ML курсы YouTube
В Dair.ai мы ❤ Открытое образование в области ИИ. В этом репо, мы индексируем и организуем некоторые из лучших и последних курсов машинного обучения, доступных на YouTube.
Машинное обучение
- CalTech CS156: обучение на данных
- Стэнфорд CS229: машинное обучение
- Подружиться с машинным обучением
- Прикладное машинное обучение
- Введение в машинное обучение (Тюбинген)
- Лекция машинного обучения (Stefan Harmeling)
- Статистическое машинное обучение (Тюбинген)
- Вероятностное машинное обучение
- MIT 6.S897: машинное обучение для здравоохранения (2019)
Глубокое обучение
- Нейронные сети: ноль для героя
- MIT: глубокое обучение для искусства, эстетики и творчества
- Стэнфорд CS230: глубокое обучение (2018)
- Введение в глубокое обучение (MIT)
- CMU Введение в глубокое обучение (11-785)
- Глубокое обучение: CS 182
- Глубокое обучение без присмотра
- NYU Deep Learning SP21
- Фонд -модели
- Глубокое обучение (Тюбинген)
Научное машинное обучение
- Параллельные вычисления и научное машинное обучение
Практическое машинное обучение
- LLMOPS: Создание реальных приложений с большими языковыми моделями
- Оценка и отладка генеративного ИИ
- CHATGPT приглашенная инженерия для разработчиков
- Langchain для разработки приложений LLM
- Langchain: Общайтесь со своими данными
- Строительные системы с API CATGPT
- Базы данных Langchain & Vector в производстве
- Здание приложения LLM
- Полный стек LLM Bootcamp
- Полное стек глубокое обучение
- Практическое глубокое обучение для кодеров
- Стэнфордские семинары MLSYS
- Машиностроение машинного обучения для производства (MLOPS)
- MIT Введение в AI-ориентированный на данные
Обработка естественного языка
- XCS224U: Понимание естественного языка (2023)
- Стэнфорд CS25 - Transformers United
- Курс NLP (обнимающееся лицо)
- CS224N: обработка естественного языка с глубоким обучением
- Нейронные сети CMU для NLP
- CS224U: Понимание естественного языка
- CMU Advanced NLP 2021/2022/2024
- Многоязычный NLP
- Advanced NLP
Компьютерное зрение
- CS231N: сверточные нейронные сети для визуального распознавания
- Глубокое обучение для компьютерного видения
- Глубокое обучение для компьютерного зрения (DL4CV)
- Глубокое обучение для компьютерного зрения (Neuralearn.ai)
Подкрепление обучения
- Глубокое обучение
- Серия лекций по подкреплению (DeepMind)
- Учебное обучение (Политехника Монреаль, осень 2021 г.)
- Основы Deep RL
- Стэнфорд CS234: обучение подкреплению
Графическое машинное обучение
- Машинное обучение с графиками (Стэнфорд)
- Амми геометрический курс глубокого обучения
Многозадачное обучение
- Многозадачный и мета-обучение (Стэнфорд)
Другие
- MIT глубокое обучение в науках о жизни
- Автомобили с самостоятельным управлением (Тюбинген)
- Advanced Robotics (Беркли)
CalTech CS156: обучение на данных
Вводной курс по машинному обучению, который охватывает основную теорию, алгоритмы и приложения.
- Лекция 1: Проблема обучения
- Лекция 2: осуществимо ли обучение?
- Лекция 3: Линейная модель I
- Лекция 4: Ошибка и шум
- Лекция 5: Обучение по сравнению с тестированием
- Лекция 6: Теория обобщения
- Лекция 7: измерение VC
- Лекция 8: компромисс с уклончикой.
- Лекция 9: Линейная модель II
- Лекция 10: Нейронные сети
- Лекция 11: переосмысление
- Лекция 12: регуляризация
- Лекция 13: Валидация
- Лекция 14:
- Лекция 15: Методы ядра
- Лекция 16: Радиальные базисные функции
- Лекция 17: три принципа обучения
- Лекция 18: Эпилог
? Ссылка на курс
Стэнфорд CS229: машинное обучение
Чтобы узнать некоторые основы ML:
- Линейная регрессия и градиент спуск
- Логистическая регрессия
- Наивный Байес
- SVMS
- Ядра
- Деревья решений
- Введение в нейронные сети
- Отладка моделей ML ...
? Ссылка на курс
Подружиться с машинным обучением
Серия мини -лекций, охватывающих различные вступительные темы в ML:
- Объяснение в ИИ
- Классификация против регрессии
- Прецессия против отзывания
- Статистическая значимость
- Кластеризация и K-средние
- Ансамблевые модели ...
? Ссылка на курс
Нейронные сети: ноль для героя (от Андрея Карпати)
Курс, предоставляющий углубленный обзор нейронных сетей.
- Обратное распространение
- Записанное вступление в языковое моделирование
- Активация и градиенты
- Стать ниндзя обработка
? Ссылка на курс
MIT: глубокое обучение для искусства, эстетики и творчества
Охватывает применение глубокого обучения для искусства, эстетики и творчества.
- Ностальгия -> art -> творчество -> эволюция как данные + направление
- Эффективные ганс
- Исследования в ИИ для творчества
- Нейронные абстракции
- Легкое трехмерное создание контента с последовательными нейронными полями ...
? Ссылка на курс
Стэнфорд CS230: глубокое обучение (2018)
Охватывает основы глубокого обучения, как построить различные нейронные сети (CNNS, RNNS, LSTMS и т. Д.), Как руководить проектами машинного обучения, и советы по карьере для практиков глубокого обучения.
- Глубокое обучение интуиции
- Состязательные примеры - Ганс
- Полный цикл проекта глубокого обучения
- ИИ и здравоохранение
- Стратегия глубокого обучения
- Интерпретируемость нейронных сетей
- Консультации по карьере и чтение исследований
- Глубокое обучение
? Ссылка на курс? Ссылка на материалы
Прикладное машинное обучение
Чтобы узнать некоторые из наиболее широко используемых методов в ML:
- Оптимизация и исчисление
- Переживание и недооценка
- Регуляризация
- Оценка Монте -Карло
- Максимальное вероятность обучения
- Ближайшие соседи
- ...
? Ссылка на курс
Введение в машинное обучение (Тюбинген)
Курс служит основным введением в машинное обучение и охватывает ключевые понятия в регрессии, классификации, оптимизации, регуляризации, кластеризации и уменьшении размерности.
- Линейная регрессия
- Логистическая регрессия
- Регуляризация
- Повышение
- Нейронные сети
- ПКА
- Кластеризация
- ...
? Ссылка на курс
Лекция машинного обучения (Stefan Harmeling)
Охватывает многие фундаментальные концепции ML:
- Байестное правило
- От логики до вероятностей
- Распределения
- Матричное дифференциальное исчисление
- ПКА
- K-Means и Em
- Причинность
- Гауссовые процессы
- ...
? Ссылка на курс
Статистическое машинное обучение (Тюбинген)
Курс охватывает стандартные парадигмы и алгоритмы в статистическом машинном обучении.
- Кни
- Байесовская теория решений
- Выпуклая оптимизация
- Линейная регрессия и хребта
- Логистическая регрессия
- SVM
- Случайные леса
- Повышение
- ПКА
- Кластеризация
- ...
? Ссылка на курс
Практическое глубокое обучение для кодеров
Этот курс охватывает такие темы, как как:
- Создание и обучение моделей глубокого обучения для компьютерного зрения, обработки естественного языка, табличного анализа и совместной фильтрации.
- Создать случайные леса и регрессионные модели
- Развернуть модели
- Используйте Pytorch, самое быстрорастущее в мире программное обеспечение для глубокого обучения, а также популярные библиотеки, такие как Fastai и обнимающее лицо
- Фонды и глубокое погружение в модели диффузии
- ...
? Ссылка на курс - часть 1
? Ссылка на курс - часть 2
Стэнфордские семинары MLSYS
Серия семинаров по всем видам тем, связанных с системами строительного машинного обучения.
? Ссылка на лекции
Машиностроение машинного обучения для производства (MLOPS)
Курс специализации на MLOPS Эндрю Нг.
? Ссылка на лекции
MIT Введение в AI-ориентированный на данные
Охватывает развивающуюся науку искусственного ИИ, ориентированного на данные (DCAI), которая изучает методы улучшения наборов данных, что часто является лучшим способом повышения производительности в практических приложениях ML. Темы включают:
- ИИ-ориентированный на данные и модельный ИИ, ориентированный на модель
- Ошибки маркировки
- Создание и курирование наборов данных
- Оценка ориентированной на данные моделей ML
- Дисбаланс класса, выбросы и сдвиг распределения
- ...
? Веб -сайт курса
? Лекционные видеоролики
? Лабораторные задания
Машинное обучение с графиками (Стэнфорд)
Чтобы узнать некоторые из последних методов графика в машинном обучении:
- PageRank
- Матрица Факторизация
- Узел встраивания
- График нейронные сети
- Графики знаний
- Глубокие генеративные модели для графиков
- ...
? Ссылка на курс
Вероятностное машинное обучение
Чтобы узнать вероятностную парадигму ML:
- Рассуждения о неопределенности
- Непрерывные переменные
- Выборка
- Цепочка Марков Монте -Карло
- Гауссовые распределения
- Графические модели
- Алгоритмы настройки
- ...
? Ссылка на курс
MIT 6.S897: машинное обучение для здравоохранения (2019)
Этот курс знакомит студентов с машинным обучением в здравоохранении, включая природу клинических данных и использование машинного обучения для стратификации риска, моделирования прогрессирования заболевания, точной медицины, диагностики, открытия подтипа и улучшения клинических рабочих процессов.
? Ссылка на курс
Введение в глубокое обучение
Чтобы узнать некоторые основы глубокого обучения:
- Введение в глубокое обучение
? Ссылка на курс
CMU Введение в глубокое обучение (11-785)
Курс постепенно начинается с MLP (многослойные персептроны), а затем переходит в такие понятия, как модели внимания и последовательность в последовательности.
? Ссылка на курс
? Лекции
? Учебные пособия/чтения
Глубокое обучение: CS 182
Чтобы узнать некоторые широко используемые методы в глубоком обучении:
- Основы машинного обучения
- Анализ ошибок
- Оптимизация
- Обратное распространение
- Инициализация
- Нормализация партии
- Стиль перенос
- Имитационное обучение
- ...
? Ссылка на курс
Глубокое обучение без присмотра
Чтобы узнать новейшие и наиболее широко используемые методы в глубоком неконтролируемом обучении:
- Авторегрессивные модели
- Модели потока
- Скрытые переменные модели
- Самоотверженное обучение
- Неявные модели
- Сжатие
- ...
? Ссылка на курс
NYU Deep Learning SP21
Чтобы узнать некоторые передовые методы в глубоком обучении:
- Нейронные сети: вращение и разжигание
- Модели скрытой переменной энергии на основе энергии
- Неконтролируемое обучение
- Генеративные состязательные сети
- Автокодеры
- ...
? Ссылка на курс
Фонд -модели
Чтобы узнать о базовых моделях, таких как GPT-3, Clip, Flamingo, Codex и Dino.
? Ссылка на курс
Глубокое обучение (Тюбинген)
Этот курс представляет практические и теоретические принципы глубоких нейронных сетей.
- Графики вычислений
- Функции активации и функции потерь
- Обучение, регуляризация и увеличение данных
- Основные и современные архитектуры глубоких нейронных сети, включая сверточные сети и нейронные сети графиков
- Глубокие генеративные модели, такие как автообороды, вариационные автообороды и генеративные состязательные сети
- ...
? Ссылка на курс
Параллельные вычисления и научное машинное обучение
- Основы научных симуляторов
- Введение в параллельные вычисления
- Непрерывная динамика
- Обратные проблемы и дифференцируемое программирование
- Распределенные параллельные вычисления
- Физико-информированные нейронные сети и нейронные дифференциальные уравнения
- Вероятностное программирование, ака байесовская оценка программ
- Глобализация понимания моделей
? Ссылка на курс
XCS224U: Понимание естественного языка (2023)
Этот курс охватывает такие темы, как:
- Контекстуальные представления слов
- Поиск информации
- Внутреннее обучение
- Поведенческая оценка моделей NLU
- Методы и метрики НЛП
- ...
? Ссылка на курс
Стэнфорд CS25 - Transformers United
Этот курс состоит из лекций, ориентированных на трансформаторы, обеспечивая глубокое погружение и их приложения
- Введение в трансформаторы
- Трансформеры на языке: GPT-3, Codex
- Приложения в видении
- Трансформеры в RL & Universal Compute Engines
- Масштабирование трансформаторов
- Интерпретируемость с трансформаторами
- ...
? Ссылка на курс
Курс NLP (обнимающееся лицо)
Узнайте о различных концепциях NLP и о том, как применять языковые модели и трансформаторы к NLP:
- Что такое переносное обучение?
- Токенизация BPE
- Пакетные входы
- Модели с тонкой настройкой
- Текст встроения и семантический поиск
- Оценка модели
- ...
? Ссылка на курс
CS224N: обработка естественного языка с глубоким обучением
Чтобы узнать последние подходы для NLP на основе глубокого обучения:
- Расположение зависимости
- Языковые модели и RNN
- Ответ на вопрос
- Трансформеры и предварительная подготовка
- Генерация естественного языка
- T5 и крупные языковые модели
- Будущее NLP
- ...
? Ссылка на курс
Нейронные сети CMU для NLP
Чтобы узнать новейшие методы на основе нейронной сети для NLP:
- Языковое моделирование
- Эффективность трюки
- Кондиционированное поколение
- Структурированный прогноз
- Модель интерпретация
- Усовершенствованные алгоритмы поиска
- ...
? Ссылка на курс
CS224U: Понимание естественного языка
Чтобы узнать последние концепции в понимании естественного языка:
- Обоснованное понимание языка
- Извлечение отношений
- Вывод естественного языка (NLI)
- NLU и нейронная добыча информации
- Состязательное тестирование
- ...
? Ссылка на курс
CMU Advanced NLP
Чтобы узнать:
- Основы современных методов НЛП
- Многозадачное, многодоменное, многоязычное обучение
- Подсказка + последовательность к последовательности перед тренировкой
- Интерпретация и отладка моделей НЛП
- Учиться на базах знаний
- Состязательное обучение
- ...
? Ссылка на издание 2021 года
? Ссылка на издание 2022 года
? Ссылка на издание 2024 года
Многоязычный NLP
Чтобы узнать последние концепции для выполнения многоязычного NLP:
- Типология
- Слова, часть речи и морфология
- Расширенная классификация текста
- Машинный перевод
- Увеличение данных для MT
- Низкий ресурс ASR
- Активное обучение
- ...
? Ссылка на курс 2020
? Ссылка на курс 2022 года
Advanced NLP
Чтобы выучить передовые концепции в NLP:
- Механизмы внимания
- Трансформеры
- БЕРТ
- Ответ на вопрос
- Модель дистилляции
- Видение + язык
- Этика в NLP
- Общее рассуждение
- ...
? Ссылка на курс
CS231N: сверточные нейронные сети для визуального распознавания
Знаменитый курс CS231N Стэнфорда. Видео доступны только для весеннего семестра 2017 года. Курс в настоящее время известен как глубокое обучение для компьютерного зрения, но версия весны 2017 года называется сверточными нейронными сетями для визуального распознавания.
- Классификация изображений
- Функции потерь и оптимизация
- Введение в нейронные сети
- Сверточные нейронные сети
- Обучение нейронных сетей
- Программное обеспечение для глубокого обучения
- CNN Архитектуры
- Повторяющиеся нейронные сети
- Обнаружение и сегментация
- Визуализация и понимание
- Генеративные модели
- Глубокое обучение
? Ссылка на курс? Ссылка на материалы
Глубокое обучение для компьютерного видения
Чтобы узнать некоторые фундаментальные концепции в резюме:
- Введение в глубокое обучение для резюме
- Классификация изображений
- Сверточные сети
- Сети внимания
- Обнаружение и сегментация
- Генеративные модели
? Ссылка на курс
Глубокое обучение для компьютерного зрения (DL4CV)
Чтобы изучить современные методы для компьютерного зрения:
- CNNS
- Advanced Pytorch
- Понимание нейронных сетей
- Rnn, внимание и виды
- Генеративные модели
- Основы графического процессора
- Самоотверждение
- Нейронное рендеринг
- Эффективные архитектуры
? Ссылка на курс
Глубокое обучение для компьютерного зрения (Neuralearn.ai)
Чтобы изучить современные методы для компьютерного зрения:
- Самоотверженное обучение
- Нейронное рендеринг
- Эффективные архитектуры
- Операции машинного обучения (MLOPS)
- Современные сверточные нейронные сети
- Трансформеры в зрения
- Модель развертывания
? Ссылка на курс
Амми геометрический курс глубокого обучения
Чтобы узнать о концепциях в геометрическом глубоком обучении:
- Обучение в высоких измерениях
- Геометрические априоры
- Сетки
- Коллекторы и сетки
- Последовательности и деформация времени
- ...
? Ссылка на курс
Глубокое обучение
Чтобы узнать последние концепции в Deep RL:
- Вступление в RL
- Алгоритмы RL
- Реальное последовательное принятие последовательных решений
- Контролируемое изучение поведения
- Глубокое имитационное обучение
- Функции стоимости и функции вознаграждения
- ...
? Ссылка на курс
Серия лекций по подкреплению (DeepMind)
Серия лекций глубокого обучения - это сотрудничество между DeepMind и Центром искусственного интеллекта UCL.
- Введение в RL
- Динамическое программирование
- Без модели алгоритмы
- Глубокое обучение
- ...
? Ссылка на курс
LLMOPS: Создание реальных приложений с большими языковыми моделями
Научитесь создавать современное программное обеспечение с LLMS, используя новейшие инструменты и методы в этой области.
? Ссылка на курс
Оценка и отладка генеративного ИИ
Вы узнаете:
- Инструмент The Jupyter Notebbook
- Управление конфигурацией гиперпараметра
- Метрики Log Run
- Соберите артефакты для наборов данных и модельных версий
- Результаты журнала эксперимента
- Следы подсказки и ответы для LLMS
- ...
? Ссылка на курс
CHATGPT приглашенная инженерия для разработчиков
Узнайте, как использовать большую языковую модель (LLM), чтобы быстро построить новые и мощные приложения.
? Ссылка на курс
Langchain для разработки приложений LLM
Вы узнаете:
- Модели, подсказка и анализаторы
- Воспоминания для LLMS
- Цепочки
- Ответ на вопросы над документами
- Агенты
? Ссылка на курс
Langchain: Общайтесь со своими данными
Вы узнаете о:
- Загрузка документа
- Документ расщепление
- Векторные магазины и встраивание
- Поиск
- Ответ на вопрос
- Чат
? Ссылка на курс
Строительные системы с API CATGPT
Узнайте, как автоматизировать сложные рабочие процессы, используя цепные вызовы в большую языковую модель.
? Ссылка на курс
Базы данных Langchain & Vector в производстве
Узнайте, как использовать Langchain и Vector DBS в производстве:
- LLMS и Langchain
- Узнав, как запрашивать
- Сохранение знаний, организованных с помощью индексов
- Объединение компонентов вместе с цепями
- ...
? Ссылка на курс
Здание приложения LLM
Узнайте, как создать приложения LLM с использованием API LLM
- Распаковка APIS LLM
- Создание базового применения LLM
- Улучшение и оптимизация приложений LLM
- ...
? Ссылка на курс
Полный стек LLM Bootcamp
Чтобы узнать, как создавать и развернуть приложения LLM-мощности:
- Научитесь писать: быстрое инженер
- Llmops
- UX для языковых пользовательских интерфейсов
- Дополненные языковые модели
- Запустите приложение LLM за час
- Основы LLM
- Проектное прохождение: Askfsdl
- ...
? Ссылка на курс
Полное стек глубокое обучение
Чтобы изучить производство полного стека глубокое обучение:
- ML Projects
- Инфраструктура и инструменты
- Эксперимент управление
- Устранение неполадок DNNS
- Управление данными
- Маркировка данных
- Мониторинг моделей ML
- Веб -развертывание
- ...
? Ссылка на курс
Введение в глубокое обучение и глубокие генеративные модели
Охватывает фундаментальные концепции глубокого обучения
- Однослойные нейронные сети и градиент спуск
- Многослойные нейронные сети и обратное распространение
- Сверточные нейронные сети для изображений
- Повторяющиеся нейронные сети для текста
- Автокодории, вариационные автоэкологи и генеративные состязательные сети
- Энкодер-декодер повторяющихся нейронных сетей и трансформаторов
- Примеры кода Pytorch
? Ссылка на курс? Ссылка на материалы
Автомобили с самостоятельным управлением (Тюбинген)
Охватывает наиболее доминирующие парадигмы автомобилей с самостоятельным вождением: модульные подходы на основе трубопроводов, а также методы вождения на основе глубокого обучения.
- Камера, лидар и радиолокационное восприятие
- Локализация, навигация, планирование пути
- Моделирование/управление транспортным средством
- Глубокое обучение
- Имитационное обучение
- Подкрепление обучения
? Ссылка на курс
Учебное обучение (Политехника Монреаль, осень 2021 г.)
Разработка автономных систем принятия решений является одной из давних целей искусственного интеллекта. Такие системы принятия решений, если они реализованы, могут оказать большое влияние на машинное обучение на робототехнику, игру в игру, контроль, здравоохранение. Этот курс вводит обучение подкреплению в качестве общей основы для разработки таких автономных систем принятия решений.
- Введение в RL
- Многооруженные бандиты
- Методы градиента политики
- Контекстуальные бандиты
- Конечный процесс принятия решений Маркова
- Динамическое программирование
- Итерация политики, итерация ценности
- Монте -Карло Методы
- ...
? Ссылка на курс? Ссылка на материалы
Основы Deep RL
Мини-серия 6-лета Питер Аббейл.
- MDP, точные методы решения, максимальный RL
- Глубокое Q-обучение
- Градиенты политики и оценка преимуществ
- TRPO и PPO
- DDPG и SAC
- Модель RL
? Ссылка на курс
Стэнфорд CS234: обучение подкреплению
Охватывает темы от основных концепций обучения подкреплению до более продвинутых:
- Марковские процессы решения и планирование
- Бесплатная оценка политики
- Бесплатный контроль
- Подкрепление обучения с аппроксимацией функции и глубоким RL
- Поиск политики
- Исследование
- ...
? Ссылка на курс? Ссылка на материалы
Стэнфорд CS330: глубокое многозадачное и мета-обучение
Это курс уровня выпускника, охватывающий различные аспекты глубокого многозадачного и мета-обучения.
- Многозадачное обучение, основы обучения передачи
- Мета-обучение алгоритмы
- Усовершенствованные темы мета-обучения
- Multi-Task RL, RL, выполненный
- Мета-прикрепление обучения
- Иерархический RL
- Пожизненное обучение
- Открытые проблемы
? Ссылка на курс? Ссылка на материалы
MIT глубокое обучение в науках о жизни
Курс, внедряющий основы ML для применений в геномике и наук о жизни в более широком смысле.
- Интерпретация моделей ML
- Доступность ДНК, промоутеры и усилители
- Регуляция хроматина и генов
- Экспрессия гена, сплайсинг
- РНК-seq, сплайсинг
- Одноклеточное РНК-секвенирование
- Снижение размерности, генетика и вариация
- Открытие наркотиков
- Прогноз структуры белка
- Складывание белка
- Визуализация и рак
- Нейробиология
? Ссылка на курс
? Ссылка на материалы
Advanced Robotics: UC Berkley
Это, курс, от Питера Аббела и охватывает обзор обучения подкреплению и продолжает применять робототехнику.
- MDP: точные методы
- Дискретизация непрерывных пространственно -пространства MDP
- Функция аппроксимации / представления на основе функций
- LQR, итеративное LQR / дифференциальное динамическое программирование
- ...
? Ссылка на курс? Ссылка на материалы
Обратитесь в Twitter, если у вас есть какие -либо вопросы.
Если вы заинтересованы в том, чтобы внести свой вклад, не стесняйтесь открывать пиар со ссылкой на курс. Это займет немного времени, но у меня есть планы сделать много вещей с этими отдельными лекциями. Мы можем суммировать лекции, включать заметки, предоставить дополнительный материал для чтения, включать в себя сложность контента и т. Д.
Теперь вы можете найти здесь заметки ML.
