หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

การแนะนำ

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.

เชื่อมต่อกับฉัน:

@Shanmukh05

ทำไมฉันถึงทำสิ่งนี้?

โลกอินเทอร์เน็ตมีขนาดใหญ่มากดังนั้นจึงเป็นแหล่งข้อมูลในการเรียนรู้สิ่งใหม่ ๆ มีทรัพยากรฟรีและชำระเงินมากมายเพื่อเรียนรู้การเรียนรู้ของเครื่อง มีตัวเลือกมากมายในมือสับสนและยากที่จะเลือกตัวเลือกที่ดีที่สุด (พูดจากประสบการณ์) ดังนั้นฉันได้รวบรวมทรัพยากรที่ดีที่สุดเพื่อเริ่มต้นการเรียนรู้ของเครื่องและทำงานต่อในสาขานี้

ยินดีต้อนรับข้อเสนอแนะและข้อเสนอแนะ :)

ข้อกำหนดเบื้องต้น

  • คณิตศาสตร์
    • พีชคณิตเชิงเส้น
      • รายละเอียด

      18.06 หลักสูตรพีชคณิตเชิงเส้นโดย MIT เป็นหลักสูตรที่ดีที่สุดในการเรียนรู้พื้นฐานของพีชคณิตเชิงเส้น

    • เมทริกซ์พีชคณิต
      • รายละเอียด

      หลักสูตรเมทริกซ์โดย Khan Academy เป็นหลักสูตรที่ดีที่สุดในการเรียนรู้พื้นฐานของพีชคณิตเมทริกซ์

    • ความน่าจะเป็นและสถิติ
      • รายละเอียด

      หลักสูตรสถิติและความน่าจะเป็นโดย Khan Academy เป็นหลักสูตรที่ดีที่สุด

    • แคลคูลัส
      • รายละเอียด

      แคลคูลัสที่แตกต่างเป็นหลักสูตรที่ดีที่สุดในการเรียนรู้พื้นฐานของแคลคูลัสที่แตกต่างกัน

  • พื้นฐานการเขียนโปรแกรม
    • โครงสร้างข้อมูลและอัลกอริทึม
      • รายละเอียด

      6.006 การเข้าสู่อัลกอริทึมเป็นหลักสูตรโดย MIT เพื่อเรียนรู้พื้นฐานของโครงสร้างข้อมูลและอัลกอริทึม

  • ภาษาการเขียนโปรแกรม
    • งูหลาม
      • รายละเอียด

      การสอน Python เป็นสถานที่ที่ดีที่สุดในการเรียนรู้ไวยากรณ์พื้นฐานของ Python

การเรียนรู้ของเครื่องจักร

  • หลักสูตร
    • ความเชี่ยวชาญการเรียนรู้ของเครื่องโดย Andrew NG (หลักสูตรใหม่?): Coursera
    • เครื่องเรียนรู้ AZ: Udemy
  • หนังสือ
    • การจดจำรูปแบบและการเรียนรู้ของเครื่องจักรโดย Christopher Bishop
    • บทนำสู่การเรียนรู้ทางสถิติโดย Gareth M. James, Daniela Witten, Trevor Hastie และ Robert Tibshirani
    • การเรียนรู้ด้วยเครื่องจักรด้วย Scikit-Learn และ Tensorflow โดย Aurelien Geron

การเรียนรู้อย่างลึกซึ้ง

  • หลักสูตร
    • ความเชี่ยวชาญในการเรียนรู้อย่างลึกซึ้งโดย Andrew NG: Coursera
    • การเรียนรู้อย่างลึกซึ้งกับ Pytorch โดย Yann Lecun: YouTube
    • การเรียนรู้ลึกกับ fast.ai โดย Jeremy Howard: fast.ai
  • หนังสือ
    • การเรียนรู้อย่างลึกซึ้งโดย Ian Goodfellow, Yoshua Bengio และ Aaron Courville
    • การเรียนรู้อย่างลึกซึ้งกับ Python โดยFrançois Chollet
    • การเรียนรู้ด้วยเครื่องจักรด้วย Scikit-Learn และ Tensorflow โดย Aurelien Geron
    • ดำดิ่งสู่การเรียนรู้อย่างลึกซึ้งโดยนักวิทยาศาสตร์ของ Amazon

เฟรมเวิร์ก/ห้องสมุด

"ไม่มีการสอน/หลักสูตรดีกว่าเอกสาร :)"

แต่ฉันกำลังแบ่งปันทรัพยากรอื่น ๆ สำหรับห้องสมุดบางแห่งเพื่อเรียนรู้อย่างรวดเร็ว เมื่อใดก็ตามที่คุณติดอยู่ที่ฟังก์ชั่นหรือการใช้งาน เป็นการดีกว่าที่จะอ้างถึง documentation / tutorials / code ที่มีอยู่ในเว็บไซต์ทางการ

    ทำงานกับอาร์เรย์
    • นม
      • รายละเอียด

      Numpy เป็นไลบรารีที่เปิดใช้งาน Numerical Computing ใน Python ในการเรียนรู้ของเครื่องเราทำงานกับอาร์เรย์เสมอ NumPy ช่วยในการใช้งานอาร์เรย์เหล่านี้โดยใช้ฟังก์ชั่นจำนวนมาก

      สิ่งนี้จะช่วยให้คุ้นเคยกับการดำเนินการบ่อยครั้งด้วย NumPy
    การประมวลผลข้อมูลล่วงหน้า
    • ข้อมูลตาราง
      • แพนด้า
        • รายละเอียด

        Pandas เป็นเครื่องมือและเครื่องมือการจัดการโอเพ่นซอร์สที่รวดเร็วมีประสิทธิภาพยืดหยุ่นและใช้งานง่ายซึ่งสร้างขึ้นบนภาษาการเขียนโปรแกรม Python หากต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับการใช้งานและข้อได้เปรียบของแพนด้าเยี่ยมชมแพ็คเกจภาพรวมแพ็คเกจ

        สิ่งนี้จะช่วยให้คุ้นเคยกับการดำเนินการบ่อยครั้งกับแพนด้า
    • ข้อมูลภาพ
      • opencv
        • รายละเอียด

        OpenCV-Python เป็นไลบรารีของการผูก Python ที่ออกแบบมาเพื่อแก้ปัญหาการมองเห็นคอมพิวเตอร์ OpenCV-Python เป็น wrapper Python สำหรับการใช้งาน OpenCV C ++ ดั้งเดิม

        อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน
      • หมอน
        • รายละเอียด

        Python Imaging Library เพิ่มความสามารถในการประมวลผลภาพให้กับล่าม Python ไลบรารีนี้ให้การสนับสนุนรูปแบบไฟล์ที่กว้างขวางการเป็นตัวแทนภายในที่มีประสิทธิภาพและความสามารถในการประมวลผลภาพที่ทรงพลัง

        อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน
    • ข้อมูลข้อความ
      • nltk
        • รายละเอียด

        NLTK เป็นแพลตฟอร์มชั้นนำสำหรับการสร้างโปรแกรม Python เพื่อทำงานกับข้อมูลภาษามนุษย์ ให้บริการทรัพยากร corpora และคำศัพท์มากกว่า 50 รายการเช่น WordNet พร้อมด้วยชุดฟังก์ชั่นการประมวลผลข้อความสำหรับการจำแนกประเภทโทเค็นการเกิดขึ้นการติดแท็กการแยกวิเคราะห์และการใช้เหตุผลเชิงความหมาย

        สิ่งนี้จะช่วยให้คุ้นเคยกับการดำเนินการบ่อยครั้งกับ NLTK
      • เครื่องราง
        • รายละเอียด

        Spacy เป็นไลบรารีซอฟต์แวร์โอเพนซอร์ซสำหรับการประมวลผลภาษาธรรมชาติขั้นสูงซึ่งเขียนในภาษาการเขียนโปรแกรม Python และ Cython

        หลักสูตรนี้โดย Spacy ช่วยในการเริ่มต้นด้วย Spacy
    การสร้างภาพข้อมูล
    • matplotlib
      • รายละเอียด

      Matplotlib เป็นห้องสมุดที่ครอบคลุมสำหรับการสร้างการสร้างภาพข้อมูลแบบคงที่เคลื่อนไหวและโต้ตอบใน Python

      อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน
    • สัตว์ทะเล
      • รายละเอียด

      Seborn เป็นไลบรารีการสร้างภาพข้อมูล Python โดยใช้ Matplotlib มันมีอินเทอร์เฟซระดับสูงสำหรับการวาดกราฟิกทางสถิติที่น่าสนใจและให้ข้อมูล

      อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน อ้างถึงแกลเลอรี่ถึง Knoe เกี่ยวกับแปลงประเภทต่าง ๆ ที่มีอยู่ในทะเล
    • อย่างวางแผน
      • รายละเอียด

      ไลบรารีกราฟ Python ของ Plotly ทำให้กราฟคุณภาพการตีพิมพ์แบบโต้ตอบ ตัวอย่างของวิธีการทำพล็อตบรรทัด, แปลงกระจาย, แผนภูมิพื้นที่, แผนภูมิแท่ง, แถบข้อผิดพลาด, พล็อตกล่อง, ฮิสโตแกรม, ความร้อน, แผนการย่อย, หลายแกน, แผนภูมิขั้วโลกและแผนภูมิฟอง

    การเรียนรู้ของเครื่องจักร
    • Scikit-learn
      • รายละเอียด

      Scikit-Learn เป็นไลบรารีการเรียนรู้ของเครื่องซอฟต์แวร์ฟรีสำหรับภาษาการเขียนโปรแกรม Python มันมีอัลกอริ classification regression และ clustering algorithms ต่างๆ มันถูกออกแบบมาเพื่อทำงานร่วมกันกับ Libraries ตัวเลขและวิทยาศาสตร์ Python Numpy และ Scipy

      อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน

      บทนำสู่ ML ด้วย Scikit-Learn และ 50 เคล็ดลับ Scikit-learn เป็นหลักสูตรที่ดีที่สุดที่มีให้โดย Data School เพื่อเรียนรู้ Scikit-Learn

    การเรียนรู้อย่างลึกซึ้ง
    • Fast.ai
      • รายละเอียด

      Fastai เป็นห้องสมุดการเรียนรู้อย่างลึกซึ้งซึ่งให้ผู้ฝึกสอนที่มีส่วนประกอบระดับสูงซึ่งสามารถให้ผลลัพธ์ที่ทันสมัยในโดเมนการเรียนรู้เชิงลึกมาตรฐานและให้นักวิจัยมีส่วนประกอบระดับต่ำที่สามารถผสมและจับคู่เพื่อสร้างวิธีการใหม่ ตรวจสอบเกี่ยวกับหน้าสำหรับข้อมูลเพิ่มเติม

      อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน
    • pytorch
      • รายละเอียด

      Pytorch เป็นกรอบการเรียนรู้อย่างลึกซึ้งที่พัฒนาโดย Meta ซึ่งช่วยให้การทดลองที่รวดเร็วมีความยืดหยุ่นและการผลิตที่มีประสิทธิภาพผ่านส่วนหน้าง่ายการฝึกอบรมแบบกระจายและระบบนิเวศของเครื่องมือและห้องสมุด

      อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน
    • เทนเซอร์โฟลว์
      • รายละเอียด

      Tensorflow เป็นกรอบการเรียนรู้ที่พัฒนาโดย Google เป็นห้องสมุดซอฟต์แวร์ฟรีและโอเพ่นซอร์สสำหรับการเรียนรู้ของเครื่องและปัญญาประดิษฐ์ สามารถใช้งานได้ในช่วงของงาน แต่มีความสำคัญเป็นพิเศษในการฝึกอบรมและการอนุมานของเครือข่ายประสาทลึก

      อ้างถึงแบบฝึกหัดอย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติมและการใช้งาน

อะไรต่อไป?

  • การแข่งขัน
    • Kaggle
      • รายละเอียด

      Kaggle เป็นชุมชนข้อมูลที่ยิ่งใหญ่ที่สุด Sceince ซึ่งสามารถแบ่งปันงานของพวกเขาอนุภาคในการแข่งขันเรียนรู้จากหลักสูตรฟรีและอีกมากมาย

      หากต้องการออกจาก Kaggle ให้มากขึ้นให้เข้าร่วมการแข่งขันใด ๆ ที่อยู่ในความสนใจของคุณ การแข่งขันแบ่งออกเป็น 3 ประเภท Tabular , Computer Vision , NLP หากไม่มีการแข่งขันใด ๆ ที่พยายามแข่งขันที่ผ่านมาซึ่งคุณสนใจ หากคุณติดอยู่ที่จุดใด ๆ ให้อ้างอิงสมุดบันทึก / โพสต์ที่ใช้งานได้สาธารณะในฟอรัมสนทนา มีจำนวนชุดข้อมูลที่มีอยู่ใน Kaggle คุณยังสามารถดาวน์โหลดชุดข้อมูลและเริ่มโครงการของคุณเอง

    • การแข่งขัน ML

      • เว็บไซต์นี้มีรายการการแข่งขัน ML อย่างต่อเนื่องในแพลตฟอร์มต่างๆ

    • รายการแพลตฟอร์ม ML Hackathon

      • บล็อกนี้เขียนโดย Vetrivel PS มีรายการแพลตฟอร์มการแข่งขันด้านวิทยาศาสตร์ข้อมูล

  • วิจัย
    • เอกสารที่มีรหัส
      • รายละเอียด

      Papers with Code เป็นทรัพยากรฟรีและเปิดพร้อมเอกสารการเรียนรู้ของเครื่องรหัสชุดข้อมูลวิธีการและตารางการประเมินผล

      ทุกอย่างใน PWC แบ่งออกเป็นหมวดหมู่ซึ่งทำให้ง่ายต่อการได้รับกระดาษโดยเฉพาะ ไปที่หมวดหมู่ / ฟิลด์ที่คุณสนใจ ( Browse State-of-the-Art ) เลือกกระดาษใด ๆ ตามชุดข้อมูลมาตรฐาน / ที่ใช้งานมากที่สุด / ไลบรารี นอกจากนี้คุณยังสามารถค้นหาการใช้งานรหัสในกรอบต่างๆ

      อ่านกระดาษ ใช้อัลกอริทึม/โมเดลด้วยเฟรมเวิร์กที่คุณชื่นชอบ ฝึกอบรมด้วยข้อมูลจำลองเพื่อตรวจสอบ เป็นวิธีที่ดีที่สุดในการวิจัย

ทรัพยากรอื่น ๆ

  • ช่อง YouTube

    • Andrej Karpathy

    • กฤษณะ

    • Statquest กับ Josh Starmer

    • 3blue1brown

    • Deeplearningai

    • ไฟแนนเชี่ยลฟริดแมน

    • Yannic Kilcher

    • Henry Ai Labs

    • AI คืออะไร

    • Daniel Bourke

    • เทนเซอร์โฟลว์

    • Deeplizard

    • Aladdin Persson

    • Digital Sreeni

  • บล็อก

    • AI Summer

    • กลั่น

    • Google AI

    • Meta AI

    • เปิด AI

    • การเรียนรู้ของเครื่อง AWS

    • บล็อก Microsoft AI

    • lil'log

    • แฮ็คทุกสัปดาห์

    • deepwizai

    • aman.ai

  • งานวิจัย

    • เอกสารที่มีรหัส

    • arxiv

    • ความมีสติปัญญา

    • scihub

  • ชุดข้อมูล

    • Kaggle

    • เอกสารที่มีรหัส

    • เปิด ML

  • การบรรยายของมหาวิทยาลัย

    • CS231N: การมองเห็นคอมพิวเตอร์

    • CS224N: การประมวลผลภาษาธรรมชาติ

    • CS224W: การเรียนรู้ของเครื่องด้วยกราฟ

    • CS285: การเรียนรู้การเสริมแรง

    • LLM-Course: รวบรวมทรัพยากรเพื่อเรียนรู้เกี่ยวกับ LLMS

  • จดหมายข่าว

    • deeplearning.ai

    • สัญญาณอัลฟ่า: การย่อยรายสัปดาห์สำหรับนักวิจัยและวิศวกรของ AI

    • เอกสารที่มีรหัส

    • AI คืออะไร

    • เอกสาร ML ชั้นนำของ Dair.ai ประจำสัปดาห์

    • ปริมาณวิทยาศาสตร์ข้อมูลรายวัน

  • ผู้คน/หน้าเพื่อติดตาม
    • LinkedIn
    • Twitter
    • ปานกลาง
  • GPU เมฆ

    • ไซต์นี้มีรายการ GPU คลาวด์ที่มีอยู่ทั้งหมดและราคาของพวกเขา

  • เข้าร่วมชุมชนเหล่านี้

    • Yannic Kilcher (Discord)

    • Cord.ai (หย่อน)

    • MLSPACE: ชุมชนการเรียนรู้ของเครื่อง (Abhishek Thakur) (Discord)

ทรัพยากรขั้นสูง

  • น้ำหนักและอคติ: โมเดลรถไฟและปรับแต่งจัดการแบบจำลองตั้งแต่การทดลองไปจนถึงการผลิต

  • Hugging Face: แพลตฟอร์มที่ชุมชนการเรียนรู้ของเครื่องทำงานร่วมกันในแบบจำลองชุดข้อมูลและแอปพลิเคชัน

  • Pytorch Lightning: Pytorch Lightning เป็นกรอบการเรียนรู้ที่ลึกล้ำสำหรับนักวิจัย AI มืออาชีพและวิศวกรการเรียนรู้ของเครื่องจักรที่ต้องการความยืดหยุ่นสูงสุดโดยไม่ต้องเสียสละประสิทธิภาพในระดับ

  • ไลบรารี Automl: Pycaret, H2O Automl, Autokeras, Flaml

  • การปรับใช้ [ผู้เริ่มต้น]: Flask, Streamlit

  • Langchain: Langchain เป็นกรอบที่ออกแบบมาเพื่อทำให้การสร้างแอปพลิเคชันง่ายขึ้นโดยใช้แบบจำลองภาษาขนาดใหญ่

ประวัติดาว

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด