2024年に機械学習を開始 - 無料の専門家になりましょう！
2024年に機械学習（ML）、人工知能（AI）を開始および改善するための完全なガイドは、現場の背景なしで最新のニュースや最新のテクニックを最新の状態に保ちます！
このガイドは、プログラミング、数学、機械学習のゼロまたは小さな背景を持っている人を対象としています。従うべき具体的な順序はありませんが、古典的なパスは上から下にあります。あなたが本を読むのが好きではないなら、それをスキップしてください、あなたがオンラインコースをフォローしたくない場合は、あなたもそれをスキップすることができます。機械学習の専門家になるための単一の方法はありません。モチベーションがあれば、完全に達成できます。
ここにリストされているすべてのリソースは無料ですが、いくつかのオンラインコースや本を除いて、それは確かに理解を深めるために推奨されますが、オンラインの読み、ビデオ、練習にもう少し時間を費やして、それらのない専門家になることは間違いありません。コースの支払いに関しては、このガイドのリンクは関連リンクです。コースが私をサポートするので、コースをフォローしたいと思うなら、それらを使用してください。ありがとう、そして楽しい学習をしてください！覚えておいてください、これは完全にあなた次第であり、必要ではありません。それは私にとって有用であり、おそらく他の人にも役に立つと感じました。
ビデオを繰り返したり、複数のソースから学ぶことを恐れないでください。繰り返しは学習の成功の鍵です！
メンダー：louisfB01、YouTubeでも、AIについても詳細をご覧になりたい場合は、ポッドキャスターとしてアクティブ！私の個人的なニュースレターで、週に2回詳しく学ぶこともできます！登録して、AIのニュースと更新を明確に説明します！
[email protected]のこのリポジトリに追加するための素晴らしいリソースをお気軽にお問い合わせください
リストを共有している場合は、Twitter @whats_aiまたはlinkedin @louis bouchardで私にタグを付けてください！
このガイドは何について知りたいですか？このビデオを見る：
？私の仕事をサポートしたい場合は、このリポジトリのスポンサーを確認できます。
目次
- 短いYouTubeビデオの紹介から始めます
- YouTubeで無料のオンラインコースをフォローしてください
- 記事を読んでください
- 本を読んでください
- MLの数学の背景はありませんか？これをチェックしてください！
- コーディングの背景はなく、問題ありません
- オンラインコースをフォローしてください
- 練習、練習、練習！
- 言語モデル/アプリを構築したいですか？これをチェックしてください！ （今LLMSで！）
- より多くのリソース（コミュニティ、チートシート、ニュースなど！）
- 機械学習の仕事を見つける方法
- AI倫理
短いYouTubeビデオの紹介から始めます
短いYouTubeビデオの紹介から始めてください
これは、私の意見では何もないところから始めるための最良の方法です。ここでは、フィールドで始めるために知っておくべき用語の素晴らしい最初の紹介を提供することがわかった最高のビデオのいくつかをリストします。
開始して学習を続けるもう1つの簡単な方法は、暇なときにポッドキャストを聴くことです。職場に運転したり、バスで運転したり、眠りにつくのに苦労していますか？いくつかのAIポッドキャストを聞いて、用語やパターンに慣れ、感動的なストーリーを通してフィールドについて学びましょう！ Lex Fridman、Machine Learning Street Talk、Latent Space Podcast、そして明らかに私のポッドキャスト：Louis Bouchard Podcastなど、私が個人的に好むいくつかのいくつかをフォローすることをお勧めします。
YouTubeで無料のオンラインコースをフォローしてください
YouTubeで無料のオンラインコースをフォローしてください
YouTubeで利用できる素晴らしいコースのリストは、間違いなく100％無料である必要があります。
機械学習の紹介-YouTubeプレイリスト（スタンフォード）
ディープラーニングの紹介-YouTubeプレイリスト（MIT）
ディープラーニングの専門化-YouTubeプレイリスト（deeplearning.ai）
ディープラーニング（Pytorchを使用）-Nyu、Yann Lecun
MITディープラーニング - レックスフリッドマンの最新のディープラーニングコース
記事を読んでください
多くの記事を読んでください
これは、あなたが間違いなく読むべきであり、100％無料であるオンラインで入手可能な素晴らしい記事のリストです。メディアは、AIまたはデータサイエンス出版物に向けて、素晴らしい説明を見つけるのに最適な場所です。私もそこで自分の記事を共有しており、プラットフォームを使用するのが大好きです。これがあなたにとって興味深いように聞こえるなら、そしてあなたが私を同時にサポートしたい場合は、ここで私の提携リンクを使用してMediumを購読することができます！
- 2022年にAIを開始 - 無料で、Nothingの専門家になりましょう！ - ルイ・ブシャール
- 5 Pythonで機械学習とデータサイエンスを学ぶための5つの初心者向けのステップ-DanielBourke
- 機械学習とは何ですか？ - ロベルト・イリオド
- 初心者向けの機械学習：ニューラルネットワークの紹介-Victor Zhou
- ニューラルネットワークの初心者ガイド - トーマスデイビス
- ニューラルネットワークの理解 - プリンスカヌマ
- 新しいMILA学生の読書リスト - 匿名
- 80/20 AIリーディングリスト-Vishal Maini
本を読んでください
いくつかの本を読んでください
読書パスを好む人々のために読むべき素晴らしい本がいくつかあります。
- 生産用のLLMの構築：AIに向かって、プロンプト、微調整、およびぼろきれによるLLMの能力と信頼性の向上。 「迅速なエンジニアリング、微調整、検索の生成など、大規模な言語モデルを実際のアプリケーションに適応させるための主要な技術スタックを発見してください。」 （または、ここで電子書籍を入手してください。あなたは私をすてきな割引のためにdmすることができます！）
- ディープラーニングブック - オンラインで無料
- ディープラーニングに飛び込みます - オンラインで無料
- 確率的機械学習：はじめに - オンラインで無料
- 人工知能：現代のアプローチ - オプション（支払い）
- パターン認識と機械学習 - オプション（支払い）
- Pythonを使用したディープラーニング - オプション（支払い）
- 機械学習の理解：理論からアルゴリズムまで-Shai Shalev -ShwartzとShai Ben -David -Free Online
あなたの数学の背景を構築するための素晴らしい本：
- 機械学習のための数学 - オンラインで無料
- 統計学習の要素 - オプション（支払い）
- 統計的推論 - オプション（支払い）
完全な微積分の背景：
- Calculus：概念とコンテキスト - オプション（支払い）
- 単一変数計算：概念とコンテキスト - オプション（支払い）
- 多変数計算：概念とコンテキスト - オプション（支払い）
これらの本は完全にオプションですが、理論をよりよく理解し、ニューラルネットワークのコーディングについていくつかのことを教えてくれます！
MLの数学の背景はありませんか？これをチェックしてください！
MLの数学の背景はありませんか？これをチェックしてください！
人生のほとんどのことと同じように、あなたは数学を学ぶことができます！機械学習数学に入るための優れた初心者と高度なリソースを以下に示します。機械学習におけるこれらの3つの非常に重要な概念から始めることをお勧めします（Khan Academyで利用できる3つの素晴らしい無料コースを以下に示します）：
- 線形代数 - カーンアカデミー
- 統計と確率 - カーンアカデミー
- 多変量計算 - カーンアカデミー
ここに、より「構造化されたアプローチ」で学ぶのに役立つかもしれない素晴らしい無料の本やビデオがあります。
- MathematicalMonk -YouTube
- 機械学習のための数学 - ギャレット・トーマス
- 統計学習の紹介：Rのアプリケーション（統計のスプリンガーテキスト） - Gareth James、Daniela Witten、Trevor Hastie、Robert Tibshirani
まだ数学的な自信がない場合は、上記の本のセクションをチェックしてください。そこでは、強力な数学的背景を構築するために多くの素晴らしい本を共有しました。これで、機械学習のための非常に良い数学の背景があり、より深く飛び込む準備ができています！
コーディングの背景はなく、問題ありません
コーディングの背景はなく、問題ありません
これは、機械学習のプログラミング側を学ぶためのいくつかの優れたコースのリストです。
- Pythonを使用した実用的な機械学習チュートリアル - 無料のYouTubePythonはじめに
- Pythonを学ぶ-Pythonを学ぶための無料のインタラクティブなチュートリアル
- データ分析のためのPythonの基本を学ぶ - openclassroomsの無料コース
- データサイエンスのPythonとRの開始 - 無料
- Pythonを使用した機械学習| Coursera -IBM-オプション（支払い）
- データサイエンスのPythonの紹介 - このPython for Data Scienceコースでは、学生はコアPythonの概念を学び、16週間の学習プログラム（支払い、オプション）でデータサイエンスに関連する言語を使用します。
- 100のnumpyエクササイズ - numpyメーリングリスト、スタックオーバーフロー、およびnumpyドキュメントで収集された演習のコレクション。
- シェルチュートリアル - Unixシェルの使用を学びましょう！開発者とAIの実践者にとっては必須です。
Louis Bouchard Podcastをチェックして、フィールドの専門家とのインタビューの形でAIコンテンツを増やしてください！招待されたAIの専門家と私は、AIに関連する特定のトピック、サブフィールド、および役割について、それを集めるために一生懸命働いた人々から知識を教え、共有します。
オンラインコースをフォローしてください
（オプション）いくつかのオンラインコースをフォローすることにより、より良い理解とよりガイド付き練習を得る
あなたがよりガイドされ、従うべき明確な手順を持っていることを望むなら、これらのコースは最善のコースです。
- ディープラーニング - Yann Lecun-このコースは、深い学習と表現学習の最新のテクニックに関するものです。 - 無料
- 機械学習へのイントロ-Kaggle-機械学習のコアアイデアを学び、最初のモデルを構築します。 - 無料
- すべての人のためにAI / AIで始めましょう - アンドリューng-支払い、オプション
- 機械学習-AndrewNG -Stanford-支払い、オプション
- Pythonを使用したAIプログラミング-CompleteNanodeGree-支払い、オプション
- ディープラーニングの専門化-Andrew NG-支払い、オプション
- Tensorflow（プロフェッショナル証明書） - 支払い、オプション
- AIエンジニアリング-IBM（プロフェッショナル証明書） - 支払い、オプション
- 完全なデータサイエンスブートキャンプ2022-支払い、オプション
- 機械学習 - コーディングなし - 支払い、オプション
- データサイエンストレーニング +業界エクスペリエンス - 経験のある完全なインストラクター主導の16週間のトレーニングプログラム（支払い、オプション）。
- インストラクター主導のオンラインデータサイエンスブートキャンプ - 完全なインストラクター主導の16週学習プログラム（支払い、オプション）。
- Fast.aiのディープラーニングコース - 無料
- CS50- Python（および機械学習）を使用した人工知能の紹介、ハーバードOCW-無料（そして教師にとっても使用可能です！）
- ディープラーニングコース-FrançoisFleuret-このコースは、Pytorchフレームワークの例を備えたディープラーニングの徹底的な紹介です。いくつかの前提条件があります。
特定のアプリケーションの場合：
- UdacityからNanodegreeを取引するためのAI -Paid
- 深い強化学習を学ぶ-UdacityNanodegree-支払われます
- deeplearning.aiによるCourseraの自然言語処理の専門を備えたNLP Proになります。
モデルをオンラインで入手して、世界に見せてください。
- グラデーションコース - 機械学習モデル用のユーザーインターフェイスを作成-FreeCodeCamp-無料
- Googleクラウドに機械学習モデルを展開する方法-DanielBourke-無料
- 機械学習DevOpsエンジニア-UdacityNanodegree -Paid
- AWS Machine Learning Engineer -Udacity nanodegree-有料
練習、練習、練習！
練習が重要です
プログラミングで最も重要なことは練習です。そして、これは機械学習にも当てはまります。実践する個人的なプロジェクトを見つけるのは難しいかもしれません。
幸いなことに、Kaggleが存在します。このウェブサイトには、無料のコース、チュートリアル、競技がたくさんあります。競技会に無料で参加し、データをダウンロードして、問題について読んで、すぐにコーディングとテストを開始できます。勝利の競技会からお金を稼ぐことさえできます。履歴書で持っていることは素晴らしいことです。これは、多くのことを学びながら経験を積むための最良の方法かもしれません。プロジェクトのもう1つの素晴らしい機会は、Udacityの取引コースのAIのような特定のアプリケーションに向けられたコースをフォローすることです。
Kaggleコンペティションのチームを作成して、人々と一緒に学ぶこともできます！コミュニティに参加してチームを見つけ、他の人と学ぶことをお勧めします。それは常に単独よりも優れています。そのための次のセクションをご覧ください。
言語モデル/アプリを構築したいですか？これをチェックしてください（今LLMSで！）！
私は、Natural Language Processing（NLP）（言語を扱うモデル）に焦点を合わせたい人から、NLPタスクの機械学習を厳密に学習したい人からの多くのリクエストがありました。これは、そのニーズに特化したセクションです。幸せなNLP学習！
- 2022年にNLPをマスターするための完全なロードマップ
- deeplearning.aiによるCourseraの自然言語処理の専門を備えたNLP Proになります。
- NLPナノ学位！ - 有料「最先端の自然言語処理技術を学ぶためのスピーチを処理してテキストを分析してください。隠されたマルコフモデルや再発性ニューラルネットワークなどの確率的で深い学習モデルを構築し、音声認識、機械翻訳などのタスクを実行するようコンピューターに教えてください！」
- NLTKブックは、NLP：https：//www.nltk.org/book/の背後にある基本理論について学ぶための無料リソースです
- クイックテキスト分類モデルまたは単語ベクターライザーの構築を目指して、FastTextはモデルをすばやく訓練するのに適したライブラリです。
- Huggingfaceは、現代のNLPモデルを入手する場所であり、それに関する全コースも含まれています。
- Spacyは、NLU、NER、および分類などをトレーニングできるように、生産のNLPに最適です。また、パイプラインにカスタマイズされたステップまたはモデルを追加することもできます。
- プロンプト！プロンプトは、NLP関連のアプリを作成する場合に習得する必要がある新しいスキルです。これは私が貢献している素晴らしいコースであり、促しを教え、特定のモデルにヒントを与えることを意図しています。
トレーニング、微調整、および大規模な言語モデルを使用してください！
- Langchain＆Vector Databases in Production -ActeloopおよびIntel Disruptorイニシアチブと協力してAIに向けて構築した驚くべき無料リソースは、生産におけるLangchain＆Vectorデータベースについて学びます。 「あなたがAIの領域の新人であろうと経験豊富な機械学習愛好家である経験豊富な開発者であろうと、このコースはあなたのために設計されています。私たちの目標は、AIをアクセスしやすく実用的にし、毎日のタスクと仕事の全体的な影響にどのようにアプローチするかを変えることです。」
- 生産用のトレーニングと微調整LLM- AciveloopおよびIntel Disruptor InitiativeとのパートナーシップでAIに向けて構築した驚くべき無料リソースと、生産用のトレーニングと微調整LLMSについて学びます。 「LLMSをゼロから訓練および微調整する方法を学び、中間のPythonの知識と中程度の計算リソースへのアクセスを取得したい場合（場合によっては、Google Colabだけで十分です！）、このコースは、AI、現在の機械学習エンジニアの初心者、学生、およびキャリアを提供するプロが提供することを含め、キャリアを提供することに役立つプロフェッショナルを含む、幅広い視聴者を考えて幅広い視聴者で設計されています。また、AIをよりアクセスしやすく実用的にするために、幅広い産業の大規模な言語モデルを調整します。」
- 初心者から上級LLM開発者まで-AIによる。 「LLMS、プロンプト、ラグ、微調整、エージェントを使用して最初のスケーラブルな製品を構築します！トップ企業が必要とするスキルをマスターし、実際のアプリケーションで独自の高度なLLM MVPを構築します。」
- 生産用のLLMの構築：AIに向かって、プロンプト、微調整、およびぼろきれによるLLMの能力と信頼性の向上。 「迅速なエンジニアリング、微調整、検索の生成など、大規模な言語モデルを実際のアプリケーションに適応させるための主要な技術スタックを発見してください。」 （または、ここで電子書籍を入手してください。あなたは私をすてきな割引のためにdmすることができます！）
より多くのリソース
コミュニティに参加してください！
多くのAI愛好家との不一致サーバー - 一緒に学び、質問をし、Kaggleチームメイトを見つけ、プロジェクトを共有します。
最新のAIニュースを最新の状態に保つことができる不一致サーバー - 最新のAIニュースを最新の状態に保ち、質問をし、プロジェクトを共有してください。
Redditコミュニティをフォローしてください - 質問をし、プロジェクトを共有し、ニュースをフォローしてください。
- 人工的な人工知能
- MachineLearning-機械学習（フィールドの最大のsubreddit）
- DeepLearningPapers-ディープラーニングペーパー
- ComputerVision-画像やビデオから有用な情報を抽出します
- LearnMachineLearning-機械学習を学びます
- 人工能力-AI
- latsestinml-機械学習におけるゲームを変える開発は見逃すべきではありません
チートシートを保存してください！
- 人工知能、機械学習、Pythonに最適なチートシート。
- AI、ニューラルネットワーク、機械学習、ディープラーニング、ビッグデータ用のチートシート-Stefan Kojouharov
- スタンフォードのCS 229の機械学習チートシート-Afshine Amidi＆Shervine Amidi
- 機械学習とPython（および数学）チートシートのチートシート - ロビーアレン
- AIエキスパートロードマップ - スキルセットチェックリストとして使用してください！
フィールドのニュースに従ってください！
機械学習の仕事を見つけてください
- インタビューのヒントとそれらの準備方法でいっぱいの記事からこのセクションを読んでください。
- Nvidia、Zoox（自動運転会社）、D-ID（生成AIスタートアップ）などの専門家と一緒に行ったインタビューシリーズのように、インタビュープロセスがどのように他の人がそれをしたかを見ることで、彼らの準備を改善する方法を学びます。
AI倫理
- 倫理とは何ですか、そしてなぜ彼らは重要なのですか？機械学習版 - fast.aiの創設者であるレイチェルトーマスによる
- ai4people - 優れたAI社会のための倫理的枠組み：機会、リスク、原則、推奨事項-Floridi et al。、2018、AI4People AIの良い社会のAI
- 信頼できるAIのための倫理ガイドライン - 欧州委員会の信頼できるAIのための高レベルの専門家グループ7ポイント。
- ロボティクスとAIの倫理の紹介 - クリストフ・バートネック、クリストフ・リュッジ、アラン・ワグナー、ショーン・ウェールズによる無料の電子書籍。
リストを共有している場合は、Twitter @whats_aiまたはlinkedin @louis bouchardで私にタグを付けてください！
？私の仕事をサポートしたい場合は、このリポジトリのスポンサーを確認できます。
このガイドはまだ定期的に更新されています。
