2024年開始機器學習 - 免費成為專家！
一份完整的指南，用於啟動和改進機器學習（ML），人工智能（AI），在2024年，沒有任何背景，並與最新新聞和最新技術有關！
本指南旨在用於編程，數學和機器學習方面的零或背景較小的任何人。沒有特定的順序可以遵循，但是從上到下都是經典的路徑。如果您不喜歡閱讀書籍，請跳過，如果您不想遵循在線課程，也可以跳過它。沒有一種方法可以成為機器學習專家，並且有動力，您絕對可以實現它。
此處列出的所有資源都是免費的，除了一些在線課程和書籍外，這些資源肯定是為了更好地理解的，但絕對可以成為沒有他們的專家，在線閱讀，視頻和練習上花費了更多時間。在支付課程方面，本指南中的鏈接是附屬鏈接。如果您想遵循一門課程，請使用它們，因為它會支持我。謝謝，學習有趣的學習！請記住，這完全取決於您，而不是必需的。我覺得這對我很有用，也可能對他人有用。
不要害怕重複視頻或從多個來源學習。重複是學習成功的關鍵！
維護者：LouisfB01，也在YouTube上活躍，如果您想查看/聽到有關AI的更多信息，也可以作為播客！您也可以在我的個人新聞通訊中每週學習更多兩次！訂閱並獲取AI新聞，並清楚地解釋了更新！
請隨時向我發送任何豐富的資源，以添加到此存儲庫中，請訪問[email protected]
如果您共享列表，請在Twitter @Whats_AI或LinkedIn @Lououis Bouchard上標記我！
想知道該指南是關於什麼的？觀看此視頻：
？如果您想支持我的工作，則可以檢查以贊助此存儲庫。
目錄
- 從簡短的YouTube視頻介紹開始
- 在YouTube上關注免費的在線課程
- 閱讀文章
- 閱讀書籍
- 沒有ML的數學背景？檢查一下！
- 沒有編碼背景，沒有問題
- 關注在線課程
- 練習，練習和練習！
- 想構建語言模型/應用嗎？檢查一下！ （現在使用LLM！）
- 更多資源（社區，作弊表，新聞等等！）
- 如何找到機器學習工作
- 人工智能道德
從簡短的YouTube視頻介紹開始
從簡短的YouTube視頻介紹開始
這是我認為一無所有的最佳方法。在這裡，我列出了一些我發現的最佳視頻，這些視頻將為您提供您所需的術語才能進入該領域所需的術語。
入門和繼續學習的另一種簡單方法是在業餘時間收聽播客。開車去上班，坐在公共汽車上，還是難以入睡？聆聽一些AI播客，以適應術語和模式，並通過鼓舞人心的故事來了解該領域！我邀請您遵循我個人最喜歡的一些最好的，例如Lex Fridman，Machine Learning Street Talk，Lettent Space Podcast，顯然是我的播客：Louis Bouchard Podcast，您將在那裡了解到在野外有才華橫溢的人的知識，他們的啟發性故事分享了他們努力工作的知識。
在YouTube上關注免費的在線課程
在YouTube上關注免費的在線課程
這是YouTube上可用的令人敬畏的課程列表，您絕對應該遵循，並且是100％免費的。
機器學習簡介 - YouTube播放列表（斯坦福）
深度學習簡介 - YouTube播放列表（MIT）
深度學習專業 - YouTube播放列表（DeepLearning.AI）
深度學習（與Pytorch）-NYU，Yann Lecun
麻省理工學院深度學習-Lex Fridman的最新深度學習課程
閱讀文章
閱讀許多文章
這是您絕對應該閱讀的令人敬畏的文章清單，可免費閱讀。媒介幾乎是找到AI或朝向數據科學出版物的最佳解釋的最佳場所。我也在那里分享自己的文章，我喜歡使用該平台。如果您聽起來很有趣，並且您想同時支持我，則可以在此處使用我的附屬鏈接訂閱媒體！
- 在2022年開始AI - 免費成為一名專家，免費成為專家！ - 路易·布沙德（Louis Bouchard）
- 5初學者友好的步驟，與Python一起學習機器學習和數據科學-Daniel Bourke
- 什麼是機器學習？ -Roberto Iriondo
- 初學者的機器學習：神經網絡簡介 - Victor Zhou
- 神經網絡初學者指南 - 托馬斯·戴維斯（Thomas Davis）
- 了解神經網絡-Canuma王子
- 新米拉學生的閱讀清單 - 匿名
- 80/20 AI閱讀列表-Vishal Maini
閱讀書籍
讀一些書
這是一些很棒的書，可以閱讀，因為人們喜歡閱讀道路。
- 建立生產LLM：通過提示，微調和抹布提高LLM的能力和可靠性 - 向AI提高。 “發現將大型語言模型調整為現實世界應用的關鍵技術堆棧，包括及時的工程，微調和檢索增強發電。” （或在此處獲取電子書。您可以為我提供良好的折扣！）
- 深度學習書 - 在線免費
- 深入學習 - 在線免費
- 概率機器學習：簡介 - 免費在線免費
- 人工智能：一種現代方法 - 可選（付款）
- 模式識別和機器學習 - 可選（付款）
- 使用Python進行深度學習 - 可選（付款）
- 了解機器學習：從理論到算法 - Shai Shalev -Shwartz和Shai Ben -David-免費在線
構建數學背景的出色書籍：
- 機器學習數學 - 免費在線
- 統計學習的要素 - 可選（付款）
- 統計推斷 - 可選（付款）
完整的演算背景：
- 微積分：概念和上下文 - 可選（付款）
- 單變量演算：概念和上下文 - 可選（付款）
- 多變量演算：概念和上下文 - 可選（付款）
這些書是完全可選的，但是它們將為您更好地了解該理論，甚至教您一些有關編碼神經網絡的知識！
沒有ML的數學背景？檢查一下！
沒有ML的數學背景？檢查一下！
不要像生活中的大多數事情一樣強調，您可以學習數學！以下是一些出色的初學者和高級資源，可以進入機器學習數學。我建議從機器學習中的這三個非常重要的概念開始（這裡有3個很棒的免費課程可在可汗學院提供）：
- 線性代數 - 可汗學院
- 統計和概率 - 可汗學院
- 多變量演算 - 可汗學院
以下是一些很棒的免費書籍和視頻，可以幫助您以更“結構化的方法”學習：
- Mathemathicmonk- YouTube
- 機器學習數學 - 加勒特·托馬斯（Garrett Thomas）
- 統計學習簡介：在R中的應用（統計中的Springer文本） - Gareth James，Daniela Witten，Trevor Hastie和Robert Tibshirani
如果您仍然缺乏數學信心，請查看上面的“閱讀書籍”部分，我分享了許多很棒的書來建立強大的數學背景。現在，您有一個非常好的機器學習的數學背景，並且可以深入研究！
沒有編碼背景，沒有問題
沒有編碼背景，沒有問題
這是一些學習機器學習的編程方面的精彩課程的列表。
- 使用Python的實用機器學習教程 - 免費的YouTube Python介紹
- 學習python-免費的互動教程學習python
- 學習用於數據分析的Python基礎知識 - 在Opencrooms上免費課程
- Python和R的數據科學開始 - 免費
- 用Python | Coursera -IBM-可選（付款）
- Python的數據科學簡介 - 在此Python的數據科學課程中，學生將學習核心Python概念並使用該語言，因為它與數據科學有關的語言在16週的學習計劃中（付款，可選）。
- 100個Numpy練習 - 在Numpy郵件列表中，堆棧溢出和Numpy文檔中收集的一系列練習。
- Shell教程 - 學習使用Unix Shell！對於開發人員和AI從業人員來說，必不可少的。
查看路易斯·布沙德（Louis Bouchard）的播客，以與該領域的專家的訪談形式，以獲取更多的AI內容！邀請AI專家，我將介紹與AI相關的特定主題，子場和角色，以教授和分享努力收集它的人們的知識。
關注在線課程
（可選）通過遵循一些在線課程，獲得更好的理解和更具指導性的練習
如果您希望更加指導性並有明確的步驟，那麼這些課程是最好的課程。
- 深度學習-Yann Lecun-本課程涉及深度學習和表示學習中的最新技術。 - 自由的
- 機器學習的介紹 - Kaggle-學習機器學習中的核心思想，並構建您的第一個模型。 - 自由的
- 每個人都在AI / AI中開始 - Andrew Ng-付款，可選
- 機器學習 - 安德魯·恩格 - 斯坦福 - 付費，可選
- 使用Python的AI編程 - 完整的納米模型 - 付費，可選
- 深度學習專業化 - 安德魯·恩（Andrew Ng） - 付款，可選
- TensorFlow（專業證書） - 付款，可選
- AI工程 - IBM（專業證書） - 付款，可選
- 完整的數據科學訓練營2022-付款，可選
- 機器學習 - 無編碼 - 付款，可選
- 數據科學培訓 +行業經驗 - 一項完整的教師主導的16周培訓計劃，具有經驗（付款，可選）。
- 講師主導的在線數據科學訓練營 - 完整的教師主導的16週學習計劃（付款，可選）。
- Fast.ai的深度學習課程 - 免費
- CS50- python（和機器學習），哈佛OCW的人工智能簡介 - 免費（也適用於教師！）
- 深度學習課程 - 弗朗索瓦·弗萊特（FrançoisFleuret） - 本課程是對深度學習的徹底介紹，其中包括Pytorch框架中的例子。有一些先決條件。
對於特定應用：
- AI用於從Udacity交易的納米模型 - 付費
- 學習深度強化學習 - Udacity Nanodegree-付費
- 通過DeepLearning.AI - 付費“闖入NLP空間。主尖端NLP技術通過四個動手實踐課程！”成為NLP Pro。
將您的模型在線並向世界展示：
- Gradio課程 - 為機器學習模型創建用戶界面 - FreecodeCamp-免費
- 如何將機器學習模型部署到Google雲-Daniel Bourke-免費
- 機器學習DevOps工程師 - udacity納米式 - 付費
- AWS機器學習工程師 - Udacity Nanodegree-付費
練習，練習和練習！
練習是關鍵
編程中最重要的是實踐。這也適用於機器學習。很難找到一個個人的練習項目。
幸運的是，Kaggle存在。該網站上充滿了免費課程，教程和競賽。您可以免費加入競賽，只需下載他們的數據，了解他們的問題並立即開始編碼和測試！您甚至可以從贏得比賽中賺錢，這是一件很棒的簡歷。這可能是學習很多東西甚至賺錢的最佳方法！項目的另一個絕佳機會是遵循針對特定應用程序等特定應用程序的課程，例如AI，用於Udacity的交易課程。
您還可以創建Kaggle競爭的團隊並與人一起學習！我建議您加入一個社區，找到一個團隊並與他人一起學習，這總是比孤單更好。請查看下一節。
想構建語言模型/應用嗎？檢查一下（現在使用LLM！）！
我收到了很多想要專注於自然語言處理（NLP）（用於語言的模型）的人的要求，甚至嚴格學習機器的學習機器。這是一個專門針對此需求的部分。快樂的NLP學習！
- 2022年NLP碩士的完整路線圖
- 通過DeepLearning.AI - 付費“闖入NLP空間。主尖端NLP技術通過四個動手實踐課程！”成為NLP Pro。
- NLP納米學位！ - 付費“學習尖端的自然語言處理技術來處理語音和分析文本。建立概率和深度學習模型，例如隱藏的馬爾可夫模型和經常性的神經網絡，以教計算機來執行諸如語音識別，機器翻譯等諸如諸如諸如語音識別之類的任務！”
- NLTK書是學習NLP背後基本理論的免費資源：https：//www.nltk.org/book/
- 為了構建快速的文本分類模型或Word vectorizer，FastText是快速訓練模型的好庫。
- Huggingface是獲得現代NLP車型的地方，它們還包括整個課程。
- Spacy非常適合NLP的生產，因為它可以使用NLU，NER，並且可以對其進行培訓分類等。它還能夠在管道中添加自定義的步驟或型號。
- 提示！提示是一項新技能，如果您想構建與NLP相關的應用程序，則應掌握它。這是我為教授提示並為特定模型提供提示的一門很好的課程。
訓練，微調並使用大型語言模型！
- Langchain＆Vector數據庫中的數據庫 - 我們與Activeloop和Intel Insportor Initiative合作構建了一個驚人的免費資源，以了解生產中的Langchain＆Vector數據庫。 “無論您是經驗豐富的開發人員，是AI領域的新手還是經驗豐富的機器學習愛好者，本課程都是為您設計的。我們的目標是使AI易於訪問且實用，從而改變您如何處理日常任務和工作的整體影響。”
- 培訓和微調生產的LLMS-我們與Activeloop和Intel Insuptor倡議合作建立了一個驚人的免費資源，以了解培訓和調整生產的培訓LLMS。 "If you want to learn how to train and fine-tune LLMs from scratch, and have intermediate Python knowledge as well as access to moderate compute resources (for some cases, just a Google Colab will suffice!), you should be all set to take and complete the course. This course is designed with a wide audience in mind, including beginners in AI, current machine learning engineers, students, and professionals considering a career transition to AI. We aim to provide you with the necessary tools to apply並在廣泛的行業量身定制大型語言模型，以使AI更容易訪問和實用。”
- 從初學者到高級LLM開發人員 - 到AI。 “使用LLM，提示，抹布，微調和代理來構建您的第一個可擴展產品！掌握了頂級公司所需的技能，並使用真實的應用程序構建自己的高級LLM MVP。”
- 建立生產LLM：通過提示，微調和抹布提高LLM的能力和可靠性 - 向AI提高。 “發現將大型語言模型調整為現實世界應用的關鍵技術堆棧，包括及時的工程，微調和檢索增強發電。” （或在此處獲取電子書。您可以為我提供良好的折扣！）
更多資源
加入社區！
與許多AI愛好者的不和諧服務器 - 一起學習，提出問題，找到Kaggle隊友，分享您的項目等等。
您可以在其中最新的AI新聞保持最新狀態的Discord服務器 - 與最新的AI新聞保持最新，提出問題，分享您的項目等等。
關注Reddit社區 - 提出問題，分享您的項目，關注新聞等等。
- 人造 - 人工智能
- 機械學習 - 機器學習（該領域最大的子重新數）
- 深度學習紙 - 深度學習論文
- Computervision-從圖像和視頻中提取有用的信息
- 學習計算 - 學習機器學習
- 人造智能-AI
- LATSESTINML-機器學習中改變遊戲的發展，您不應該錯過
保存作弊表！
- 人工智能，機器學習和Python的最佳作弊表。
- AI，神經網絡，機器學習，深度學習和大數據的作弊表 - Stefan Kojouharov
- 斯坦福大學CS 229的機器學習作弊表 - Afshine Amidi＆Shervine amidi
- 機器學習和Python（和數學）作弊表的備忘單 - 羅比·艾倫（Robbie Allen）
- AI專家路線圖 - 將其用作技能清單！
關注現場的新聞！
找到機器學習工作
- 從文章中閱讀本節，其中包含面試技巧以及如何為他們做準備。
- 了解面試過程如何進行，並通過觀看其他人的工作方式來為他們做好準備，例如我與Nvidia，Zoox（自動駕駛公司），D-ID（生成AI啟動）和ETC的專家一起跑過的訪談系列。
人工智能道德
- 什麼是倫理，為什麼它們重要？機器學習版 - fast.ai的創始人雷切爾·托馬斯（Rachel Thomas）
- AI4PEOPLE - 一個良好AI社會的道德框架：機遇，風險，原則和建議-Floridi等人，2018年，良好社會的AI4PEOPLE AI
- 值得信賴的AI的道德準則 - 歐洲委員會高級專家組7分，可信賴的AI。
- 《機器人和人工智能倫理學介紹》 - 克里斯托夫·巴特內克（Christoph Bartneck），克里斯托夫·呂格（ChristophLütge），艾倫·瓦格納（Alan Wagner）和肖恩·威爾士（Sean Welsh）的免費電子書。
如果您共享列表，請在Twitter @Whats_AI或LinkedIn @Lououis Bouchard上標記我！
？如果您想支持我的工作，則可以檢查以贊助此存儲庫。
該指南仍定期更新。
