เริ่มการเรียนรู้ของเครื่องในปี 2567 - เป็นผู้เชี่ยวชาญฟรี!
คู่มือที่สมบูรณ์ในการเริ่มต้นและปรับปรุงในการเรียนรู้ของเครื่อง (ML), ปัญญาประดิษฐ์ (AI) ในปี 2024 โดยไม่มีพื้นหลังใด ๆ ในสนามและติดตามข่าวสารล่าสุดและเทคนิคล่าสุดและเทคนิคที่ทันสมัย!
คู่มือนี้มีไว้สำหรับทุกคนที่มีศูนย์หรือพื้นหลังเล็ก ๆ ในการเขียนโปรแกรมคณิตศาสตร์และการเรียนรู้ของเครื่อง ไม่มีคำสั่งเฉพาะที่จะติดตาม แต่เส้นทางคลาสสิกจะมาจากบนลงล่าง หากคุณไม่ชอบอ่านหนังสือให้ข้ามไปถ้าคุณไม่ต้องการทำตามหลักสูตรออนไลน์คุณสามารถข้ามไปได้เช่นกัน ไม่มีวิธีเดียวที่จะเป็นผู้เชี่ยวชาญการเรียนรู้ของเครื่องจักรและด้วยแรงจูงใจคุณสามารถบรรลุเป้าหมายได้อย่างแน่นอน
ทรัพยากรทั้งหมดที่ระบุไว้ที่นี่ฟรียกเว้นหลักสูตรออนไลน์และหนังสือบางเล่มซึ่งแนะนำสำหรับความเข้าใจที่ดีขึ้นอย่างแน่นอน แต่เป็นไปได้ที่จะเป็นผู้เชี่ยวชาญโดยไม่มีพวกเขาโดยใช้เวลามากขึ้นในการอ่านวิดีโอและการฝึกฝนออนไลน์ เมื่อพูดถึงการจ่ายหลักสูตรลิงก์ในคู่มือนี้เป็นลิงค์ในเครือ กรุณาใช้พวกเขาหากคุณรู้สึกว่ากำลังติดตามหลักสูตรเพราะมันจะสนับสนุนฉัน ขอบคุณและมีความสนุกสนานในการเรียนรู้! โปรดจำไว้ว่านี่ขึ้นอยู่กับคุณอย่างสมบูรณ์และไม่จำเป็น ฉันรู้สึกว่ามันมีประโยชน์สำหรับฉันและอาจเป็นประโยชน์กับผู้อื่นเช่นกัน
อย่ากลัวที่จะทำซ้ำวิดีโอหรือเรียนรู้จากหลายแหล่ง การทำซ้ำเป็นกุญแจสำคัญของความสำเร็จในการเรียนรู้!
ผู้ดูแล: LouisfB01 ยังใช้งานอยู่บน YouTube และเป็น podcaster หากคุณต้องการเห็น/ได้ยินเพิ่มเติมเกี่ยวกับ AI! นอกจากนี้คุณยังสามารถเรียนรู้เพิ่มเติมสัปดาห์ละสองครั้งในจดหมายข่าวส่วนตัวของฉัน! สมัครสมาชิกและรับข่าว AI และการอัปเดตอธิบายอย่างชัดเจน!
อย่าลังเลที่จะส่งข้อความถึงแหล่งข้อมูลที่ยอดเยี่ยมให้ฉันเพิ่มในที่เก็บนี้ที่ [email protected]
แท็กฉันบน Twitter @whats_ai หรือ LinkedIn @louis Bouchard ถ้าคุณแชร์รายการ!
ต้องการทราบว่าคู่มือนี้เกี่ยวกับอะไร? ดูวิดีโอนี้:
- หากคุณต้องการสนับสนุนงานของฉัน คุณสามารถตรวจสอบเพื่อสนับสนุนที่เก็บนี้
สารบัญ
- เริ่มต้นด้วยการแนะนำวิดีโอ YouTube สั้น ๆ
- ทำตามหลักสูตรออนไลน์ฟรีบน YouTube
- อ่านบทความ
- อ่านหนังสือ
- ไม่มีภูมิหลังทางคณิตศาสตร์สำหรับ ML? ลองดูสิ!
- ไม่มีพื้นหลังการเข้ารหัสไม่มีปัญหา
- ทำตามหลักสูตรออนไลน์
- ฝึกฝนการฝึกฝนและฝึกฝน!
- ต้องการสร้างโมเดล/แอพภาษาหรือไม่? ลองดูสิ! (ตอนนี้กับ LLMS!)
- ทรัพยากรเพิ่มเติม (ชุมชน, แผ่นโกง, ข่าวและอื่น ๆ !)
- วิธีหางานเรียนรู้ของเครื่องจักร
- จริยธรรม AI
เริ่มต้นด้วยการแนะนำวิดีโอ YouTube สั้น ๆ
เริ่มต้นด้วยการแนะนำวิดีโอ YouTube สั้น ๆ
นี่เป็นวิธีที่ดีที่สุดในการเริ่มต้นจากความคิดของฉัน ที่นี่ฉันแสดงรายการวิดีโอที่ดีที่สุดที่ฉันพบว่าจะให้คำแนะนำที่ยอดเยี่ยมเป็นครั้งแรกที่คุณต้องรู้เพื่อเริ่มต้นในสนาม
อีก วิธีที่ง่ายในการเริ่มต้นและเรียนรู้ต่อไปคือการฟังพอดคาสต์ ในเวลาว่าง ขับรถไปทำงานบนรถบัสหรือมีปัญหาในการนอนหลับ? ฟังพอดคาสต์ AI บางอย่างเพื่อทำความคุ้นเคยกับคำศัพท์และรูปแบบและเรียนรู้เกี่ยวกับสนามผ่านเรื่องราวที่สร้างแรงบันดาลใจ! ฉันขอเชิญคุณติดตามสิ่งที่ดีที่สุดที่ฉันชอบเองเช่น Lex Fridman, Machine Learning Street Talk, Podcast Space Ladent และเห็นได้ชัดว่าพอดคาสต์ของฉัน: Louis Bouchard Podcast ซึ่งคุณจะได้เรียนรู้เกี่ยวกับผู้คนที่มีความสามารถอย่างไม่น่าเชื่อ
ทำตามหลักสูตรออนไลน์ฟรีบน YouTube
ทำตามหลักสูตรออนไลน์ฟรีบน YouTube
นี่คือรายการหลักสูตรที่ยอดเยี่ยมที่มีอยู่ใน YouTube ที่คุณควรติดตามอย่างแน่นอนและฟรี 100%
รู้เบื้องต้นเกี่ยวกับการเรียนรู้ของเครื่อง - เพลย์ลิสต์ YouTube (Stanford)
บทนำสู่การเรียนรู้ลึก - เพลย์ลิสต์ YouTube (MIT)
ความเชี่ยวชาญการเรียนรู้ลึก - เพลย์ลิสต์ YouTube (deeplearning.ai)
การเรียนรู้ลึก (กับ Pytorch) - NYU, Yann Lecun
MIT Deep Learning-หลักสูตรการเรียนรู้ลึก ๆ ของ Lex Fridman
อ่านบทความ
อ่านบทความมากมาย
นี่คือรายการของบทความที่ยอดเยี่ยมออนไลน์ที่คุณควรอ่านและฟรี 100% สื่อเป็นสถานที่ที่ดีที่สุดในการค้นหาคำอธิบายที่ยอดเยี่ยมไม่ว่าจะเป็นไปสู่ AI หรือไปยังสิ่งพิมพ์วิทยาศาสตร์ข้อมูล ฉันยังแบ่งปันบทความของตัวเองที่นั่นและฉันชอบที่จะใช้แพลตฟอร์ม คุณสามารถสมัครสมาชิกสื่อกลางโดยใช้ลิงก์ในเครือของฉันที่นี่หากฟังดูน่าสนใจสำหรับคุณและหากคุณต้องการสนับสนุนฉันในเวลาเดียวกัน!
- เริ่ม AI ในปี 2022 - เป็นผู้เชี่ยวชาญจากสิ่งใดฟรี! - Louis Bouchard
- 5 ขั้นตอนที่เป็นมิตรกับผู้เริ่มต้นเพื่อเรียนรู้การเรียนรู้ของเครื่องจักรและวิทยาศาสตร์ข้อมูลด้วย Python - Daniel Bourke
- การเรียนรู้ของเครื่องคืออะไร? - Roberto Iriondo
- การเรียนรู้ของเครื่องจักรสำหรับผู้เริ่มต้น: บทนำสู่เครือข่ายประสาท - Victor Zhou
- คู่มือผู้เริ่มต้นไปยังเครือข่ายประสาท - โทมัสเดวิส
- การทำความเข้าใจเครือข่ายประสาท - Prince Canuma
- รายการการอ่านสำหรับนักเรียน MILA ใหม่ - ไม่ระบุชื่อ
- รายการอ่าน 80/20 AI - Vishal Maini
อ่านหนังสือ
อ่านหนังสือบางเล่ม
นี่คือหนังสือที่ยอดเยี่ยมที่จะอ่านสำหรับผู้คนที่ชอบเส้นทางการอ่าน
- การสร้าง LLM สำหรับการผลิต: เพิ่มความสามารถและความน่าเชื่อถือของ LLM ด้วยการกระตุ้นการปรับแต่งและผ้าขี้ริ้ว - โดยไปสู่ AI "ค้นพบสแต็คคีย์เทคโนโลยีสำหรับการปรับรูปแบบภาษาขนาดใหญ่ให้เข้ากับแอพพลิเคชั่นในโลกแห่งความเป็นจริงรวมถึงวิศวกรรมที่รวดเร็วการปรับแต่งและการสร้างการเพิ่มการเรียกคืน" (หรือรับ e-book ที่นี่คุณสามารถ dm ฉันเพื่อรับส่วนลดที่ดี!)
- หนังสือเรียนรู้ลึก - ออนไลน์ฟรี
- ดำดิ่งสู่การเรียนรู้ลึก - ออนไลน์ฟรี
- การเรียนรู้ของเครื่องจักรความน่าจะเป็น: บทนำ - ออนไลน์ฟรี
- ปัญญาประดิษฐ์: แนวทางที่ทันสมัย - เป็นทางเลือก (จ่าย)
- การจดจำรูปแบบและการเรียนรู้ของเครื่อง - เป็นทางเลือก (การจ่าย)
- การเรียนรู้อย่างลึกซึ้งกับ Python - ไม่บังคับ (จ่าย)
- การทำความเข้าใจการเรียนรู้ของเครื่อง: จากทฤษฎีสู่อัลกอริทึม - Shai Shalev -Shwartz และ Shai Ben -David - ออนไลน์ฟรี
หนังสือที่ยอดเยี่ยมสำหรับการสร้างภูมิหลังทางคณิตศาสตร์ของคุณ:
- คณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง - ออนไลน์ฟรี
- องค์ประกอบของการเรียนรู้ทางสถิติ - ทางเลือก (การจ่าย)
- การอนุมานทางสถิติ - ไม่บังคับ (การจ่าย)
พื้นหลังแคลคูลัสที่สมบูรณ์:
- แคลคูลัส: แนวคิดและบริบท - เป็นทางเลือก (การจ่าย)
- แคลคูลัสตัวแปรเดี่ยว: แนวคิดและบริบท - ไม่บังคับ (การจ่าย)
- แคลคูลัสหลายตัวแปร: แนวคิดและบริบท - ทางเลือก (จ่าย)
หนังสือเหล่านี้เป็นตัวเลือกที่สมบูรณ์ แต่พวกเขาจะให้ความเข้าใจที่ดีขึ้นเกี่ยวกับทฤษฎีและแม้แต่สอนบางสิ่งเกี่ยวกับการเขียนโค้ดเครือข่ายประสาทของคุณ!
ไม่มีภูมิหลังทางคณิตศาสตร์สำหรับ ML? ลองดูสิ!
ไม่มีภูมิหลังทางคณิตศาสตร์สำหรับ ML? ลองดูสิ!
อย่าเครียดเช่นเดียวกับสิ่งต่าง ๆ ในชีวิตคุณสามารถเรียนรู้คณิตศาสตร์ได้! นี่คือแหล่งเริ่มต้นที่ยอดเยี่ยมและทรัพยากรขั้นสูงเพื่อเข้าสู่คณิตศาสตร์การเรียนรู้ของเครื่อง ฉันขอแนะนำให้เริ่มต้นด้วยแนวคิดที่สำคัญทั้งสามนี้ในการเรียนรู้ของเครื่องจักร (นี่คือ 3 หลักสูตรฟรีที่ยอดเยี่ยมสำหรับ Khan Academy):
- พีชคณิตเชิงเส้น - Khan Academy
- สถิติและความน่าจะเป็น - Khan Academy
- แคลคูลัสหลายตัวแปร - Khan Academy
นี่คือหนังสือและวิดีโอฟรีที่ยอดเยี่ยมที่อาจช่วยให้คุณเรียนรู้ใน "วิธีการที่มีโครงสร้าง" เพิ่มเติม:
- MathematicalMonk - YouTube
- คณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง - Garrett Thomas
- บทนำสู่การเรียนรู้ทางสถิติ: ด้วยการใช้งานใน R (ข้อความ Springer ในสถิติ) - Gareth James, Daniela Witten, Trevor Hastie และ Robert Tibshirani
หากคุณยังขาดความมั่นใจทางคณิตศาสตร์ให้ตรวจสอบส่วนอ่านหนังสือด้านบนซึ่งฉันแบ่งปันหนังสือที่ยอดเยี่ยมมากมายเพื่อสร้างภูมิหลังทางคณิตศาสตร์ที่แข็งแกร่ง ตอนนี้คุณมีภูมิหลังทางคณิตศาสตร์ที่ดีมากสำหรับการเรียนรู้ของเครื่องและคุณพร้อมที่จะดำน้ำลึก!
ไม่มีพื้นหลังการเข้ารหัสไม่มีปัญหา
ไม่มีพื้นหลังการเข้ารหัสไม่มีปัญหา
นี่คือรายการของหลักสูตรที่ยอดเยี่ยมในการเรียนรู้ด้านการเขียนโปรแกรมของการเรียนรู้ของเครื่อง
- บทช่วยสอนการเรียนรู้ของเครื่องจักรที่ใช้งานได้จริงด้วย Python - Free YouTube Python Introduction
- เรียนรู้ Python - การสอนแบบโต้ตอบฟรีเพื่อเรียนรู้ Python
- เรียนรู้พื้นฐาน Python สำหรับการวิเคราะห์ข้อมูล - หลักสูตรฟรีเกี่ยวกับ OpenClassrooms
- เริ่มต้นใช้งาน Python และ R สำหรับ Data Science - ฟรี
- การเรียนรู้ของเครื่องด้วย Python | Coursera - IBM - ตัวเลือก (จ่าย)
- บทนำสู่ Python สำหรับวิทยาศาสตร์ข้อมูล - ในหลักสูตร Python สำหรับข้อมูลวิทยาศาสตร์ข้อมูลนักเรียนจะเรียนรู้แนวคิดหลักของ Python และใช้ภาษาที่เกี่ยวข้องกับวิทยาศาสตร์ข้อมูลในโปรแกรมการเรียนรู้ 16 สัปดาห์ (การจ่ายเงินเลือก)
- 100 NUMPY แบบฝึกหัด - ชุดของแบบฝึกหัดที่รวบรวมไว้ในรายชื่อผู้รับจดหมาย NumPy บนสแต็กล้นและในเอกสาร NumPy
- การสอนเชลล์ - เรียนรู้ที่จะใช้ UNIX Shell! ต้องมีสำหรับนักพัฒนาและผู้ปฏิบัติงาน AI
ตรวจสอบพอดคาสต์ Louis Bouchard สำหรับเนื้อหา AI เพิ่มเติมในรูปแบบของการสัมภาษณ์กับผู้เชี่ยวชาญในสาขานี้! ผู้เชี่ยวชาญ AI ที่ได้รับเชิญและฉันจะครอบคลุมหัวข้อเฉพาะสาขาย่อยและบทบาทที่เกี่ยวข้องกับ AI เพื่อสอนและแบ่งปันความรู้จากผู้คนที่ทำงานอย่างหนักเพื่อรวบรวม
ทำตามหลักสูตรออนไลน์
(ไม่บังคับ) รับความเข้าใจที่ดีขึ้นและฝึกฝนที่มีไกด์มากขึ้นโดยทำตามหลักสูตรออนไลน์บางหลักสูตร
หากคุณต้องการได้รับคำแนะนำมากขึ้นและมีขั้นตอนที่ชัดเจนในการติดตามหลักสูตรเหล่านี้เป็นหลักสูตรที่ดีที่สุดที่ต้องทำ
- การเรียนรู้ลึก - Yann Lecun - หลักสูตรนี้เกี่ยวข้องกับเทคนิคล่าสุดในการเรียนรู้อย่างลึกซึ้งและการเรียนรู้การเป็นตัวแทน - ฟรี
- Intro to Machine Learning - Kaggle - เรียนรู้แนวคิดหลักในการเรียนรู้ของเครื่องและสร้างโมเดลแรกของคุณ - ฟรี
- เริ่มต้นใน AI / AI สำหรับทุกคน - Andrew Ng - การจ่ายเงินเป็นทางเลือก
- การเรียนรู้ของเครื่อง - Andrew Ng - Stanford - การจ่ายเงินเป็นทางเลือก
- การเขียนโปรแกรม AI ด้วย Python - Nanodegree เสร็จสมบูรณ์ - การจ่ายเงินเสริม
- ความเชี่ยวชาญการเรียนรู้ลึก - Andrew Ng - การจ่ายเงินเป็นทางเลือก
- TensorFlow (ใบรับรองมืออาชีพ) - การจ่ายเงินเสริม
- AI Engineering - IBM (ใบรับรองมืออาชีพ) - การจ่ายเงินเสริม
- เสร็จสิ้น Data Science Bootcamp 2022 - การจ่ายเงินเสริม
- การเรียนรู้ของเครื่อง - ไม่มีการเข้ารหัส - การจ่ายเงินเสริม
- การฝึกอบรมด้านวิทยาศาสตร์ข้อมูล + ประสบการณ์ในอุตสาหกรรม-โปรแกรมการฝึกอบรม 16 สัปดาห์ที่นำโดยผู้สอนพร้อมประสบการณ์ (การจ่ายเงินเสริม)
- Bootcamp วิทยาศาสตร์ข้อมูลออนไลน์ที่นำโดยผู้สอน-โปรแกรมการเรียนรู้ 16 สัปดาห์ที่นำโดยอาจารย์ผู้สอน (การจ่ายเงินเป็นทางเลือก)
- Fast.ai หลักสูตรการเรียนรู้ลึก - ฟรี
- CS50 - บทนำสู่ปัญญาประดิษฐ์ด้วย Python (และการเรียนรู้ของเครื่องจักร), Harvard OCW - ฟรี (และใช้งานได้สำหรับครูเช่นกัน!)
- หลักสูตรการเรียนรู้ลึก - François Fleuret - หลักสูตรนี้เป็นการแนะนำอย่างละเอียดเกี่ยวกับการเรียนรู้อย่างลึกซึ้งพร้อมตัวอย่างในกรอบ Pytorch มีข้อกำหนดเบื้องต้นบางอย่าง
สำหรับแอปพลิเคชันเฉพาะ:
- AI สำหรับการซื้อขาย nanodegree จาก Udacity - จ่ายเงิน
- เรียนรู้การเรียนรู้การเสริมแรงอย่างลึกล้ำ - udacity nanodegree - จ่ายเงิน
- กลายเป็น NLP Pro ด้วยความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติของ Coursera โดย Deeplearning.ai-จ่าย "บุกเข้าไปในพื้นที่ NLP เทคนิค NLP ที่ทันสมัยมาสเตอร์ผ่านหลักสูตรสี่หลักสูตร!"
รับโมเดลของคุณออนไลน์และแสดงให้โลกเห็น:
- หลักสูตร Gradio - สร้างส่วนต่อประสานผู้ใช้สำหรับรุ่นการเรียนรู้ของเครื่อง - FreeCodecamp - ฟรี
- วิธีปรับใช้รูปแบบการเรียนรู้ของเครื่องกับ Google Cloud - Daniel Bourke - ฟรี
- การเรียนรู้ของเครื่องจักร DevOps Engineer - Udacity Nanodegree - จ่ายเงิน
- AWS Machine Learning Engineer - Udacity Nanodegree - จ่ายเงิน
ฝึกฝนการฝึกฝนและฝึกฝน!
การปฏิบัติเป็นกุญแจสำคัญ
สิ่งที่สำคัญที่สุดในการเขียนโปรแกรมคือการปฏิบัติ และสิ่งนี้ใช้กับการเรียนรู้ของเครื่องด้วย อาจเป็นเรื่องยากที่จะหาโครงการส่วนตัวเพื่อฝึกฝน
โชคดีที่ Kaggle มีอยู่ เว็บไซต์นี้เต็มไปด้วยหลักสูตรฟรีบทเรียนและการแข่งขัน คุณสามารถเข้าร่วมการแข่งขันได้ฟรีและเพียงแค่ดาวน์โหลดข้อมูลของพวกเขาอ่านเกี่ยวกับปัญหาของพวกเขาและเริ่มเขียนโค้ดและทดสอบทันที! คุณยังสามารถหารายได้จากการแข่งขันที่ชนะและเป็นสิ่งที่ยอดเยี่ยมในการดำเนินการต่อ นี่อาจเป็นวิธีที่ดีที่สุดในการรับประสบการณ์ในขณะที่เรียนรู้มากมายและได้รับเงิน! โอกาสที่ดีอีกประการหนึ่งสำหรับโครงการคือการทำตามหลักสูตรที่มุ่งเน้นไปที่แอปพลิเคชันเฉพาะเช่น AI สำหรับหลักสูตรการซื้อขายจาก Udacity
นอกจากนี้คุณยังสามารถสร้างทีมสำหรับการแข่งขัน Kaggle และเรียนรู้กับผู้คน! ฉันขอแนะนำให้คุณเข้าร่วมชุมชนเพื่อค้นหาทีมและเรียนรู้กับผู้อื่นมันดีกว่าคนเดียวเสมอ ตรวจสอบส่วนถัดไปสำหรับสิ่งนั้น
ต้องการสร้างโมเดล/แอพภาษาหรือไม่? ตรวจสอบสิ่งนี้ (ตอนนี้ด้วย LLMS!)!
ฉันมีคำขอมากมายจากคนที่ต้องการมุ่งเน้นไปที่การประมวลผลภาษาธรรมชาติ (NLP) (แบบจำลองที่เกี่ยวข้องกับภาษา) หรือแม้แต่เรียนรู้การเรียนรู้ของเครื่องจักรอย่างเคร่งครัดสำหรับงาน NLP นี่คือส่วนที่ทุ่มเทให้กับความต้องการนั้น Happy NLP เรียนรู้!
- แผนงานที่สมบูรณ์สำหรับ Master NLP ในปี 2022
- กลายเป็น NLP Pro ด้วยความเชี่ยวชาญด้านการประมวลผลภาษาธรรมชาติของ Coursera โดย Deeplearning.ai-จ่าย "บุกเข้าไปในพื้นที่ NLP เทคนิค NLP ที่ทันสมัยมาสเตอร์ผ่านหลักสูตรสี่หลักสูตร!"
- ปริญญา NLP Nano! -จ่าย "เรียนรู้เทคนิคการประมวลผลภาษาธรรมชาติที่ทันสมัยเพื่อประมวลผลคำพูดและวิเคราะห์ข้อความสร้างแบบจำลองความน่าจะเป็นและการเรียนรู้ที่ลึกล้ำเช่นโมเดล Markov ที่ซ่อนอยู่และเครือข่ายประสาทที่เกิดขึ้นอีกเพื่อสอนคอมพิวเตอร์ให้ทำงานเช่นการรู้จำเสียงการแปลเครื่องและอื่น ๆ !"
- NLTK Book เป็นทรัพยากรฟรีที่จะเรียนรู้เกี่ยวกับทฤษฎีพื้นฐานที่อยู่เบื้องหลัง NLP: https://www.nltk.org/book/
- กำลังมองหาการสร้างรูปแบบการจำแนกประเภทข้อความอย่างรวดเร็วหรือ Word Vectorizer FastText เป็นห้องสมุดที่ดีในการฝึกอบรมแบบจำลองอย่างรวดเร็ว
- HuggingFace เป็นสถานที่ที่จะได้รับรุ่น NLP ที่ทันสมัยและพวกเขายังรวมถึงหลักสูตรทั้งหมดเกี่ยวกับมัน
- Spacy เหมาะสำหรับ NLP ในการผลิตเช่นเดียวกับ NLU, NER และหนึ่งสามารถฝึกอบรมการจำแนกได้ ฯลฯ กับมัน นอกจากนี้ยังสามารถเพิ่มขั้นตอนหรือโมเดลที่กำหนดเองลงในไปป์ไลน์
- การกระตุ้น การแจ้งเตือนเป็นทักษะใหม่ที่คุณควรเชี่ยวชาญหากคุณต้องการสร้างแอพที่เกี่ยวข้องกับ NLP นี่เป็นหลักสูตรที่ยอดเยี่ยมที่ฉันมีส่วนร่วมโดยตั้งใจจะสอนการแจ้งเตือนและให้คำแนะนำสำหรับแบบจำลองเฉพาะ
รถไฟปรับแต่งและใช้แบบจำลองภาษาขนาดใหญ่!
- ฐานข้อมูล Langchain & Vector ในการผลิต - ทรัพยากรฟรีที่น่าตื่นตาตื่นใจที่เราสร้างขึ้นสู่ AI ในความร่วมมือกับ ActiveLoop และ Intel Disruptor Initiative เพื่อเรียนรู้เกี่ยวกับฐานข้อมูล Langchain & Vector ในการผลิต "ไม่ว่าคุณจะเป็นนักพัฒนาที่มีประสบการณ์ซึ่งเป็นผู้มาใหม่กับ AI Realm หรือผู้ที่ชื่นชอบการเรียนรู้ของเครื่องที่มีประสบการณ์หลักสูตรนี้ได้รับการออกแบบมาสำหรับคุณเป้าหมายของเราคือการทำให้ AI เข้าถึงได้และใช้งานได้จริงเปลี่ยนวิธีการทำงานประจำวันและผลกระทบโดยรวมของงานของคุณ"
- การฝึกอบรมและการปรับแต่ง LLMs สำหรับการผลิต-ทรัพยากรฟรีที่น่าทึ่งที่เราสร้างขึ้นเพื่อเข้าสู่ AI โดยร่วมมือกับ ActiveLoop และ Intel Disruptor Initiative เพื่อเรียนรู้เกี่ยวกับการฝึกอบรมและการปรับแต่ง LLMs สำหรับการผลิต "หากคุณต้องการเรียนรู้วิธีการฝึกอบรมและปรับ LLMs ตั้งแต่เริ่มต้นและมีความรู้ปานกลางระดับกลางรวมถึงการเข้าถึงทรัพยากรการคำนวณระดับปานกลาง (สำหรับบางกรณีเพียงแค่ Google colab จะพอเพียง!) คุณควรจะทำตามหลักสูตรนี้ ปรับแต่งรูปแบบภาษาขนาดใหญ่ในหลากหลายอุตสาหกรรมเพื่อให้ AI เข้าถึงได้ง่ายขึ้นและใช้งานได้จริง "
- จากผู้เริ่มต้นไปจนถึงผู้พัฒนา LLM ขั้นสูง - โดยไปสู่ AI "สร้างผลิตภัณฑ์ที่ปรับขนาดได้ครั้งแรกของคุณด้วย LLMS, การแจ้งเตือน, ผ้าขี้ริ้ว, การปรับจูนและตัวแทน! เชี่ยวชาญทักษะระดับสูงที่ บริษัท ต้องการและสร้าง LLM MVP ขั้นสูงของคุณเองด้วยแอปพลิเคชันโลกแห่งความเป็นจริง"
- การสร้าง LLM สำหรับการผลิต: เพิ่มความสามารถและความน่าเชื่อถือของ LLM ด้วยการกระตุ้นการปรับแต่งและผ้าขี้ริ้ว - โดยไปสู่ AI "ค้นพบสแต็คคีย์เทคโนโลยีสำหรับการปรับรูปแบบภาษาขนาดใหญ่ให้เข้ากับแอพพลิเคชั่นในโลกแห่งความเป็นจริงรวมถึงวิศวกรรมที่รวดเร็วการปรับแต่งและการสร้างการเพิ่มการเรียกคืน" (หรือรับ e-book ที่นี่คุณสามารถ dm ฉันเพื่อรับส่วนลดที่ดี!)
ทรัพยากรเพิ่มเติม
เข้าร่วมชุมชน!
เซิร์ฟเวอร์ Discord กับผู้ที่ชื่นชอบ AI หลายคน - เรียนรู้ร่วมกันถามคำถามค้นหาเพื่อนร่วมทีม Kaggle แบ่งปันโครงการของคุณและอื่น ๆ
เซิร์ฟเวอร์ Discord ที่คุณสามารถติดตามข่าวสารล่าสุดเกี่ยวกับ AI ข่าวล่าสุด-ติดตามข่าวสารล่าสุดเกี่ยวกับข่าว AI ล่าสุดถามคำถามแบ่งปันโครงการของคุณและอื่น ๆ อีกมากมาย
ติดตามชุมชน Reddit - ถามคำถามแบ่งปันโครงการของคุณติดตามข่าวสารและอื่น ๆ
- ประดิษฐ์ - ปัญญาประดิษฐ์
- Machinelearning - การเรียนรู้ของเครื่อง (subreddit ที่ใหญ่ที่สุดของสนาม)
- DeeplearningPapers - เอกสารการเรียนรู้ลึก
- ComputerVision - การแยกข้อมูลที่เป็นประโยชน์จากรูปภาพและวิดีโอ
- LearnMachinelearning - เรียนรู้การเรียนรู้ของเครื่องจักร
- ArtificialInteligence - AI
- latsestinml - การพัฒนาที่เปลี่ยนเกมในการเรียนรู้ของเครื่องจักรคุณไม่ควรพลาด
บันทึกแผ่นโกง!
- แผ่นโกงที่ดีที่สุดสำหรับปัญญาประดิษฐ์การเรียนรู้ของเครื่องจักรและ Python
- โกงแผ่นสำหรับ AI, เครือข่ายประสาท, การเรียนรู้ของเครื่อง, การเรียนรู้ลึกและข้อมูลขนาดใหญ่ - Stefan Kojouharov
- กลโกงการเรียนรู้ของเครื่องจักรสำหรับ CS 229 ของ Stanford - Afshine Amidi & Shervine Amidi
- โกงแผ่นงานการเรียนรู้ของเครื่องจักรและงูหลาม (และคณิตศาสตร์) แผ่นโกง - Robbie Allen
- AI Expert Roadmap - ใช้เป็นรายการตรวจสอบชุดทักษะ!
ติดตามข่าวในสนาม!
สมัครสมาชิกช่อง YouTube ที่แบ่งปันเอกสารใหม่ - ติดตามข่าวสารล่าสุดในสนาม!
- Louis Bouchard - วิดีโอรายสัปดาห์ที่ครอบคลุมเอกสารใหม่
- เอกสารสองนาที - วิดีโอสองสัปดาห์ครอบคลุมเอกสารใหม่
- Bycloud - วิดีโอรายสัปดาห์ที่ครอบคลุมเอกสารใหม่
กลุ่ม LinkedIn
- ปัญญาประดิษฐ์การเรียนรู้ของเครื่องจักรและข่าวการเรียนรู้อย่างลึกซึ้ง - ข่าวของสาขาที่แบ่งปันโดยทุกคนในกลุ่ม
- ปัญญาประดิษฐ์ การเรียนรู้ลึก การเรียนรู้ของเครื่องจักร
- ปัญญาประดิษฐ์ประยุกต์
กลุ่ม Facebook
- ปัญญาประดิษฐ์และการเรียนรู้อย่างลึกซึ้ง - กลุ่ม FB ที่ชัดเจนและกระตือรือร้นที่สุดใน AI เครือข่ายประสาทและการเรียนรู้อย่างลึกซึ้ง ทุกสิ่งใหม่และน่าสนใจเกี่ยวกับพรมแดนของ AI และการเรียนรู้อย่างลึกซึ้ง เครือข่ายประสาทจะกำหนดความหมายของการเป็นเครื่องอัจฉริยะในอีกไม่กี่ปีข้างหน้า
- การเรียนรู้อย่างลึกซึ้ง - ทุกวันนี้สังคมมีแนวโน้มที่จะอ่อนนุ่มและพัฒนาไปสู่การปฏิวัติอุตสาหกรรมครั้งที่ 4 เพื่อความอยู่รอดหรือเป็นผู้นำควรได้รับการติดตั้งเครื่องมือที่เกี่ยวข้อง เครื่องจักรเริ่มฉลาดขึ้นและฉลาดขึ้น การเรียนรู้ของเครื่องจักรเป็นทักษะที่หลีกเลี่ยงไม่ได้และต้องการให้คนคุ้นเคย กลุ่มนี้มีไว้สำหรับคนเหล่านี้ที่สนใจในการพัฒนาพรสวรรค์ของพวกเขาให้เหมาะสม
จดหมายข่าว
- ตัวอักษร - จดหมายข่าวทางเทคนิคที่อ่านมากที่สุดใน AI
- AI News - โดย Swyx & Friends - LLM Aid จำนวนมากที่เกิดขึ้นในการจัดทำดัชนี ~ 356 Twitters, ~ 21 Discords ฯลฯ (ฉันส่วนใหญ่อ่านข้อสรุปหลัก)
- ภายใน AI - บทสรุปประจำวันของเรื่องราวและความเห็นเกี่ยวกับปัญญาประดิษฐ์หุ่นยนต์และระบบประสาท
- AI Weekly - คอลเล็กชั่น AI News และแหล่งข้อมูลเกี่ยวกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง
- AI Ethics Weekly - การอัปเดตล่าสุดใน AI Ethics ที่ส่งไปยังกล่องจดหมายของคุณทุกสัปดาห์
- Louis Bouchard Weekly - บทความหนึ่งและเพียงเล่มเดียวอธิบายได้อย่างชัดเจนทุกสัปดาห์ด้วยบทความตัวอย่างวิดีโอการสาธิตโค้ด ฯลฯ
- ถึงจดหมายข่าว AI ของ AI - สรุปข่าวที่น่าสนใจที่สุดและแหล่งข้อมูลการเรียนรู้รายสัปดาห์รวมถึงการอัปเดตชุมชนจากชุมชนเรียนรู้ AI ร่วมกัน เหมาะสำหรับมืออาชีพและผู้ที่ชื่นชอบ ML
ติดตามบัญชีขนาดกลางและสิ่งพิมพ์
- สู่วิทยาศาสตร์ข้อมูล - "การแบ่งปันแนวคิดความคิดและรหัส"
- สู่ AI - "สิ่งที่ดีที่สุดของเทคโนโลยีวิทยาศาสตร์และวิศวกรรม"
- Onezero - "The Undercurrents of the Future สิ่งพิมพ์ขนาดกลางเกี่ยวกับเทคโนโลยีและวิทยาศาสตร์"
- Louis Bouchard - "สวัสดีฉันเป็นหลุยส์ (loo · ee, การออกเสียงภาษาฝรั่งเศส) จากมอนทรีออลแคนาดาฉันพยายามแบ่งปันและอธิบายเงื่อนไขปัญญาประดิษฐ์และข่าวที่ดีที่สุดสำหรับทุกคน
ตรวจสอบคู่มือ GitHub ที่สมบูรณ์นี้เพื่อติดตามข่าว AI
- bailool/doyouevenlearn - คู่มือที่จำเป็นในการติดตาม AI/ML/DL/CV
หางานเรียนรู้ของเครื่องจักร
- อ่านส่วนนี้จากบทความที่เต็มไปด้วยเคล็ดลับการสัมภาษณ์และ วิธีการเตรียมความพร้อมสำหรับพวกเขา
- เรียนรู้ว่ากระบวนการสัมภาษณ์ดำเนินไปอย่างไรและดีขึ้นในการเตรียมความพร้อมสำหรับพวกเขาโดยดูว่าคนอื่นทำได้อย่างไรเช่นชุดสัมภาษณ์ที่ฉันทำงานกับผู้เชี่ยวชาญจาก Nvidia, Zoox (บริษัท ขับรถด้วยตนเอง), D-ID (การเริ่มต้น AI Generative) ฯลฯ )
จริยธรรม AI
- จริยธรรมคืออะไรและทำไมพวกเขาถึงมีความสำคัญ? Machine Learning Edition - โดย Rachel Thomas ผู้ก่อตั้ง Fast.ai
- ai4people - กรอบจริยธรรมสำหรับสังคม AI ที่ดี: โอกาส, ความเสี่ยง, หลักการและคำแนะนำ - Floridi et al., 2018, ai4people ai สำหรับสังคมที่ดี
- แนวทางจริยธรรมสำหรับ AI ที่น่าเชื่อถือ - คณะกรรมการผู้เชี่ยวชาญระดับสูงของคณะกรรมาธิการยุโรประดับสูง 7 คะแนนสำหรับ AI ที่น่าเชื่อถือ
- การแนะนำเกี่ยวกับจริยธรรมในหุ่นยนต์และ AI - หนังสืออิเล็กทรอนิกส์ฟรีโดย Christoph Bartneck, Christoph Lütge, Alan Wagner และ Sean Welsh
แท็กฉันบน Twitter @whats_ai หรือ LinkedIn @louis Bouchard ถ้าคุณแชร์รายการ!
- หากคุณต้องการสนับสนุนงานของฉัน คุณสามารถตรวจสอบเพื่อสนับสนุนที่เก็บนี้
คู่มือนี้ยังคงได้รับการอัปเดตเป็นประจำ
