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.
インターネットの世界は巨大なので、新しいことを学ぶためのリソースとして。機械学習を学ぶための無料の無料の有料リソースが数多くあります。多くのオプションを手に持っていると混乱しており、Best One（経験から言って）を選択することは困難です。そこで、私は機械学習を始め、この分野でのキャリアを継続するために最良のリソースを収集しました。
フィードバックと提案は大歓迎です:)
18.06 MITによる線形代数コースは、線形代数の基本を学ぶのに最適なコースです
カーンアカデミーによるマトリックスコースは、マトリックス代数の基本を学ぶのに最適なコースです
Khan Academyによる統計と確率コースは、利用可能な最適なコースです。
微分計算は、微分計算の基本を学ぶのに最適なコースです。
6.006アルゴリズムへの導入は、データ構造とアルゴリズムの基本を学ぶためのMITによるコースです。
Pythonチュートリアルは、Pythonの基本的な構文を学ぶのに最適な場所です。
しかし、私はいくつかのライブラリがそれらを迅速に学ぶために他のリソースを共有しています。何らかの機能や実装に閉じ込められたときはいつでも。公式ウェブサイトに存在するdocumentation / tutorials / codeを参照することをお勧めします。
Numpyは、PythonでNumerical Computingを可能にするライブラリです。機械学習では、常に配列を使用しています。 Numpyは、利用可能な多数の機能を使用してこれらの配列を操作するのに役立ちます。
Pandasは、Pythonプログラミング言語の上に構築された、高速で強力で柔軟で柔軟で使いやすいオープンソースデータ分析と操作ツールです。パンダの使用と利点について詳しく知るためにパッケージの概要ページにアクセス
これは、パンダで行われる頻繁な操作に慣れるのに役立ちます。OpenCV-Pythonは、コンピュータービジョンの問題を解決するために設計されたPythonバインディングのライブラリです。 OpenCV-Pythonは、元のOpenCV C ++実装のPythonラッパーです。
詳細と実装については、公式のチュートリアルを参照してください。Python Imaging Library Pythonインタープリターに画像処理機能を追加します。このライブラリは、広範なファイル形式のサポート、効率的な内部表現、およびかなり強力な画像処理機能を提供します。
NLTKは、Pythonプログラムを構築するための主要なプラットフォームであり、人間の言語データを操作します。 WordNetなどの50を超えるコーパスおよび語彙リソースと、分類、トークン化、ステミング、タグ付け、解析、および産業強度NLPライブラリのラッパーのための一連のテキスト処理機能を提供します
これは、NLTKで行われる頻繁な操作に慣れるのに役立ちます。Spacyは、プログラミング言語のPythonとCythonで書かれた高度な自然言語処理のためのオープンソースソフトウェアライブラリです。
スペイシーによるこのコースは、スペイシーを始めるのに役立ちます。Matplotlibは、Pythonで静的、アニメーション化された、インタラクティブな視覚化を作成するための包括的なライブラリです。
詳細と実装については、公式のチュートリアルを参照してください。Seabornは、Matplotlibに基づいたPythonデータ視覚化ライブラリです。魅力的で有益な統計グラフィックスを描画するための高レベルのインターフェイスを提供します。
詳細と実装については、公式のチュートリアルを参照してください。シーボーンに存在するさまざまな種類のプロットについて、Knoeにギャラリーを参照してください。PlotlyのPythonグラフライブラリは、インタラクティブな出版品質のグラフを作成します。ラインプロット、散布プロット、エリアチャート、バーチャート、エラーバー、ボックスプロット、ヒストグラム、ヒートマップ、サブプロット、複数軸、極チャート、バブルチャートの作成方法の例。
Scikit-Learnは、Pythonプログラミング言語向けのフリーソフトウェア機械学習ライブラリです。さまざまなclassification 、 regression 、 clustering algorithmsを備えています。 Python数値および科学的ライブラリと相互運用するように設計されています。
Scikit-Learnと50のScikit-Learnのヒントを使用したMLのイントロは、Scikit-Learnを学ぶためにData Schoolが提供する最高の自由に利用できるコースです
Fastaiは、実務家に高レベルのコンポーネントを提供する深い学習ライブラリであり、標準的な深い学習ドメインで最先端の結果を迅速かつ簡単に提供でき、新しいアプローチを構築するために混合して一致する低レベルのコンポーネントを研究者に提供します。詳細については、ページについてチェックしてください。
詳細と実装については、公式のチュートリアルを参照してください。Pytorchは、 Metaによって開発された深い学習フレームワークであり、ユーザーフレンドリーなフロントエンド、分散トレーニング、ツールとライブラリのエコシステムを通じて、高速で柔軟な実験と効率的な生産を可能にします。
Tensorflowは、 Googleが開発した深い学習フレームワークです。機械学習と人工知能のための無料のオープンソースソフトウェアライブラリです。さまざまなタスクで使用できますが、深いニューラルネットワークのトレーニングと推論に特に焦点を当てています。
Kaggleは、仕事を共有したり、競争に参加したり、無料のコースから学ぶことができる最大のデータコミュニティです。
Kaggleからさらに多くを得るには、あなたの関心のある分野にあるあらゆる競争に参加してください。競技は、3つのカテゴリ、 Tabular 、 Computer Vision 、 NLPにアミンに分割されています。積極的な競争がなければ、あなたに興味を持っている過去の競争を試みます。いつでも立ち往生している場合は、ディスカッションフォーラムに公開されているノートブック /投稿を参照してください。 Kaggleで利用可能なデータセットの数があります。データセットをダウンロードして、独自のプロジェクトを開始することもできます
このウェブサイトには、さまざまなプラットフォームで進行中のMLコンペティションのリストが含まれています
Vetrivel PSによって書かれたこのブログには、データサイエンス競争プラットフォームのリストがあります。
Papers with Code機械学習論文、コード、データセット、メソッド、評価表を備えた無料のオープンリソースです。
PWCのすべてがカテゴリに分かれているため、特定の紙を簡単に入手できます。興味のあるカテゴリ /フィールドに移動します（ Browse State-of-the-Art ）。ベンチマークされたデータセット /最も実装されたライブラリ /ライブラリに基づいて、任意の論文を選択します。さまざまなフレームワークでコード実装を見つけることもできます。
論文を読んでください。お気に入りのフレームワークでアルゴリズム/モデルを実装します。ダミーデータでトレーニングして確認してください。それは研究に入るための最良の方法です。
アンドレイ・カルパシー
クリシュナイク
ジョシュ・スターマーとのスタットクエスト
3blue1brown
Deeplearningai
レックス・フリッドマン
ヤニック・キルチャー
ヘンリーAIラボ
AIとは何ですか
ダニエル・バーク
Tensorflow
Deeplizard
アラジン・ペルソン
デジタルスリーニ
ai夏
蒸留します
Google AI
メタAI
AIを開きます
AWS機械学習
Microsoft AIブログ
リルログ
毎週ハック
ディープウィザイ
Aman.ai
コード付きの論文
arxiv
arxivの正気
scihub
Kaggle
コード付きの論文
MLを開きます
CS231N：コンピュータービジョン
CS224N：自然言語処理
CS224W：グラフを使用した機械学習
CS285：強化学習
LLMコース：LLMSについて学ぶためのリソースをまとめました
deeplearning.ai
アルファ信号：AIの研究者とエンジニア向けの週刊ダイジェスト
コード付きの論文
AIとは何ですか
Dair.aiの今週のトップMLペーパー
データサイエンスの毎日の用量
このサイトには、利用可能なクラウドGPUとその価格のすべてのリストがあります
ヤンニック・キルチャー（不一致）
cord.ai（スラック）
MLSPACE：The Machine Learning Community（Abhishek Thakur）（Discord）
ウェイトとバイアス：モデルをトレーニングおよび微調整し、実験から生産までのモデルを管理する
抱きしめる顔：機械学習コミュニティがモデル、データセット、アプリケーションで協力するプラットフォーム。
Pytorch Lightning：Pytorch Lightningは、大規模なパフォーマンスを犠牲にすることなく最大の柔軟性を必要とする専門のAI研究者と機械学習エンジニアの深い学習フレームワークです。
Automl Libraries：Pycaret、H2O Automl、Autokeras、Flaml
展開[初心者]：フラスコ、流線
Langchain：Langchainは、大規模な言語モデルを使用してアプリケーションの作成を簡素化するように設計されたフレームワークです。
