Хорошо, поэтому я недавно запустил PyTorch Scholarship Challenge из Facebook, как я сказал в заголовке этого сообщения.
Это задача Facebook на платформе Udacity MOOC. Сначала нужно объяснить предысторию проблемы, а затем перейти к сути сообщения. Задача неплохая, и речь идет о введении в глубокое обучение с помощью PyTorch. Лучшие студенты этого курса получат бесплатное зачисление на Deep Learning Nanodegree on Udacity, так что это хорошая мотивация закончить курс и постараться изо всех сил, если вы действительно заинтересованы в области глубокого обучения, и я могу сказать, что машинное обучение в целом .
Сообщество этого конкретного курса огромно. Около 10 000 студентов используют Slack, а некоторые - форум Udacity. Довольно сложно, особенно для новых и неопытных людей, которые раньше не использовали Slack, ответить на все вопросы, ссылки на ресурсы и т. Д.
Я видел множество вопросов, таких как: «Где я могу найти хорошие математические материалы для этого курса?», «Может ли кто-нибудь связать курс повышения квалификации по линейной алгебре?», «Какой хороший курс для Python, чтобы я мог освежить свои знания? ». Конечно, по самой Udacity есть много курсов, но они отнимают у вас немало времени, и когда вы уже начали этот вызов, я думаю, вы не хотите тратить дополнительное время на параллельное изучение нового. Поэтому я решил составить небольшой список ресурсов по таким темам, как математика для машинного обучения, Python и некоторые общие вещи.
Математические ресурсы:
Курсы линейной алгебры Khan Academy
Khan Academy - действительно хороший и бесплатный ресурс, чтобы получить напоминания и понять некоторые темы, которые помогут вам лучше понять принципы машинного обучения.
Во-вторых, это курс по статистике и вероятности, а также курс по Khan Academy (помните, я перечисляю курсы, которые не требуют много времени, чтобы освежить знания)
Я добавлю ссылку на интересные сообщения из MachineLearningMaster, в которых объясняется, как понимать машинное обучение без знания математики, и если вы не очень хорошо в этом разбираетесь.
Ссылки говорят сами за себя.
Ресурсы Python:
Что касается курсов для начинающих Python, на мой взгляд, один из них самый дружелюбный. Это платный курс Удеми от Зияда Йехиа под названием Библия Python ™ | Все, что вам нужно для программирования на Python, длится около 9 часов, но вы всегда можете увеличить скорость видео, чтобы сэкономить время на его просмотре.
Ссылка на курс
Https://www.udemy.com/the-python-bible/
Второй курс на edX под названием Введение в Python: основы предоставляется Microsoft. Продолжительность курса делится на часы в неделю. 3-4 часа в неделю, в результате получается около 20 часов содержания, но, как я уже сказал, вы можете ускорить его, чтобы сэкономить время.
Ссылка на курс
Введение в Python: основы
Развивайте то, что вы узнали из курса« Введение в Python: абсолютный новичок , и копайтесь в данных… www.edx.org»
Дополнительные ресурсы по Python:
Основы Python
Этот курс« Основы Python знакомит вас с Python, динамическим языком, популярным для веб-разработки, больших данных… app.pluralsight.com»
Общие ресурсы и люди, на которых можно подписаться в Интернете, чтобы узнать о них как можно больше:
Мэтью Мэйо - отличный парень, за которым стоит подписаться на Linkedin, если вы хотите узнавать что-то новое и узнавать самые новые и самые горячие вещи в области машинного обучения. Он исследователь и редактор машинного обучения в KDnuggets.
Еще один отличный ресурс - подкаст Кирилла Еременко SuperDataScience. В нем много тем, освещенных в подкастах на разные темы. У него также есть много отличных курсов по Удеми, которые стоит посетить.
А для мобильных разработчиков, которые заинтересованы и хотят заняться машинным обучением и внедрить решения машинного обучения в свои приложения, есть отличный веб-сайт. У Fritz.ai отличное сообщество, и они публикуют отличные сообщения в своем блоге.
На Youtube также есть канал Сираджа Равеля, освещающий всевозможные интересные и горячие темы. Определенно стоит проверить.
Надеюсь, этот пост не отнял у вас много времени и сочтет его полезным.
