ML University

Eine freie Universität für maschinelles Lernen

Die Machine Learning Open Source University ist eine IDEE des kostenlosen Lernens eines ML-Enthusiasten für alle anderen ML-Enthusiasten

Diese Liste wird ständig aktualisiert . Und wenn Sie ein Ml-Praktiker sind und gute Verbesserungsvorschläge oder gute Ressourcen zum Teilen haben, erstellen Sie eine Pull-Anfrage und leisten Sie einen Beitrag.

Inhaltsverzeichnis

1. Erste Schritte
2. Mathematik
3. Maschinelles Lernen
4. Tiefes Lernen
5. Verarbeitung natürlicher Sprache
6. Verstärkungslernen
7. Bücher
8. ML in der Produktion
9. Quanten-ML
10. Datensätze
11. Andere nützliche Websites
12. Andere nützliche GitRrpo
13. Blogs und Webinar
14. Muss Forschungspapier lesen
15. Unternehmens-Tech-Blogs

Erste Schritte

Titel und Quelle	Link
Elemente der KI: Teil 1	Webseite
Elemente der KI: Teil 2	Webseite
CS50s Einführung in AI Harvard	Cs50-Website
Einführung in Computational Thinking und Data Science MIT	Webseite
Praktische Datenethik	schnell.ai
Erste Schritte zur Beherrschung des maschinellen Lernens	maschinelles Lernen
Design und Analyse von Algorithmen MIT	ocw.mit.edu
KI: Prinzipien und Techniken Stanford	YouTube
Die Private AI-Serie	offen abgebaut

Mathematik

Titel und Quelle	Link
Statistik im maschinellen Lernen (Krish Naik)	YouTube
Computergestützte lineare Algebra für Programmierer	schnell.ai
Lineare Algebra MIT	Webseite
Statistiken von zstatistics	Webseite
Essenz der linearen Algebra von 3Blue1Brown	YouTube
SEHENSTHEORIE (Visuelle Wahrscheinlichkeit) braun	Webseite
Matrixmethoden in der Datenanalyse und maschinellem Lernen MIT	Webseite
Mathematik für maschinelles Lernen	YouTube
Statistiken für Anwendungen MIT	YouTube

Maschinelles Lernen

Titel und Quelle	Link
Einführung in maschinelles Lernen mit scikit-learn	Datenschule
Einführung in maschinelles Lernen	sebastianraschka
Offener Kurs für maschinelles Lernen	mlcourse.ai
Maschinelles Lernen (CS229) Stanford	Website YouTube
Einführung in maschinelles Lernen MIT	Webseite
Systemdesign für maschinelles Lernen 2021 (CS329S) Stanford	Webseite
Angewandtes maschinelles Lernen 2020 (CS5787) Cornell Tech	YouTube
Maschinelles Lernen für das Gesundheitswesen MIT	Webseite
Maschinelles Lernen für den Handel Georgia Tech	Webseite
Einführung in maschinelles Lernen für Programmierer	schnell.ai
Crashkurs zum maschinellen Lernen	Google KI
Maschinelles Lernen mit Python	Freecodecamp
Deep Reinforcement Learning: CS285 UC Berkeley	YouTube
Probabilistisches Maschinelles Lernen Universität Tübingen	YouTube
Maschinelles Lernen mit Graphen (CS224W) Stanford	YouTube
Maschinelles Lernen in der Produktions -CMU	Webseite
Grundlagen des maschinellen Lernens und des Deep Learning	Tiefechse
Interpretierbarkeit und Erklärbarkeit im maschinellen Lernen	Webseite
Praktisches maschinelles Lernen 2021 Stanford	Webseite
Maschinelles Lernen VU-Universität	Webseite
Maschinelles Lernen für Cybersicherheit Purdue University	YouTube
Audiosignalverarbeitung für maschinelles Lernen	YouTube
Maschinelles Lernen und kausale Schlussfolgerung Stanford	YouTube
Maschinelles Lernen CS156 Caltech	YouTube
CMU für multimodales maschinelles Lernen (MMML).	Website YouTube
Fortgeschrittene Themen im maschinellen Lernen Caltech	Webseite

Tiefes Lernen

Titel und Quelle	Link
Einführung in Deep Learning (6.S191) MIT	YouTube
Einführung in Deep Learning	sebastianraschka
Deep Learning NYU	Website 2021
Deep Learning (CS182) UC Berkeley	YouTube
Deep Learning-Vorlesungsreihe DeepMind x UCL	YouTube
Deep Learning (CS230) Stanford	Webseite
CNN für visuelle Erkennung (CS231n) Stanford	Website-2020 YouTube-2017
Full Stack Deep Learning	Website2021
Praktisches Deep Learning für Programmierer, v3	schnell.ai
Deep Learning Crashkurs 2021 d2l.ai	YouTube
Deep Learning für Computer Vision Michigan	Webseite
Neuronale Netze von Grund auf in Python von Sentdex	YouTube
Keras – Python Deep Learning Neural Network API	Tiefechse
Reproduzierbares Deep Learning	sscardapane.it
PyTorch-Grundlagen	Microsoft
Geometrisches Tiefenlernen (GDL100)	geometrisches Deeplearning
Deep-Learning-Neuromatch-Akademie	Neuromatch
Deep Learning für Moleküle und Materialien	Webseite
Deep-Learning-Kurs für Vision	arthurdouillard.com
Deep Multi-Task und Meta Learning (CS330) Stanford	Website YouTube
Buch „Deep Learning Interviews“.	Webseite
Deep Learning für Computer Vision 2021	YouTube
Deep Learning 2022 CMU	YouTube
UvA Deep Learning	Webseite

Verarbeitung natürlicher Sprache

Titel und Quelle	Link
Verarbeitung natürlicher Sprache AWS	YouTube
NLP – Krish Naik	YouTube
NLP mit Deep Learning (CS224N) 2019 Stanford	YouTube 2021
Eine Code-First-Einführung in die Verarbeitung natürlicher Sprache	schnell.ai
CMU Neuronale Netze für NLP 2021 , Carnegie Mellon University	YouTube
Sprach- und Sprachverarbeitung Stanford	Webseite
Verständnis natürlicher Sprache (CS224U) Stanford	YouTube 2022
NLP mit Dan Jurafsky und Chris Manning, 2012 Stanford	YouTube
Einführung in NLP mit spaCy	YouTube
Fortgeschrittenes NLP mit spaCy	Webseite
Angewandte Sprachtechnologie	Webseite
Fortgeschrittene Verarbeitung natürlicher Sprache Umass	Website YouTube 2020
Huggingface-Kurs	Huggingface.co
NLP-Kurs Michigan	Github
Mehrsprachiges NLP 2020 CMU	YouTube
Fortgeschrittenes NLP 2021 CMU	YouTube
Transformers United Stanford	Website YouTube
CS324 Große Sprachmodelle	Webseite

Verstärkungslernen

Titel und Quelle	Link
Reinforcement Learning (CS234) Stanford	YouTube-2019
Einführung in das Reinforcement Learning DeepMind	YouTube-2015
Reinforcement-Learning-Kurs DeepMind & UCL	YouTube-2018
Fortgeschrittenes Deep Learning und Reinforcement Learning	YouTube
DeepMind x UCL Reinforcement Learning 2021	YouTube

Bücher

Titel und Quelle	Link
Wissenschaftliche Python-Vorlesungen	ScipyLectures
Mathematik für maschinelles Lernen	MML-Buch
Eine Einführung in das statistische Lernen	Statuslernen
Denken Sie an Statistiken	Denken Sie an Statistiken
Python Data Science-Handbuch	Python für DS
Verarbeitung natürlicher Sprache mit Python – NLTK	NLTK
Deep Learning von Ian Goodfellow	Deep-Learning-Buch
Tauchen Sie ein in Deep Learning	d2l.ai
Annäherung an (fast) jedes Problem des maschinellen Lernens	AAANLP
Neuronale Netze und Deep Learning	neuronale Netze und Deeplearning
AutoML: Methoden, Systeme, Herausforderungen (erstes Buch über AutoML)	autom
Feature Engineering und Auswahl	bookdown.org
Einführung in das Interviewbuch zum maschinellen Lernen	huyenchip.com
Praktisches maschinelles Lernen mit R	Webseite
Zero to Mastery TensorFlow für Deep Learning-Buch	dev.mrdbourke.com/
Einführung in die Wahrscheinlichkeitstheorie für die Datenwissenschaft	Wahrscheinlichkeit4Datenwissenschaft
Lernbuch zur Graphendarstellung	cs.mcgill.ca
Interpretierbares maschinelles Lernen	christophm
Computer Vision: Algorithmen und Anwendungen, 2. Auflage.	szeliski.org

ML in der Produktion

Titel und Quelle	Link
Einführung in Docker	Docker
MLOps-Grundlagen	GitHub
Effektive MLOps: Modellentwicklung	wandb

Quanten-ML

Titel und Quelle	Link
Quantenmaschinelles Lernen	pennylane.ai

Datensätze

Titel und Quelle	Link
Yelp Datensatz öffnen	jaulen
Maschinelle Übersetzung	Webseite
IndicNLP Corpora (indische Sprachen)	ai4bharat
Netzwerk-Metadaten zum Mitkauf von Amazon-Produkten	snap.stanford.edu/
Stanford-Frage-Antwort-Datensatz (SQuAD)	Webseite

Andere nützliche Websites

1. Papiere mit Code
2. Zwei-Minuten-Aufsätze – Youtube
3. Das fehlende Semester Ihrer CS-Ausbildung
4. Workera: Daten-KI-Fähigkeiten messen
5. Beherrschung des maschinellen Lernens
6. Von den Daten zur Visualisierung: Leitfaden für Ihr Diagramm
7. Datatalks-Club
8. Maschinelles Lernen für die Kunst
9. bewerbenml
10. Deep Learning Nieselregen
11. Das Kompendium für maschinelles und tiefes Lernen
12. connectedpapers – Forschungsarbeiten
13. Artikel und neueste Forschungsergebnisse - deepai
14. Verfolgung des Fortschritts im NLP
15. NLP-Blogs von Sebastian Ruder
16. labmlai für Papiere

Andere nützliche GitRepo

1. Applied-ml – Artikel und Blogs von Organisationen
2. Listen Sie Python-Bibliotheken für maschinelles Lernen auf
3. ML From Scratch – Implementierungen von Modellen/Algorithmen
4. Was zum Teufel Python?
5. scikit-learn-Benutzerhandbuch: Schritt-für-Schritt-Ansatz
6. NLP-Tutorial-Code mit DL
7. genial-mlops
8. Textklassifizierungsalgorithmen: Eine Umfrage
9. ML-Anwendungsfälle nach Unternehmen

Blogs und Webinar

1. Empfehlungsalgorithmen und Systemdesign
2. Systemdesign für maschinelles Lernen
3. Lil'BLog

Muss Forschungspapier lesen

NLP [Text]

1. Textklassifizierungsalgorithmen: Eine Umfrage
2. Deep-Learning-basierte Textklassifizierung: Eine umfassende Übersicht
3. Komprimierung von Deep-Learning-Modellen für Text: Eine Umfrage
4. Eine Umfrage zur Textklassifizierung: Vom flachen zum tiefen Lernen
5. Eine Übersicht über Transformatoren
6. AMMUS: Eine Übersicht über transformatorbasierte vorab trainierte Modelle in der Verarbeitung natürlicher Sprache
7. Graphische neuronale Netze für die Verarbeitung natürlicher Sprache: Eine Umfrage
8. Eine Übersicht über Datenerweiterungsansätze für NLP
9. Eine Umfrage zu aktuellen Ansätzen zur Verarbeitung natürlicher Sprache in ressourcenarmen Szenarien
10. Evaluation der Textgenerierung: Eine Umfrage
11. Eine Übersicht über Transferlernen im NLP
12. Eine systematische Übersicht über Aufforderungsmethoden im NLP

OCR [Optische Zeichenerkennung]

1. Überblick über Post-OCR-Verarbeitungsansätze

Unternehmens-Tech-Blogs

1. AssemblyAI
2. Grammatikalisch
3. Umarmendes Gesicht
4. Uber
5. Netflix
6. Spotify-Forschung | Maschinenbau