de enlaces de Python diseñados para resolver problemas de visión por computadora. OpenCVV-Python es un envoltorio de pitón para la implementación original de OpenCV C ++.
Consulte tutoriales oficiales para obtener más detalles e implementación. La Python Imaging Library agrega capacidades de procesamiento de imágenes al intérprete de Python. Esta biblioteca proporciona soporte extenso de formato de archivo, una representación interna eficiente y capacidades de procesamiento de imágenes bastante potentes.
NLTK es una plataforma líder para construir programas de Python para trabajar con datos de lenguaje humano. Proporciona más de 50 recursos corporales y léxicos, como WordNet, junto con un conjunto de funciones de procesamiento de texto para clasificación, tokenización, derivación, etiquetado, análisis y razonamiento semántico, envoltorios para bibliotecas NLP de fuerza industrial
Esto ayudará a acostumbrarse a algunas operaciones frecuentes realizadas con NLTK.Spacy es una biblioteca de software de código abierto para el procesamiento avanzado del lenguaje natural, escrita en los lenguajes de programación Python y Cython.
Este curso de Spacy ayuda a comenzar con Spacy.Matplotlib es una biblioteca integral para crear visualizaciones estáticas, animadas e interactivas en Python.
Consulte tutoriales oficiales para obtener más detalles e implementación.Seborn es una biblioteca de visualización de datos de Python basada en matplotlib. Proporciona una interfaz de alto nivel para dibujar gráficos estadísticos atractivos e informativos.
Consulte tutoriales oficiales para obtener más detalles e implementación. Consulte Gallery to Knoe sobre varios tipos de parcelas presentes en Seaborn.La biblioteca de gráficos de Python de Plotly hace gráficos interactivos de calidad de publicación. Ejemplos de cómo hacer gráficos de línea, gráficos de dispersión, gráficos de área, gráficos de barras, barras de error, gráficos de caja, histogramas, mapas de calor, subtramas, ejes múltiples, gráficos polares y gráficos de burbujas.
Scikit-Learn es una biblioteca de aprendizaje automático de software gratuito para el lenguaje de programación de Python. Cuenta con varios algoritmos classification , regression y clustering algorithms . Está diseñado para interoperar con las bibliotecas numéricas y científicas de Python Numpy y SciPy.
Introducción a ML con scikit-learn y 50 consejos de scikit-learn son los mejores cursos disponibles de forma gratuita proporcionados por Data School para aprender Scikit-Learn
FIlai es una biblioteca de aprendizaje profundo que proporciona a los profesionales componentes de alto nivel que pueden proporcionar rápida y fácilmente resultados de última generación en dominios de aprendizaje profundo estándar, y proporciona a los investigadores componentes de bajo nivel que pueden mezclarse y combinarse para construir nuevos enfoques. Consulte la página para obtener más información.
Consulte tutoriales oficiales para obtener más detalles e implementación. Pytorch es un marco de aprendizaje profundo desarrollado por Meta que permite una experimentación rápida y flexible y una producción eficiente a través de un front-end fácil de usar, capacitación distribuida y ecosistema de herramientas y bibliotecas.
TensorFlow es un marco de aprendizaje profundo desarrollado por Google . Es una biblioteca de software gratuita y de código abierto para aprendizaje automático e inteligencia artificial. Se puede usar en una variedad de tareas, pero tiene un enfoque particular en la capacitación e inferencia de redes neuronales profundas.
Kaggle es la comunidad de datos de datos más grande, donde uno puede compartir su trabajo, participar en competiciones, aprender de cursos gratuitos y mucho más.
Para obtener más de Kaggle, participe en cualquier competencia que esté en el campo de su interés. Las competiciones se dividen en 3 categorías Tabular , Computer Vision , NLP . Si no hay ninguna competencia activa, intente competir más allá de lo que le interese. Si se quedó atascado en algún momento, consulte los cuadernos de avalables públicos / publicación en el foro de discusión. Hay un número enoromo de conjuntos de datos disponibles en Kaggle. También puede descargar conjuntos de datos e iniciar su propio proyecto
Este sitio web contiene una lista de competiciones de ML en curso en varias plataformas.
Este blog escrito por Vetrivel PS tiene una lista de plataformas de competencia de ciencias de datos.
Papers with Code son un recurso gratuito y abierto con documentos de aprendizaje automático, código, conjuntos de datos, métodos y tablas de evaluación.
Todo en PwC se divide en categorías, lo que facilita la obtención de un papel particular. Vaya a la categoría / campo que lo interese ( Browse State-of-the-Art ). Seleccione cualquier artículo basado en el conjunto de datos de referencia / la mayoría de las bibliotecas implementadas. También puede encontrar implementaciones de código en varios marcos.
Lea el documento. Implemente el algoritmo/modelo con su marco favorito. Entrenarlo con datos ficticios para verificar. Es la mejor manera de entrar en la investigación.
Andrej Karpathy
Krishnaik
Estatquest con Josh Starmer
3BLUE1BROWN
Deeplearningai
Lex Fridman
Yannic Kilcher
Laboratorios de Henry Ai
Que es ai
Daniel Bourke
Flujo tensor
defensor
Aladdin Persson
Sreeni digital
AI Summer
Destilar
Google AI
Meta ai
Abierta ai
AWS Aprendizaje automático
Blog de AI de Microsoft
Lil'log
Hacks semanalmente
Deepwizai
Aman.ai
Documentos con código
arxiv
arxiv cordura
Scihub
Kaggle
Documentos con código
Abrir ML
CS231N: Visión por computadora
CS224N: Procesamiento del lenguaje natural
CS224W: aprendizaje automático con gráficos
CS285: Aprendizaje de refuerzo
LLM-Course: Recursos compilados para aprender sobre LLMS
Deeplearning.ai
Señal alfa: el resumen semanal para investigadores e ingenieros de IA
Documentos con código
Que es ai
Dair.ai Los principales documentos de la semana de la Semana
Dosis diaria de ciencia de datos
Este sitio tiene toda la lista de GPU de la nube disponibles y sus precios
Yannic Kilcher (discordia)
Cord.ai (holgura)
Mlspace: The Machine Learning Community (Abhishek Thakur) (Discord)
Pesos y prejuicios: modelos de trenes y tune, manejar modelos desde la experimentación hasta la producción
Abrazando la cara: la plataforma donde la comunidad de aprendizaje automático colabora en modelos, conjuntos de datos y aplicaciones.
Pytorch Lightning: Pytorch Lightning es el marco de aprendizaje profundo para investigadores profesionales de IA e ingenieros de aprendizaje automático que necesitan una máxima flexibilidad sin sacrificar el rendimiento a escala.
Bibliotecas Automl: Pycaret, H2O Automl, Autokeras, Flaml
Despliegue [principiante]: matraz, racionalización
Langchain: Langchain es un marco diseñado para simplificar la creación de aplicaciones utilizando modelos de idiomas grandes.
