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.
Dunia internet sangat besar, jadi sebagai sumber daya untuk mempelajari hal -hal baru. Ada banyak sumber daya gratis dan berbayar untuk belajar pembelajaran mesin. Memiliki banyak opsi di tangan membingungkan dan sulit untuk memilih yang terbaik (mengatakan dari pengalaman). Jadi, saya telah mengumpulkan sumber daya terbaik untuk memulai dengan pembelajaran mesin dan melanjutkan karir di bidang ini.
Umpan balik dan saran dipersilakan :)
18.06 Kursus Aljabar Linier oleh MIT adalah kursus terbaik untuk mempelajari dasar -dasar aljabar linier
Kursus Matriks oleh Khan Academy adalah kursus terbaik untuk mempelajari dasar -dasar Aljabar Matrix
Kursus Statistik dan Probabilitas oleh Khan Academy adalah kursus terbaik yang tersedia.
Kalkulus diferensial adalah jalan terbaik untuk mempelajari dasar -dasar kalkulus diferensial.
6.006 Intoduction to Algorithms adalah kursus dengan MIT untuk mempelajari dasar -dasar struktur dan algoritma data.
Tutorial Python adalah tempat terbaik untuk mempelajari sintaks dasar Python.
Tetapi saya berbagi sumber daya lain untuk beberapa perpustakaan untuk mempelajarinya dengan cepat. Setiap kali Anda terjebak di beberapa fungsi atau implementasi. Selalu lebih baik merujuk documentation / tutorials / code yang ada di situs web resmi.
Numpy adalah perpustakaan yang memungkinkan Numerical Computing di Python. Dalam pembelajaran mesin kami selalu bekerja dengan array. Numpy membantu mengoperasikan array ini menggunakan sejumlah besar fungsi yang tersedia.
PANDAS adalah alat analisis dan manipulasi data open source yang cepat, kuat, fleksibel, dan mudah digunakan, dibangun di atas bahasa pemrograman Python. Untuk mengetahui lebih banyak tentang penggunaan dan keunggulan halaman Paket Kunjungan Pandas
Ini akan membantu untuk membiasakan diri dengan beberapa operasi yang sering dilakukan dengan panda.OpenCV-Python adalah perpustakaan binding Python yang dirancang untuk menyelesaikan masalah visi komputer. OpenCV-Python adalah pembungkus Python untuk implementasi OpenCV C ++ asli.
Lihat tutorial resmi untuk detail dan implementasi lebih lanjut. Python Imaging Library menambahkan kemampuan pemrosesan gambar ke interpreter Python. Perpustakaan ini memberikan dukungan format file yang luas, representasi internal yang efisien, dan kemampuan pemrosesan gambar yang cukup kuat.
NLTK adalah platform terkemuka untuk membangun program Python untuk bekerja dengan data bahasa manusia. Ini menyediakan lebih dari 50 sumber daya korpora dan leksikal seperti WordNet, bersama dengan serangkaian fungsi pemrosesan teks untuk klasifikasi, tokenisasi, batang, penandaan, penguraian, dan penalaran semantik, pembungkus untuk perpustakaan NLP kekuatan industri dengan kekuatan industri
Ini akan membantu untuk membiasakan diri dengan beberapa operasi yang sering dilakukan dengan NLTK.Spacy adalah perpustakaan perangkat lunak sumber terbuka untuk pemrosesan bahasa alami canggih, yang ditulis dalam bahasa pemrograman Python dan Cython.
Kursus ini oleh Spacy membantu memulai dengan spacy.Matplotlib adalah perpustakaan yang komprehensif untuk membuat visualisasi statis, animasi, dan interaktif di Python.
Lihat tutorial resmi untuk detail dan implementasi lebih lanjut.Seaborn adalah pustaka visualisasi data Python berdasarkan matplotlib. Ini menyediakan antarmuka tingkat tinggi untuk menggambar grafik statistik yang menarik dan informatif.
Lihat tutorial resmi untuk detail dan implementasi lebih lanjut. Lihat galeri ke Knoe tentang berbagai jenis plot yang ada di Seaborn.Perpustakaan Graphing Python Plotly membuat grafik interaktif dan berkualitas publikasi. Contoh cara membuat plot garis, plot pencar, grafik area, grafik batang, bilah kesalahan, plot kotak, histogram, heatmaps, subplot, banyak sumbu, bagan kutub, dan bagan gelembung.
Scikit-Learn adalah perpustakaan pembelajaran mesin perangkat lunak gratis untuk bahasa pemrograman Python. Ini fitur berbagai algoritma classification , regression dan clustering algorithms . Ini dirancang untuk beroperasi dengan perpustakaan numerik dan ilmiah Python Numpy dan Scipy.
Intro ke ML dengan scikit-learn dan 50 kiat scikit-learn adalah kursus terbaik yang tersedia secara bebas disediakan oleh Data School untuk belajar scikit-learn
Fastai adalah perpustakaan pembelajaran mendalam yang menyediakan para praktisi dengan komponen tingkat tinggi yang dapat dengan cepat dan mudah memberikan hasil canggih dalam domain pembelajaran dalam standar, dan memberi para peneliti komponen tingkat rendah yang dapat dicampur dan dicocokkan untuk membangun pendekatan baru. Periksa tentang halaman untuk informasi lebih lanjut.
Lihat tutorial resmi untuk detail dan implementasi lebih lanjut. Pytorch adalah kerangka pembelajaran yang mendalam yang dikembangkan oleh Meta yang memungkinkan eksperimen yang cepat dan fleksibel dan produksi yang efisien melalui front-end yang ramah pengguna, pelatihan terdistribusi, dan ekosistem alat dan perpustakaan.
TensorFlow adalah kerangka pembelajaran yang mendalam yang dikembangkan oleh Google . Ini adalah perpustakaan perangkat lunak sumber terbuka dan open-source untuk pembelajaran mesin dan kecerdasan buatan. Ini dapat digunakan di berbagai tugas tetapi memiliki fokus khusus pada pelatihan dan inferensi jaringan saraf yang dalam.
Kaggle adalah komunitas sceince data terbesar di mana orang dapat berbagi pekerjaan mereka, partikel dalam kompetisi, belajar dari kursus gratis dan banyak lagi.
Untuk mendapatkan lebih banyak dari Kaggle, berpartisipasi dalam kompetisi apa pun yang ada di bidang minat Anda. Kompetisi dibagi dengan baik menjadi 3 kategori Tabular , Computer Vision , NLP . Jika tidak ada kompetisi aktif yang mencoba kompetisi melewati yang menarik minat Anda. Jika Anda terjebak pada titik mana pun, lihat buku catatan / posting yang tersedia secara publik di forum diskusi. Ada sejumlah dataset yang tersedia di Kaggle. Anda juga dapat mengunduh set data dan memulai proyek Anda sendiri
Situs web ini berisi daftar kompetisi ML yang sedang berlangsung di berbagai platform
Blog ini yang ditulis oleh Vetrivel PS memiliki daftar platform kompetisi sains data.
Papers with Code adalah sumber daya gratis dan terbuka dengan makalah pembelajaran mesin, kode, dataset, metode dan tabel evaluasi.
Segala sesuatu di PWC dibagi menjadi kategori yang membuatnya mudah untuk mendapatkan kertas tertentu. Buka kategori / bidang yang menarik minat Anda ( Browse State-of-the-Art ). Pilih kertas apa pun berdasarkan dataset benchmark / paling banyak diterapkan / perpustakaan. Anda juga dapat menemukan implementasi kode dalam berbagai kerangka kerja.
Baca makalahnya. Terapkan algoritma/model dengan kerangka kerja favorit Anda. Latih dengan data boneka untuk memeriksa. Ini cara terbaik untuk melakukan penelitian.
Andrej Karpathy
Krishnaik
Patung dengan Josh Starmer
3blue1brown
DEEPEEPERNINGAI
Lex Fridman
Yannic Kilcher
Henry Ai Labs
AI apa itu
Daniel Bourke
Tensorflow
Deeplizard
Aladdin Persson
Sreeni Digital
AI musim panas
Menyaring
Google AI
Meta AI
Buka AI
Pembelajaran Mesin AWS
Blog Microsoft AI
Lil'log
Hack mingguan
Deepwizai
Aman.ai
Makalah dengan kode
arxiv
Arxiv kewarasan
Scihub
Kaggle
Makalah dengan kode
Buka ML
CS231N: Visi Komputer
CS224N: Pemrosesan bahasa alami
CS224W: Pembelajaran mesin dengan grafik
CS285: Pembelajaran Penguatan
LLM-Course: Sumber Daya yang Dikompilasi Untuk Belajar Tentang LLMS
Deeplearning.ai
Sinyal Alpha: Pencernaan mingguan untuk peneliti dan insinyur AI
Makalah dengan kode
AI apa itu
Papers ML Teratas Dair.ai minggu ini
Dosis Harian Ilmu Data
Situs ini memiliki semua daftar Cloud GPU yang tersedia dan harga mereka
Yannic Kilcher (Perselisihan)
Cord.ai (slack)
MLSPACE: Komunitas Pembelajaran Mesin (Abhishek Thakur) (Perselisihan)
Bobot & Bias: Model melatih dan menyempurnakan, mengelola model dari eksperimen hingga produksi
Hugging Face: Platform di mana komunitas pembelajaran mesin berkolaborasi pada model, dataset, dan aplikasi.
Pytorch Lightning: Pytorch Lightning adalah kerangka pembelajaran yang mendalam untuk peneliti AI profesional dan insinyur pembelajaran mesin yang membutuhkan fleksibilitas maksimal tanpa mengorbankan kinerja dalam skala.
Perpustakaan Automl: PyCaret, H2O Automl, Autokeras, Flaml
Penyebaran [pemula]: Flask, streamlit
Langchain: Langchain adalah kerangka kerja yang dirancang untuk menyederhanakan pembuatan aplikasi menggunakan model bahasa besar.
